Sistema de procesamiento de consultas para el motor de búsqueda Orión

Abstract

Para localizar y procesar la gran cantidad de información existente en Internet de forma rápida y automática son utilizados los motores de búsqueda. Estos sistemas para ser completos, deben ser capaces de permitir la búsqueda de todo tipo de contenidos. Sin embargo, actualmente el buscador cubano Orión no cuenta con un sistema de procesamiento de consultas. Por tal motivo, la presente investigación propone desarrollar el sistema de procesamiento de consultas para el buscador cubano Orión, con el objetivo de elevar la efectividad de las consultas realizadas por los usuarios en el motor de búsqueda, utilizando herramientas y técnicas para el procesamiento del lenguaje natural. Para la realización de este trabajo se emplean una serie de herramientas, entre las cuales destacan: como sistema de rastreo Nutch y sistema de indexación Solr, el lenguaje de desarrollo Java, Spring como marco de trabajo y entorno de desarrollo integrado IntelliJ IDEA. Como metodología de desarrollo AUP en su variación definida por la UCI. Para el modelado de la solución se utiliza UML y la herramienta Visual Paradigm. Como formato ligero de intercambio de datos JSON. Además, como servidor web Apache-Tomcat, como herramienta de gestión de proyectos Maven. Para medir el rendimiento del sistema Apache Jmeter y como herramienta de procesamiento de lenguaje natural Stanford CoreNLP. La propuesta de solución está compuesta por tres componentes: pquery.platform, pquery.core y pquery.services; los cuales, contribuyen al procesado de los criterios previamente introducidos por los usuarios. Se diseñó y aplicó un experimento puro para comprobar la efectividad de las consultas realizadas por los usuarios al efectuar búsquedas de los documentos publicados en la red cubana, realizadas con el motor de búsqueda Orión, en un primer momento sin el sistema de procesamiento de consultas y seguidamente haciendo uso de dicho sistema. Dicho experimento evidenció un aumento significativo en la efectividad de las consultas realizadas por un usuario al ejecutar la búsqueda de documentos.