Tratamento de texto extraído de livros digitais para a indexação em mecanismo de busca
Este trabalho apresenta uma metodologia de tratamento dos textos extraídos dos livros digitais da Coleção 500 Perguntas 500 Respostas da Embrapa a fim de que seu conteúdo possa ser indexado e acessado via um mecanismo de busca específico. A metodologia envolve a extração dos elementos essenciais dos livros, como imagens e arquivos HTML, o pré-processamento desses elementos, sua análise e edição, e a construção de componentes adequados para sua indexação. Além de um intenso trabalho de análise humana, são consideradas tecnologias como o formato Epub para livros digitais, o editor Sigil, scriptspara processamento de texto, padrões web de representação e Elasticsearch. Experimentos mostram que a metodologia viabiliza a disponibilização de textos bem formatados para sua indexação e seu uso em mecanismos de busca, propiciando uma rica experiência ao usuário, além de possibilitar a construção de novas soluções digitais. Nesse contexto, a curadoria digital é fundamental para agregar valor aos recursos digitais e atender às necessidades específicas de seus usuários.
Main Authors: | , , , , , , |
---|---|
Other Authors: | |
Format: | Artigo de periódico biblioteca |
Language: | Portugues pt_BR |
Published: |
2023-08-15
|
Subjects: | Curadoria digital, Recuperação da informação, Processamento de texto, Disseminação da informação, Indexação, Livros digitais, Digital curation, Text processing, Indexing, Digital books, Information retrieval, Information dissemination, |
Online Access: | http://www.alice.cnptia.embrapa.br/alice/handle/doc/1155913 https://doi.org/10.26512/rici.v16.n2.2023.42740 |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
id |
dig-alice-doc-1155913 |
---|---|
record_format |
koha |
spelling |
dig-alice-doc-11559132023-08-15T15:23:43Z Tratamento de texto extraído de livros digitais para a indexação em mecanismo de busca VAZ, G. J. VEIGA, P. H. R. da C. da CALDAS, R. G. VIDAL, W. C. L. ASSIS, C. P. de CORREA, J. L. MOURA, M. F. GLAUBER JOSE VAZ, CNPTIA; PEDRO HENRIQUE RODRIGUES DA CUNHA DA VEIGA, IZAGRO; RAFAEL GOMES CALDAS, IZAGRO; WYVIANE CARLOS LIMA VIDAL, CNPAE; CRISTIANE PEREIRA DE ASSIS, SUCOM; JORGE LUIZ CORREA, CNPTIA; MARIA FERNANDA MOURA, CNPTIA. Curadoria digital Recuperação da informação Processamento de texto Disseminação da informação Indexação Livros digitais Digital curation Text processing Indexing Digital books Information retrieval Information dissemination Este trabalho apresenta uma metodologia de tratamento dos textos extraídos dos livros digitais da Coleção 500 Perguntas 500 Respostas da Embrapa a fim de que seu conteúdo possa ser indexado e acessado via um mecanismo de busca específico. A metodologia envolve a extração dos elementos essenciais dos livros, como imagens e arquivos HTML, o pré-processamento desses elementos, sua análise e edição, e a construção de componentes adequados para sua indexação. Além de um intenso trabalho de análise humana, são consideradas tecnologias como o formato Epub para livros digitais, o editor Sigil, scriptspara processamento de texto, padrões web de representação e Elasticsearch. Experimentos mostram que a metodologia viabiliza a disponibilização de textos bem formatados para sua indexação e seu uso em mecanismos de busca, propiciando uma rica experiência ao usuário, além de possibilitar a construção de novas soluções digitais. Nesse contexto, a curadoria digital é fundamental para agregar valor aos recursos digitais e atender às necessidades específicas de seus usuários. 2023-08-15T15:23:43Z 2023-08-15T15:23:43Z 2023-08-15 2023 Artigo de periódico Revista Ibero-americana de Ciência da Informação, v. 16, n. 2, p. 311-328, maio/ago. 2023. 1983-5213 http://www.alice.cnptia.embrapa.br/alice/handle/doc/1155913 https://doi.org/10.26512/rici.v16.n2.2023.42740 Portugues pt_BR openAccess |
institution |
EMBRAPA |
collection |
DSpace |
country |
Brasil |
countrycode |
BR |
component |
Bibliográfico |
access |
En linea |
databasecode |
dig-alice |
tag |
biblioteca |
region |
America del Sur |
libraryname |
Sistema de bibliotecas de EMBRAPA |
language |
Portugues pt_BR |
topic |
