Indexer

Programa desenvolvido para a disciplina DS143 - Estrutura de Dados II.

Sinopse

O programa Indexer realiza uma contagem de palavras em documentos de texto, permitindo buscas por palavras específicas e a identificação de documentos relevantes para um termo de busca. Todas as letras são transformadas para minúsculas, e caracteres como números e pontuações são ignorados.

Opções

• --freq N ARQUIVO: Exibe o número de ocorrências das N palavras mais frequentes em ARQUIVO, em ordem decrescente de ocorrência.
• --freq-word PALAVRA ARQUIVO: Exibe o número de ocorrências de PALAVRA em ARQUIVO.
• --search TERMO ARQUIVO [ARQUIVO ...]: Exibe uma listagem dos ARQUIVOS mais relevantes para o TERMO, em ordem descrescente de relevância. TERMO pode conter mais de uma palavra, indicada entre àspas.

Como Usar

Requisitos

• Java (JDE 17)
• Maven (3.9)

Compilação e Execução

Após a construção do projeto usando Maven, descompacte o arquivo indexer-1.0-SNAPSHOT-distribution.zip. Acesse a pasta extraída pelo terminal e utilize o comando ./indexer.sh.

Exemplos de Uso

Contagem de palavras mais frequentes

./indexer.sh --freq 5 arquivo.txt

Contagem de frequência de uma palavra

./indexer.sh --freq-word palavra arquivo.txt

Busca arquivos mais relevantes para um termo

./indexer.sh --search 'termo para pesquisa' arquivo.txt [arquivo2.txt] [arquivo3.txt]

TF-IDF (Term Frequency-Inverse Document Frequency)

O programa utiliza o cálculo TF-IDF para determinar a relevância de documentos em uma busca por termo.