Proyecto de Programación I.
Facultad de Matemática y Computación - Universidad de La Habana.
Curso: 2023.
Grupo: C-121.
Ernesto Abreu Peraza.

Moogle! es una aplicación totalmente original cuyo propósito es buscar inteligentemente un texto en un conjunto de documentos.

Es una aplicación web, desarrollada con tecnología .NET Core 6.0, específicamente usando Blazor como framework web para la interfaz gráfica, y en el lenguaje C#. La aplicación está dividida en dos componentes fundamentales:

• MoogleServer es un servidor web que renderiza la interfaz gráfica y sirve los resultados.
• MoogleEngine es una biblioteca de clases donde está... ehem... casi implementada la lógica del algoritmo de búsqueda.

Para correr el proyecto debes usar el comando dotnet watch run --project MoogleServer en Windows y make dev en Linux. En la carpeta Content deberán aparecer los documentos (en formato *.txt) en los que el usuario va a realizar la búsqueda. En la casilla donde aparece Introduzca la búsqueda el usuario va a escribir que desea buscar y basta con apretar el botón Buscar para que Moogle! haga su trabajo.

Cuando el programa empieza a correr se ejecuta el método Compute() de la clase TF_IDF del archivo TF_IDF.cs el cual precalcula información antes de que inicie la aplicación que será usada para el funcionamiento de la misma (leer documentos, calcular TF_IDF). Term frequency – Inverse document frequency (TF_IDF) es una medida numérica que expresa cuán relevante es una palabra para un documento en una colección de documentos.

Luego que la aplicación inicie, cuando se realize una consulta (búsqueda), el proyecto llama al método Query de la clase Moogle del archivo Moogle.cs donde se procesa la consulta y se compara con cada documento dandole una puntuación a cada uno y devolviendo una lista con los nombres de los documentos que más relevancia tienen, y también un fragmento por cada documento donde se puede apreciar en este una relación del documento con la consulta. La relevancia es calculada a partir de un modelo de espacio vectorial que se basa en el grado de similaridad de una consulta dada por el usuario con respecto a los documentos de la colección cuyos términos fueron ponderados mediante TF_IDF. Este consiste en que mientras mas pequeño sea el ángulo entre el vector de la consulta y el vector del documento, más parecidos van a ser estos.

Otra funcionalidad del Moogle! es que dará una sugerencia de búsqueda en caso de que el usuario quizás cometió un error al escribir la consulta. Para esto usamos un algoritmo de Edit Distance conocido como Levenshtein distance y a este costo le dividimos por el Longest Common Prefix.

Para obtener una información más detallada y profunda de la arquitectura del proyecto, leer Informe.pdf.