Lemurský projekt - Lemur Project

The Lemurský projekt je spolupráce mezi Centrem pro inteligentní získávání informací při University of Massachusetts Amherst a Ústav jazykových technologií na Univerzita Carnegie Mellon. Projekt Lemur vyvíjí vyhledávače, panely nástrojů prohlížeče, nástroje pro analýzu textu a datové zdroje, které podporují výzkum a vývoj softwaru pro vyhledávání a těžbu textu. Projekt je nejlépe známý svými vyhledávacími stroji Indri a Galago, datovými sadami ClueWeb09 a ClueWeb12 a knihovnou RankLib Learning-to-Rank. Software a datové sady se široce používají ve vědeckých a výzkumných aplikacích i v některých komerčních aplikacích.

Filozofie vývoje softwaru Lemur Project zdůrazňuje nejmodernější přesnost, flexibilitu a efektivitu. Například vyhledávací stroj Indri poskytuje přesné vyhledávání velkých textových sbírek „out of the box“ a data se ukládají přístupným způsobem, aby podporovaly vývoj nových strategií načítání. Software z projektu Lemur je distribuován pod open-source licencemi, které poskytují flexibilitu vědcům a vývojářům softwaru.

Programovací jazyky použité k vytvoření Lemur jsou C, C ++, a Jáva, a dodává se spolu se zdrojovými soubory a pokyny k sestavení. Poskytnutý zdrojový kód lze upravit za účelem vývoje nových knihoven. Je kompatibilní s různými operačními systémy, které zahrnují Linux a Windows.

Funkce

Lemur podporuje následující funkce:

Součásti

Lemur Project má následující komponenty:

  • Indri vyhledávač v C ++
  • Rámec výzkumu vyhledávače Galago v Javě
  • Učící se knihovna RankLib
  • Aplikace pro těžbu dat Sifaka
  • Datové sady ClueWeb09 a ClueWeb12
  • Panel nástrojů Protokol dotazů

Nejnovější verze

Aktualizace komponent Lemur Project se provádějí dvakrát ročně, v červnu a prosinci. Nejnovější verze vyhledávacího modulu Indri je 5,17. Nejnovější verze vyhledávacího modulu Galago je verze 3.18. Nejnovější verze LearningLibu pro učení hodnostní knihovna je 2,14. Nejnovější verze aplikace pro dolování dat Sifaka je 1,8.

Indri vyhledávač

Vyhledávací stroj Indri je jednou z komponent vyvinutých projektem Lemur. Je to otevřený zdroj. Dotazovací jazyk používaný v Indri umožňuje výzkumníkům indexovat data nebo strukturovat dokumenty pomocí jednoduchých pokynů z příkazového řádku. Indri nabízí flexibilitu, pokud jde o přizpůsobení různým současným aplikacím. Může být také distribuován napříč clusterem uzlů pro vysoký výkon. Vyhledávací stroj Indri dokáže zpracovat velké soubory dat a porozumět různým formátům dat HTML a XML.

Indri API podporuje různé programovací a skriptovací jazyky jako C ++, Jáva, C#, a PHP.

Vlastnosti vyhledávače Indri

  • Může využívat více reprezentací dokumentů
  • Vážení výslovných termínů
  • Robustní dotazovací jazyk
  • Formálně dobře uzemněný
  • Vysoce efektivní
  • Lze efektivně implementovat

Viz také

externí odkazy