Componente para la categorización semántica de documentos en sistemas de recuperación de información

Abstract

En la presente investigación se propone el desarrollo del componente de categorización semántica de documentos indexados, para contribuir en el proceso de recuperación de información en la red cubana. El estudio del arte obtuvo como resultado el funcionamiento, métodos y los algoritmos más utilizados en el proceso de categorización, permitiendo determinar la utilización de las ontologías para mejorar el procesamiento de la información. El componente procesa la información mediante la ontología y categoriza el documento con la categoría más relevante. Para la implementación de la propuesta de solución, guiada por la metodología AUP en su versión adaptada por la Universidad de las Ciencias Informáticas, se seleccionaron las herramientas: Apache Solr como mecanismo de indexación, Spring Boot para las consultas a la ontología y Freeling con el objetivo de procesar la información obtenida. Se determinó utilizar Java como lenguaje de programación y para el entorno de desarrollo integrado se selecciona Netbeans. Los artefactos generados fueron modelados mediante la herramienta Visual Paradigm. La aplicación de las pruebas unitarias, de integración y las funcionales permitieron comprobar el correcto funcionamiento del software implementado, para optimizar el proceso de recuperación de la información. Los expertos coincidieron para un 92% en la valoración de muy adecuado, identificándose que el componente constituye una solución funcional, actual y de calidad, evidenciándose la mejora del procesamiento de la información.