Este documento descreve um projeto de indexação de documentos usando Apache Solr. O objetivo era criar um algoritmo de indexação em Java para indexar o Europarl Corpus. As tecnologias utilizadas incluem Java, Netbeans, Apache Solr, HTML5, JavaScript e SolrAjax. O documento explica a configuração do esquema Solr e apresenta estatísticas e screenshots da aplicação cliente desenvolvida.

1. Trabalho Prático 3
Armazenamento, Indexação e
Recuperação de informação - MSI - UA
Autores:
Emanuel Pires (77994)
Mário Monteiro (77910)

2. Objetivo
Criar um algoritmo de indexação em java utilizando o Apache Solr e o SolrJ
API para indexar o Europarl Corpus usado nos primeiros trabalhos.

3. Tecnologias e Recursos
Tecnologia Java - Orientado a o Objetos
IDE Netbeans
Computador de desenvolvimento e teste:
Processador Intel Core i7, 3.30 GHz
4 GB de memória RAM
Apache Solr (http://lucene.apache.org/solr/)
Jquery & JavaScript, HTML5, SolrAjax

4. Diagrama de Classes

5. Diagrama de fluxo de dados

7. Estatística
Query
Resultado
(Average Precision)
Q1 = {text:imigrantes} 0.33
Q2 = {text:presidente Barroso} 0.68
Q3 = {text:estratégia de lisboa ambiente e
energias renováveise}
0.92
Q4 = {text:quota de pesca} 0.70
Q5 = {text:áreas estratégicas investigação e
desenvolvimento}
0.85
Mean Average Precision 0,70

8. Configuração do Schema Solr
Configuração dos fields

9. Configuração do Schema Solr
Configuração dos fields (copyField)

10. Configuração do Schema Solr (cont…)
Configuração do fieldType

11. Aplicação Cliente (Página Principal)

12. Aplicação Cliente (facet por língua)

13. Aplicação Cliente (did you mean)

14. Aplicação Cliente (pesquisa por date range)

15. Considerações
• Todos os requisitos foram cumpridos sem grandes sobre saltos;