Sistema de categorización de documentos para el buscador cubano Orión

Abstract

La presente investigación tiene como objetivo proponer un sistema de categorización de documentos en español para el buscador cubano Orión, que permita categorizar los documentos indexados por el buscador, para contribuir así, en el proceso de recuperación de información en la red cubana. Durante la investigación se analizaron sistemas homólogos existentes en el ámbito internacional y nacional identificando su funcionamiento y los principales algoritmos para la categorización de documentos, así como sus aspectos positivos y negativos. Para darle cumplimiento al objetivo planteado, en la investigación se realizó el estudio del estado del arte sobre el proceso de categorización de documentos y recuperación de información. El proceso de desarrollo estuvo guiado por la metodología de desarrollo de software1 AUP-UCI. Se seleccionaron como principales tecnologías: entorno de desarrollo integrado (IDE) Netbeans 8.0, para la programación el lenguaje Java 8, como herramienta para la minería de datos Weka 3.7.12, como indexador la herramienta Solr 4.10.3 y Visual Paradigm 8.0 como herramienta para el modelado. A partir de la aplicación de las pruebas de software de tipo unitaria, integración y funcionalidad se verificó un correcto funcionamiento del sistema implementado para contribuir en la optimización del proceso de recuperación de la información en el buscador Orión.