Baixar para ler offline
![Conteúdos
• Criador
• Definição
• Archie (Fundador)
• Mediador
• Pesquisando
• IRS – [Information Retrieval Systems] (Dificuldades)
• Auxilio do Tesauro
• OPAC – [On-Line Public Access Catalog]
• Servidores
• Código Fonte do IRS em Python
• Referência](https://image.slidesharecdn.com/informationretrieval-161202152400/85/Information-retrieval-2-320.jpg)
![IRS – [Information Retrieval Systems] (Dificuldades)
Sistemas de Recuperação de Informação (IRS) têm dificuldades em recuperar a
informação relevante que atendam às necessidades informativas do seu usuários.
Neste contexto, o dicionário de sinônimos podem servir como uma ferramenta
que vai auxiliar na organização, representação e recuperação da informação.](https://image.slidesharecdn.com/informationretrieval-161202152400/85/Information-retrieval-8-320.jpg)
![OPAC – [On-Line Public Access Catalog]
CATÁLOGO ON-LINE DE ACESSO PÚBLICO [OPAC] – É o termo
utilizado para designar programas que gerenciam a recuperação e manipulação
de informações em formato eletrônico. Os OPACs têm a tarefa de facilitar a
procura do usuário, garantindo maior velocidade e qualidade no acesso à
informação, proporcionando também acessibilidade à distância.](https://image.slidesharecdn.com/informationretrieval-161202152400/85/Information-retrieval-10-320.jpg)
![Código Fonte do IRS em Python
print (' > Conexão estabelecida. Obtendo código HTML…)'
#Obtém o código HTML
HTML = con.read()
##Obtendo as informações
print (' > Filtrando informações...n')
#Valida a página buscando o padrão "cidade - estado", que só é exibido em páginas válidas
#EXEMPLO HTML: Barbacena - MG
if re.search(r'[A-Z][^-]+- [A-Z]{2}' , HTML) == None:
print ('Cidade inválida!n')
exit(1)
#Busca a condição climática, que é informada entre os fragmentos de tags %;"> e <
#EXEMPLO HTML: <div style="float:left; width:450px; height:100%;">Predomínio de sol, apenas com pouca variação de
nuvens</div>
status = re.search(r'%;">(.*?)<' , HTML)
#Obtém a data e a hora da última atualização
#EXEMPLO HTML: <p>Atualizado em: 14/09/2016 @ 20:30:00</p>
atualizado = re.search(r'Atualizado em: .*[0-9]' , HTML)
##Exibindo o resultado](https://image.slidesharecdn.com/informationretrieval-161202152400/85/Information-retrieval-13-320.jpg)
Carregado porMr. Hilquias da Silva de Almeida
Information retrieval
O documento discute a recuperação de informação na web, definindo o termo como a identificação de documentos relevantes em um conjunto de acordo com a necessidade do usuário. Ele descreve as ferramentas iniciais como o Archie, criado em 1990, e como os tesauros podem auxiliar na organização e recuperação de informação ao normalizar termos. Por fim, apresenta exemplos de código Python para recuperar previsões climáticas a partir de uma URL específica.
Information retrieval
- 1. Information Retrieval Recuperação deinformação na Web
- 2. Conteúdos • Criador • Definição •Archie (Fundador) • Mediador • Pesquisando • IRS – [Information Retrieval Systems] (Dificuldades) • Auxilio do Tesauro • OPAC – [On-Line Public Access Catalog] • Servidores • Código Fonte do IRS em Python • Referência
- 3. Criador Em 1951, CalvinMooers criou o termo “Information Retrieval” (Recuperação de Informação) e definiu os problemas a serem abordados por esta nova disciplina.
- 4. Definição Identificar, em umconjunto de documentos (corpus), quais atendem à necessidade de informação do usuário. O usuário interessado em recuperar “informação” sobre um determinado assunto e não em recuperar registros de dados que não satisfazem sua expressão de busca, nem tampouco documentos, embora seja nestes que a informação estará registrada. Essa característica é o que diferencia os sistemas de recuperação de informação dos sistemas gerenciadores de bancos de dados.