Curadoria digital Recuperação da informação Processamento de texto Disseminação da informação Indexação Livros digitais Digital curation Text processing Indexing Digital books Information retrieval Information dissemination Curadoria digital Recuperação da informação Processamento de texto Disseminação da informação Indexação Livros digitais Digital curation Text processing Indexing Digital books Information retrieval Information dissemination |
spellingShingle |
Curadoria digital Recuperação da informação Processamento de texto Disseminação da informação Indexação Livros digitais Digital curation Text processing Indexing Digital books Information retrieval Information dissemination Curadoria digital Recuperação da informação Processamento de texto Disseminação da informação Indexação Livros digitais Digital curation Text processing Indexing Digital books Information retrieval Information dissemination VAZ, G. J. VEIGA, P. H. R. da C. da CALDAS, R. G. VIDAL, W. C. L. ASSIS, C. P. de CORREA, J. L. MOURA, M. F. Tratamento de texto extraído de livros digitais para a indexação em mecanismo de busca |
description |
Este trabalho apresenta uma metodologia de tratamento dos textos extraídos dos livros digitais da Coleção 500 Perguntas 500 Respostas da Embrapa a fim de que seu conteúdo possa ser indexado e acessado via um mecanismo de busca específico. A metodologia envolve a extração dos elementos essenciais dos livros, como imagens e arquivos HTML, o pré-processamento desses elementos, sua análise e edição, e a construção de componentes adequados para sua indexação. Além de um intenso trabalho de análise humana, são consideradas tecnologias como o formato Epub para livros digitais, o editor Sigil, scriptspara processamento de texto, padrões web de representação e Elasticsearch. Experimentos mostram que a metodologia viabiliza a disponibilização de textos bem formatados para sua indexação e seu uso em mecanismos de busca, propiciando uma rica experiência ao usuário, além de possibilitar a construção de novas soluções digitais. Nesse contexto, a curadoria digital é fundamental para agregar valor aos recursos digitais e atender às necessidades específicas de seus usuários. |
author2 |
GLAUBER JOSE VAZ, CNPTIA; PEDRO HENRIQUE RODRIGUES DA CUNHA DA VEIGA, IZAGRO; RAFAEL GOMES CALDAS, IZAGRO; WYVIANE CARLOS LIMA VIDAL, CNPAE; CRISTIANE PEREIRA DE ASSIS, SUCOM; JORGE LUIZ CORREA, CNPTIA; MARIA FERNANDA MOURA, CNPTIA. |
author_facet |
GLAUBER JOSE VAZ, CNPTIA; PEDRO HENRIQUE RODRIGUES DA CUNHA DA VEIGA, IZAGRO; RAFAEL GOMES CALDAS, IZAGRO; WYVIANE CARLOS LIMA VIDAL, CNPAE; CRISTIANE PEREIRA DE ASSIS, SUCOM; JORGE LUIZ CORREA, CNPTIA; MARIA FERNANDA MOURA, CNPTIA. VAZ, G. J. VEIGA, P. H. R. da C. da CALDAS, R. G. VIDAL, W. C. L. ASSIS, C. P. de CORREA, J. L. MOURA, M. F. |
format |
Artigo de periódico |
topic_facet |
Curadoria digital Recuperação da informação Processamento de texto Disseminação da informação Indexação Livros digitais Digital curation Text processing Indexing Digital books Information retrieval Information dissemination |
author |
VAZ, G. J. VEIGA, P. H. R. da C. da CALDAS, R. G. VIDAL, W. C. L. ASSIS, C. P. de CORREA, J. L. MOURA, M. F. |
author_sort |
VAZ, G. J. |
title |
Tratamento de texto extraído de livros digitais para a indexação em mecanismo de busca |
title_short |
Tratamento de texto extraído de livros digitais para a indexação em mecanismo de busca |
title_full |
Tratamento de texto extraído de livros digitais para a indexação em mecanismo de busca |
title_fullStr |
Tratamento de texto extraído de livros digitais para a indexação em mecanismo de busca |
title_full_unstemmed |
Tratamento de texto extraído de livros digitais para a indexação em mecanismo de busca |
title_sort |
tratamento de texto extraído de livros digitais para a indexação em mecanismo de busca |
publishDate |
2023-08-15 |
url |
http://www.alice.cnptia.embrapa.br/alice/handle/doc/1155913 https://doi.org/10.26512/rici.v16.n2.2023.42740 |
work_keys_str_mv |
AT vazgj tratamentodetextoextraidodelivrosdigitaisparaaindexacaoemmecanismodebusca AT veigaphrdacda tratamentodetextoextraidodelivrosdigitaisparaaindexacaoemmecanismodebusca AT caldasrg tratamentodetextoextraidodelivrosdigitaisparaaindexacaoemmecanismodebusca AT vidalwcl tratamentodetextoextraidodelivrosdigitaisparaaindexacaoemmecanismodebusca AT assiscpde tratamentodetextoextraidodelivrosdigitaisparaaindexacaoemmecanismodebusca AT correajl tratamentodetextoextraidodelivrosdigitaisparaaindexacaoemmecanismodebusca AT mouramf tratamentodetextoextraidodelivrosdigitaisparaaindexacaoemmecanismodebusca |
_version_ |
1775947789096714240 |