答えを返すアーカイブ。
それまでの試みが行き詰まっていた静的アーカイブを、研究者が実際に使える検索ツールに変えたプロジェクト。
結果
1万ページ以上を1秒未満で検索
Apache Solrのあいまい検索で、著者の書誌全体を索引化。状況
ある文化団体は、著者の書誌全体をデジタル化していたが、それを調べる有効な手段を持っていなかった。 必要とされていたのは、何千ページもの中から出現箇所を見つける全文検索を研究者が行える ウェブプラットフォームであり、表記の近い語も見つけるあいまい一致を備えたものだった。 それ以前の試みは、開発期間が長すぎたために失敗していた。
判断
Apache Solrの検索エンジンを基にした独自のプラットフォームを設計・開発し、 大量のテキストに対する高性能なあいまい検索と正確な出現数の集計を扱えるよう設定した。 専用の管理画面も実装し、団体のスタッフが新しいテキストの登録・タグ付け・索引化を 技術者の助けなしで行えるようにした。
結果
長く止まっていたプロジェクトは30日で使えるようになった。 研究者は1万ページ以上を1秒未満で検索できるようになり、 団体は静的アーカイブを、チームが自分で更新できる実用的な調査ツールに変えた。
完全一致と表記揺れの件数を分けて扱う実行例は、OCRアーカイブのあいまい検索で確認できます。
Apache Solr / Fuzzy Search / NLP / Full-text Search
プロジェクトについて相談したいですか。hello@41dots.com ↗