- 5. Archie (Fundador) A primeiraferramenta para conteúdos na WWW foi o Archie. O Archie usava uma base de dados que incluía todos os arquivos localizados em sites públicos de FTP (File Transfer Protocol) anónimos, permitindo desta forma a pesquisa por nome de arquivo. Foi criado em 1990 por um aluno na McGill University, Alan Emtage. O seu nome teve origem na palavra Archive. Nesta fase, o Archie não era um motor de busca em toda a ascensão da palavra, mas terá sido o pai de todos eles.
- 6. Mediador Um sistema derecuperação de informação é um ambiente linguístico mediador da comunicação entre um estoque de informação e os seus requisitantes. Sua eficiência depende de um controle adequado da linguagem de representação dos itens de informação e das buscas dos usuários. Por meio de uma expressão de busca (consulta) o usuário comunica a sua necessidade de informação e obtém como resultado um conjunto de documentos que possivelmente irão satisfazer tal necessidade.
- 7. Pesquisando Começa quando umusuário insere uma consulta no sistema. As consultas são declarações formais de necessidade de informação , por exemplo, motores. Em recuperação de informação a consulta não identificar um único objeto na coleção. Em vez disso, vários objetos podem corresponder a consulta, talvez com diferentes graus de relevância. Ao contrário de consultas SQL clássicas de um banco de dados, em recuperação de informação os resultados retornados podem ou não coincidir com a consulta, por isso os resultados são normalmente classificados. Este ranking dos resultados é uma diferença fundamental de recuperação de busca de informações em comparação com a pesquisa de banco de dados.
- 8. IRS – [InformationRetrieval Systems] (Dificuldades) Sistemas de Recuperação de Informação (IRS) têm dificuldades em recuperar a informação relevante que atendam às necessidades informativas do seu usuários. Neste contexto, o dicionário de sinônimos podem servir como uma ferramenta que vai auxiliar na organização, representação e recuperação da informação.
- 9. Auxilio do Tesauro Tesauroé uma linguagem especializada, normalizada, pós-coordenada, usada com fins documentários, onde os elementos linguísticos que a compõem – termos, simples ou compostos encontram-se relacionados entre si sintática e semanticamente. Um tesauro lista alfabeticamente descritores controlando sinônimos, homógrafos e mostrando as relações entre eles. No tesauro é importante a normalização dos termos para permitir a coincidência entre o vocabulário de indexação e o de recuperação da informação.
- 10. OPAC – [On-LinePublic Access Catalog] CATÁLOGO ON-LINE DE ACESSO PÚBLICO [OPAC] – É o termo utilizado para designar programas que gerenciam a recuperação e manipulação de informações em formato eletrônico. Os OPACs têm a tarefa de facilitar a procura do usuário, garantindo maior velocidade e qualidade no acesso à informação, proporcionando também acessibilidade à distância.
- 11. Servidores • AMERICA ONLINE(EstadosUnidos) - com 50 bases de dados sobre jogos, correio eletrônico, teleconferência, anúncios, finanças, noticíario ( TV, teatro etc.) • ARUANDA/SERPRO(Brasil) - com mais de 11 bases de dados sobre cadastros industriais, marcas e patentes. • BIREME(Brasil) - com mais de quatro bases de dados sobre área médica. • BRS Information Technologies(Nova Iorque) - com mais de 100 bases de dados sobre medicina, química, comércio, ciências sociais e humanidades. • CENAGRI(Brasil) - com mais de cinco bases de dados sobre ciências agrícolas • CIN/CNEN(Brasil) - com mais de oito bases de dados sobre energia nuclear, física, eletrônica e energia elétrica. • COMPUSERVE(Estados Unidos) - com 80 bases de dados sobre finanças, telecompras, jogos, ciência e medicina. • DATA-STAR(Suíça) - com mais de 250 bases de dados sobre comércio, ciências biomédicas, química, engenharia e notícias. • DIALOG Information Retrieval Services(Palo Alto, Califórnia) - com 380 bases de dados, praticamente sobre todas as áreas. • DIMDI(Alemanha) - com mais de cinco bases de dados sobre ciências biomédicas. • Dow-Jones(Estados Unidos) - com mais de cinco bases de dados sobre comércio e apoio à investimentos. • ECHO (Comunidade Européia) - com 30 bases de dados, praticamente sobre todas as áreas. • European Space Agency's Information Retrieval Service(Frascati,Itália) - com mais de 130 bases de dados sobre ciência e tecnologia, comércio e finanças, informações sobre empresas, saúde e segurança ocupacional, patentes e notícias.
