Розробка класифікатора зображень для кластеризації новинних ресурсів

Abstract

Зростання обсягів інформації в Інтернеті актуалізує потребу в ефективній кластеризації новинного контенту, зокрема зображень, що супроводжують тексти. У статті представлено класифікатор зображень із низькою чутливістю до зростання баз даних, який дозволяє підвищити ефективність пошуку ідентичних зображень у масивах з щоденним приростом до 12000 одиниць. Використано методи математичного моделювання, обробки зображень і контентного пошуку. Результати експериментів підтверджують швидкість і економічність запропонованого підходу. The growth of information volumes on the Internet emphasizes the need for effective clustering of news content, particularly the images accompanying texts. The article presents an image classifier with low sensitivity to the expansion of databases, which enables improved efficiency in searching for identical images within datasets growing daily by up to 12,000 items. The study employs methods of mathematical modeling, image processing, and content-based retrieval. Experimental results confirm the speed and cost-effectiveness of the proposed approach.