Information retrieval – Vektorový model
Základní informace
Ve složce data/Gutenberg/txt jsou umístěny soubory, s nimiž jsme náš projekt testovali. Dále ve složce data/persistence jsou uloženy soubory, které se generují při preprocessingu a výpočtu vah termů (tj. je možné hned spustit aplikaci pro samotné dotazování).
Struktura projektu
Projekt se skládá ze tří oddělených aplikací:
-
preprocessing/(základní zpracování dokumentů – odstranění nevýznamových slov, lematizace, uložení obsahu jednotlivých dokumentů do databáze) -
weight_calculation/(výpočet vah termů v jednotlivých dokumentech) -
querying/(dotazování na podobnost dokumentů z webového rozhraní)
Požadavky na běh
Jsou popsány u každé konkrétní aplikace v souboru REQUIREMENTS.md spolu s informacemi, odkud stáhnout a kam případně umístit knihovny třetích stran.