- 12. • FGV(Brasil) -com duas bases de dados sobre dados econômicos-estatísticos, catálogo de livros e dados. • IBICT(Brasil) - com seis bases de dados em ciência da informação, catálogo coletivo de periódicos, teses. • JOIS(Japão) - com mais de 10 bases de dados sobre diversas áreas temáticas. • ORBIT Search Service(Santa Mônica, Califórnia) - com mais de 100 bases de dados sobre informações científicas, técnicas e sobre patentes. • Pergamon Financial Data Service(Londres) - com mais de 30 bases de dados sobre serviços destinados à comunidade comercial européia, incluindo marketing e prospecção de vendas, finanças e proteção ao crédito e informações sobre empresas. • PRODASEN(Brasil) - com mais de 12 bases de dados nas áreas de direito e jurisprudência. • QUESTEL(França) - com mais de 60 bases de dados sobre patentes, química, marcas registradas, medicina, ciência e tecnologia, comércio e notícias. • STN International(Alemanha) - com 132 bases de dados em ciência e tecnologia. Servidores
- 13. Código Fonte doIRS em Python print (' > Conexão estabelecida. Obtendo código HTML…)' #Obtém o código HTML HTML = con.read() ##Obtendo as informações print (' > Filtrando informações...n') #Valida a página buscando o padrão "cidade - estado", que só é exibido em páginas válidas #EXEMPLO HTML: Barbacena - MG if re.search(r'[A-Z][^-]+- [A-Z]{2}' , HTML) == None: print ('Cidade inválida!n') exit(1) #Busca a condição climática, que é informada entre os fragmentos de tags %;"> e < #EXEMPLO HTML: <div style="float:left; width:450px; height:100%;">Predomínio de sol, apenas com pouca variação de nuvens</div> status = re.search(r'%;">(.*?)<' , HTML) #Obtém a data e a hora da última atualização #EXEMPLO HTML: <p>Atualizado em: 14/09/2016 @ 20:30:00</p> atualizado = re.search(r'Atualizado em: .*[0-9]' , HTML) ##Exibindo o resultado
- 14. Código Fonte doIRS em Python Created on 7 de nov de 2016 @author: Hilquias' import urllib2, re import urllib2.URLError site = 'http://tempoagora.uol.com.br/previsaodotempo.html/brasil/' cidade = raw_input('Forneça o nome da cidade: ') estado = raw_input('Forneça a sigla do estado: ') #Remove os espaços que possam existir em um nome de cidade composto cidade = cidade.replace(' ' , '') #Aborta a execução caso a sigla do estado tenha mais de dois caracteres if len(estado) != 2: print ('nA sigla do estado deve ter duas letras!n') exit(1) #Estabelecendo a conexão: #Formata a URL da cidade, garantindo que as siglas do estado serão maiúsculas url = site + cidade + '-' + estado.upper() print (' > Conectando-se a %s...' % url) #Estabelece a conexão, com timeout de 5 segundos
- 15. Código Fonte doIRS em Python print ( '*** CONDIÇÃO CLIMÁTICA EM %s - %s ***' % (cidade.upper() , estado.upper())) print (status.group(1)) print (atualizado.group(0) , 'n') if __name__ == '__main__': urllib2(site, cidade, estado) assert isinstance(raw_input, object) print ("Tempo Agora!n") site = 'http://tempoagora.uol.com.br/previsaodotempo.html/brasil/' cidade = raw_input('Forneca o nome da cidade: ') estado = raw_input('Forneca a sigla do estado: ') try: print (' > Conectando-se a %s...' % url) con = urllib2.urlopen(url , None , 5) print ' > Conexão estabelecida. Obtendo código HTML...' HTML = con.read() print '*** CONDIÇÃO CLIMÁTICA EM %s - %s ***' % (cidade.upper() , estado.upper()) print status.group(1) print atualizado.group(0) , 'n' except: urllib2.URLError: print ('> Falha na conexão!')
- 16.
- 17. Integrantes Fábio Albino deAlmeida Guilherme Loss da Silva Hilquias da Silva de Almeida Osmar Noronha Júnior Renato Luis Gomes Coutinho