Заключение. 
Разработка программного продукта для решения задач бикластерного анализа англоязычных текстов

кластеризация иерархический таксономия В ходе работы было разработано и протестировано программное обеспечение для бикластерного анализа текстовых данных. Данное программное обеспечение позволяет осуществлять бикластеризацию матриц релевантности фраза/текст и матриц схожести между фразами. В дополнение, мы представили новый жадный алгоритм бикластеризации и сравнили его с другими существующими методами — алгоритмом BBox и алгоритмом спектрального разложения двудольного графа.

Созданный инструмент может позволить пользователям определять внутреннюю структуру коллекции документов, а также находить тематические блоки внутри этой коллекции. Сама программа, будучи специализированной для анализа именно текстовых данных, предоставляет методы загрузки аннотаций к научным статьям от известных издательств (IEEE, Springer), что избавляет пользователя от необходимости самостоятельно подбирать коллекции тестов для анализа. Также программа предоставляет методы выделения ключевых слов и словосочетаний из коллекции текстов, что является важным предварительным шагом при работе с текстовыми данными.

Что касается реализованного нами Веб-интерфейса, он позволяет пользователю ознакомиться с возможностями бикластерного анализа текстовых данных на примере настоящей коллекции аннотаций к научным статьям, не прибегая к написанию исходного кода.

В дополнение, мы представили новый жадный алгоритм GreedyBBox, основанный на алгоритме BBox, представленным Миркины и Крамаренко в 2012 году. Если алгоритм BBox имеет экспоненциальную сложность, то GreedyBBox обладает полиномиальной сложностью, что делает его использование более выгодным при анализе матриц большого размера. Нами было также показано, что новый алгоритм сравним по «качеству» находимых им бикластеров с алгоритмом BBox, а в некоторых экспериментах даже показывает лучший результат.

Если говорить о предполагаемых применениях разработанной программы, то нужно упомянуть возможность построения графа зависимостей между ключевыми фразами, который наглядно раскрывает тематическую структуру коллекции. В данной работе мы исследовали такую возможность и разработали модель визуализации, основанную на нахождении наиболее «представительных» ключевых фраз в бикластерах. Также бикластеры ключевых фраз могут потенциально использоваться для автоматического создания иерархической таксономии по заданной коллекции текстов.

Дальнейшая работа над программным продуктом может включать расширение с точки зрения добавления новых существующих алгоритмов бикластеризации и создание методов автоматического построения таксономии на основе бикластеров фраз.