Questo progetto tratta la realizzazione attraverso il pacchetto Whoosh, di un motore di ricerca volto al reperimento di documenti della collezione sperimentale OHSUMED indicizzata opportunamente. Il progetto è anche corredato di un webserver che permette all’utente di interrogare il motore di ricerca in forma interattiva attraverso un browser a scelta.
Usare git per clonare il progetto, nella cartella scelta.
git clone https://github.com/mastershef/information_retrieval.gitProgrammi contenuti nelle sottocartelle sono scritti principalmente in python, in particolare, è stata utilizzata la versione 2.7. Inoltre, sono stati utilizzati vari moduli: Whoosh (2.7.4), paginate-whoosh (0.3), web.py (0.39), scipy (1.2.2).
Per installare questi moduli basta utilizzare il comando:
pip install whoosh paginate-whoosh web.py scipyIl progetto è suddiviso in cinque sotto-cartelle, per ognuna di esse si ha un file README che descrive le funzionalità e il modo di utilizzare i rispettivi programmi. Le cinque cartelle sono descritte brevemente di seguito:
- Indicizzazione: contiene i programmi dedicati alla creazione degli indici e la collezione sperimentale utilizzata.
- Ricerca: contiene i programmi per effettuare il reperimento e le query sperimentali.
- Benchmarking: contiene il pacchetto di trec_eval compresso, le cartelle in cui vengono salvati i risultati, i programmi per la valutazione delle run e il file dei documenti rilevanti.
- Analisi_frequenze: contiene i programmi utilizzati per cercare le stopword utilizzate nella terza prova degli esperimenti.
- Web: contiene i programmi per far funzionare il server web con le pagine relative al motore di ricerca.
Per far funzionare i comandi riportati nei README delle sottocartelle è necessario essere nella cartella principale della repository(il percorso dipende da dove è stata clonata):
cd .../Progetto_BD2_consegna/Per eventuali dubbi sul codice inviare una mail ad uno tra i seguenti indirizzi:
Alessandro Stefani , Caterina Buranelli e Cristi Gutu