Vyhledávání v českých dokumentech pomocí Apache Solr

Bc. Radek Sikora

Master's thesis

Search in Czech Documents by Means of Apache Solr

Anotácia:

Práce se zabývá vyhledáváním v česky psaných dokumentech pomocí vyhledávacího nástroje Apache Solr. Teoretická část práce se zabývá problematikou vyhledávání obecně v~různých jazycích. Probírány jsou také problémy spojené s vyhledáváním v česky psaných dokumentech. Další část práce pojednává o vyhledávacím software Apache Solr a jeho možnostech využití a integrace normalizačních nástrojů pro zlepšení výsledků vyhledávání v českých textech. Poslední část práce se zabývá porovnáním vybraných nástrojů, které byly integrovány do Apache Solr. Testování těchto nástrojů je prováděno v rámci dat poskytnutých zadavatelem této práce - společností oXy Online s.r.o.

Abstract:

This thesis deals with the searching in the Czech written documents using Apache Solr search tool. Teoretical part of the thesis deals with problems of searching in different languages. There are also discussed specified problems of searching in czech texts. The next part of the thesis deals with Apache Solr and its capabilities of using and integrating of normalizations tools in order to improve search reasults. Last part of the thesis is about testing and comparing the used tools. Tests are run on real data provided by oXy Online s.r.o. company.

Kľúčové slová

vyhledávání, stematizace, Apache Solr, indexování

Jazyk práce: Czech

Datum vytvoření / odevzdání či podání práce: 28. 5. 2012

Obhajoba závěrečné práce

• Obhajoba proběhla 25. 6. 2012
• Vedúci: RNDr. Radek Ošlejšek, Ph.D.
• Oponent: Mgr. Vít Zatloukal

Masaryk University

Faculty of Informatics

Master programme / odbor:
Informatics / Information Systems