slide1
Download
Skip this Video
Download Presentation
Team 12 - Šproty

Loading in 2 Seconds...

play fullscreen
1 / 7

Team 12 - Šproty - PowerPoint PPT Presentation


  • 76 Views
  • Uploaded on

Team 12 - Šproty. Indexovanie a  vyhľadávanie dokumentov Nástroj Lucene. Bc. Ľubomír Eľko. Triedy v Lucene. Document - represents a document in Lucene. Field - will contain a name for the section and the actual data.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Team 12 - Šproty' - ifeoma-young


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide1
Team 12 - Šproty
  • Indexovanie
  • a  vyhľadávanie dokumentov
  • Nástroj Lucene

Bc. Ľubomír Eľko

slide2
Triedy v Lucene
  • Document - represents a document in Lucene.
  • Field - will contain a name for the section and the actual data.
  • Analyzer -an abstract class that used to provide an interface that will take a Document and turn it into tokens that can be indexed. SimpleAnalyzer, StopAnalyzer and StandardAnalyzer class.
  • IndexWriter - used to create and maintain indexes.
  • IndexSearcher - used to search through an index.
  • QueryParser - used to build a parser that can search through an index.
  • Query - an abstract class that contains the search criteria created by the QueryParser.
  • Hits - contains the Document objects that are returned by running the Query object against the index.
slide3
Príklad vyhľadania

Score

ID

Enter query or press 'Enter' to exit:

projekt

Searchingfor: projekt

2 totalmatchingdocuments

1. [11.doc] (0,16309) C:/Users/lubes.e/test/docs/o_nas.html

Title: Sproty Team Page

Author: team c.12 - sproty

Keywords: sproty, fiit, java, prefuse, foaf, lucene

Description: stranka timu c. 12 (sproty). tema: graficka podpora vyhladavania znalosti v dokumentoch.

Sproty Team Page

slide4
Problémy I.
  • Čo keď metadáta chýbajú? Priority:
  • Riešenie – zapisovanie do metadát
  • Riešenie – šablóna a macro pri zavretí
  • Riešenie – vlastný parser - keywords - počítanie výskytov slov (najviac slov však bude typu „softvér“, „projekt“, atď., teda nulová inf. hodnota) - ale ako zistíme autora alebo názov? [Author: Einstein]
slide5
Problémy II.
  • Diakritika
  • Konvertor textu do ASCII (prvých 127 znakov)trieda ASCIIFoldingFilter
  • Odstraňovanie diakritiky (Accentedcharacter) trieda ISOLatin1AccentFilter
  • PoužijemeASCIIFoldingFilternakoľko ISOLatin1AccentFilter sa
  • už neodporúča používať a v novej verzii Lucene sa už ani nebude
  • nachádzať.
slide6
Problémy III.

Analyzátor na SVK slová - existuje CzechAnalyzer – prispôsobenie na slovenčinu - používanie dvoch analyzátorov sa nedoporučuje!

Ako zistiť či ide o SVK alebo ENG dokument? - prítomnosť smerodajných slov v texte

Ako zistiť či ide o SVK alebo ENG query? - dá sa z jedného slova určiť o aký jazyk ide a teda aký analyzátor použiť? - „MySQL“, „network“, „index“, „server“, „opensource“, „problem“, „Einstein“

slide7
Zdroje a odkazy

Lucene – Wikipédia http://en.wikipedia.org/wiki/Lucene

Lucene – Dokumentáciahttp://wiki.apache.org/lucene-java

Introduction to Text Indexing with Apache Jakarta Lucene http://onjava.com/pub/a/onjava/2003/01/15/lucene.html

The Lucene Search Engine - Adding search to your applications http://www.javaranch.com/journal/2004/04/Lucene.html

Lucene – Howto accomplish simple tasks? http://wiki.apache.org/lucene-java/HowTo

Lucene as a Ranking Enginehttp://www.wortcook.com/pdf/lucene-ranking.pdf

ad