Módulo para la extracción de tripletas de documentos indexados por el motor de búsqueda Orión

Abstract

Dado que el motor de búsqueda cubano Orión como sistema de recuperación de información (SRI) no contempla el nivel semántico que es uno de los niveles de análisis que posee la lingüística, surge la necesidad de desarrollar un módulo para la extracción de tripletas de documentos indexados por el motor de búsqueda Orión, con el objetivo de poder interpretar el significado semántico de la información y obtener mejores resultados de búsquedas. Este permitirá realizar técnicas de procesamiento de lenguaje natural a los documentos indexados mejorando así los resultados de las indagaciones realizadas por los usuarios y fortalecer el funcionamiento del mismo. Para la ejecución de este módulo se empleó como herramienta de almacenamiento el servidor indexador Solr. Para el diseño, implementación y documentación del módulo la metodología de desarrollo AUP-UCI, para el modelado de la solución se utilizó el Lenguaje Unificado de Modelado (UML) y la herramienta Visual Paradigm. Se empleó también el Eclipse luna como entorno de desarrollo integrado y como servidor web Apache Tomcat. El leguaje de desarrollo utilizado fue Java. Este módulo para la extracción de tripletas de documentos indexados por el motor de búsqueda Orión permite realizar técnicas de procesamiento de lenguaje natural a través de análisis semántico a cada una de las oraciones de los documentos contribuyendo a un mejor resultado de búsqueda.