3.1. Introducción El sistema OKAPI es uno de los primeros modelos probabilísticos de recuperación de documentos. Robertson y Sparck Jones lo propuso a finales de los noventa, por lo que se trata de un programa sencillo, pero que se ha convertido en un modelo standard para la investigación empírica. En este modelo, la distribución sobre los documentos son estimadas desde dos clases: "relevant" y "non-relevant". Los documentos se descomponen en atributos, el caso más simple es el de indicar si hay ocurrencia o no ocurrencia de las palabras individuales, y los atributos son modelados de manera independiente (como en el modelo Bayes para clasificación). En comparación con la clasificación de los documentos, sin embargo, la recuperación es muy simple para la formación de los datos, y la única demostración disponible para estimar los modelos es la pregunta en sí misma. El sistema OKAPI primero era de la City University y ahora pertenece a Microsoft. La implementación completa de este es el "Okapi-Pack" (http://www.soi.city.ac.uk/~andym/OKAPI-PACK), que está disponible desde el Centro para la Búsqueda de sistemas interactivos de búsqueda (Centre Pro Interactive Systems Research CISR) desde una simbólica cuota. Los compradores se comprometen a usar el Okapi solo para tareas de investigación, en ningún caso se podrá usar como parte de cualquier producto comercial. 3.2. Características técnicas del programa para la instalación del "Okapi-Pack" El sistema de distribución requiere alrededor de 100 Mbytes de disco. Hay dos versiones disponibles del Okapi-Pack: para Solaris y para Linux. La versión para Solaris está diseñada para trabajar sobre una estación Sun Sparc con un mínimo de 16 Mbytes de memiria en un Solaris 2.5/2.6. Y la versión para Linux trabaja sobre una Red Hat Linux 6.0/6.1. El paquete de Okapi
consta de tres partes: 3.2.1. SOFTWARE DE INDEXACIÓN Es el software que permite a los usuarios crear e indexar modelos de bases de datos de Okapi. Incluye un interface gráfico para el usuario (indexer) como introducción básica del proceso de indexación. Esta interface sólo puede trabajar con bases de datos que ocupen un solo disco. Permite la creación e indexación de dos tipos de bases de datos:
Todos los archivos se encuentran en el directorio o subdirectorio de <OKAPI_ROOT>. Cuando el usuario se familiariza con el sistema tiene la posibilidad de reorganizar los archivos. La localización de archivos es diferente de acuerdo con los distintos tipos de bases de datos de archivos: a) Bases de datos
de parámetros de archivos: están guardadas en <OKAPI_ROOT>/databases
y cada base de datos requiere tres archivos: 3.2.1.2. Final de campo y grabación de caracteres En el formato de cambio de un documento, cada campo se termina con un carácter final de campo (field mark). Y cada grabación termina con un carácter de grabación (record mark). 3.2.1.3. Variables del entorno Es necesario establecer unas variables del entorno antes de trabajar con el sistema. El archivo .indexirc_rc en el directorio <GUI_CONFIG_FILES> es leído por la aplicación cuando ésta está en funcionamiento. Esto establece los valores de ciertos parámetros requeridos. 3.2.1.4. Recorriendo la aplicación de indexación, "indexer" Hay seis pantallas para definir completamente la base de datos y los parámetros index. No es necesario completar las seis pantallas de una vez. Para ello el usuario debe guardar los archivos recientes en cualquier pantalla y abandonar la aplicación. Cuando la aplicación se reinicia los parámetros de los archivos que habíamos guardado pueden ser recuperados y se puede seguir el proceso de indexación. Es necesario introducir los siguientes cuatro directorios en la primera pantalla: 1. Directorio raíz
de la aplicación. El proceso puede abandonarse en cualquier momento y reestablecerse en el futuro. Cada pantalla tiene tres botones en la parte inferior: - Next: pasar a la
siguiente pantalla.
Consiste en un grupo de comandos de bajo nivel que permite a los usuarios construir sus propias interfaces. Todos los comandos, argumentos, cualificadores, etc, excepto los términos que son buscados o parseados son casi independientes. Prácticamente todos los argumentos y cualificadores serán dados en el formulario <argument name>=value. Hay pocos casos donde el nombre es innecesario o inválido. El sistema de búsqueda tiene tres funciones: 1. iinit(): esta función
debe ser llamada antes de que algún comando funcione. 3.2.2.1. Funcionamiento del sistema de búsqueda <command> contiene
un comando válido. En el caso de ser un sistema feedback de relevancia,
este debe ser bastante amplio si se van a solicitar el parseo de grandes
cadenas de texto. El sistema incluye opciones especiales, operadores quasi-booleanos, operaciones con los pesos y otras operaciones especiales. La pertinencia o no de los documentos se define mediante la asignación de pesos. Finalmente los resultados se muestran ordenados por varios factores.
Okapi es una interfaz
configurable que utiliza los comandos del sistema básico de búsqueda
(BSS). Permite a los usuarios mantener un feedback en ambas bases de datos.
El sistema permite a los usuarios: La interfaz de Okapi está compuesta por: 1. Una ventana principal
dividida en seis áreas:
|
||||||||||||||||||||||||||||||||||