Apache Lucene

Apache Lucene es una biblioteca de software de motor de búsqueda gratuita y de código abierto , escrita originalmente en Java por Doug Cutting . Cuenta con el respaldo de la Apache Software Foundation y se distribuye bajo la Licencia de Software Apache . Lucene se utiliza ampliamente como base estándar para aplicaciones de búsqueda en producción. ^[²^]^[³^]^[⁴^]

Lucene se ha portado a otros lenguajes de programación, incluidos Object Pascal , Perl , C# , C++ , Python , Ruby y PHP . ^{[ 5 ]}

Historia

Doug Cutting escribió Lucene originalmente en 1999. ^{[ 6 ]} Lucene fue su quinto motor de búsqueda. Anteriormente había escrito dos mientras trabajaba en Xerox PARC , uno en Apple y un cuarto en Excite . ^{[ 7 ]} Inicialmente estuvo disponible para su descarga desde su sitio web en SourceForge . Se unió a la familia Jakarta de productos Java de código abierto de la Apache Software Foundation en septiembre de 2001 y se convirtió en su propio proyecto Apache de nivel superior en febrero de 2005. El nombre Lucene es el segundo nombre de la esposa de Doug Cutting y el primer nombre de su abuela materna. ^{[ 8 ]}

Anteriormente, Lucene incluía varios subproyectos, como Lucene.NET, Mahout , Tika y Nutch . Estos tres son ahora proyectos independientes de primer nivel.

En marzo de 2010, el servidor de búsqueda Apache Solr se unió como subproyecto de Lucene, fusionando así las comunidades de desarrolladores.

La versión 4.0 se lanzó el 12 de octubre de 2012. ^{[ 9 ]}

En marzo de 2021, Lucene cambió su logotipo y Apache Solr volvió a ser un proyecto de Apache de primer nivel, independiente de Lucene.

Características y uso común

Si bien es adecuado para cualquier aplicación que requiera indexación de texto completo y capacidad de búsqueda, Lucene es reconocido por su utilidad en la implementación de motores de búsqueda de Internet y búsqueda local en un solo sitio. ^{[ 10 ]}^{[ 11 ]}

Lucene incluye una función para realizar una búsqueda difusa basada en la distancia de edición . ^{[ 12 ]}

Lucene también se ha utilizado para implementar sistemas de recomendación. ^{[ 13 ]} Por ejemplo, la clase 'MoreLikeThis' de Lucene puede generar recomendaciones para documentos similares. En una comparación del enfoque de similitud basado en vectores de términos de 'MoreLikeThis' con medidas de similitud de documentos basadas en citas, como la co-citación y el análisis de proximidad de co-citación, el enfoque de Lucene sobresalió en recomendar documentos con características estructurales muy similares y una relación más estrecha. ^{[ 14 ]} Por el contrario, las medidas de similitud de documentos basadas en citas tendieron a ser más adecuadas para recomendar documentos relacionados más ampliamente, ^{[ 14 ]} lo que significa que los enfoques basados en citas pueden ser más adecuados para generar recomendaciones serendipitosas , siempre que los documentos a recomendar contengan citas en el texto.

Proyectos basados en Lucene

Lucene en sí es solo una biblioteca de indexación y búsqueda y no contiene funcionalidades de rastreo ni de análisis de HTML . Sin embargo, varios proyectos amplían la capacidad de Lucene:

Apache Nutch : proporciona rastreo web y análisis de HTML.
Apache Solr : un servidor de búsqueda empresarial
CrateDB : base de datos SQL distribuida de código abierto construida sobre Lucene ^{[ 15 ].}
DocFetcher : una aplicación de búsqueda de escritorio multiplataforma
Elasticsearch : un servidor de búsqueda empresarial lanzado en 2010 ^{[ 16 ]}^{[ 17 ]}
Kinosearch es un motor de búsqueda escrito en Perl y C ^{[ 18 ]} y una adaptación libre de Lucene. ^{[ 19 ]} El software wiki Socialtext utiliza este motor de búsqueda, ^{[ 18 ]} al igual que la wiki MojoMojo . ^{[ 20 ]} También lo utilizan la Base de Datos del Metaboloma Humano (HMDB) ^{[ 21 ]} y la Base de Datos de Toxinas y Dianas Toxina (T3DB). ^{[ 22 ]}
MongoDB Atlas Search: una aplicación de búsqueda empresarial nativa de la nube basada en MongoDB y Apache Lucene.
OpenSearch : un servidor de búsqueda empresarial de código abierto basado en una bifurcación de Elasticsearch 7.
Swiftype , una startup de búsqueda empresarial basada en Lucene.

Véase también

Referencias

^ "Bienvenido a Apache Lucene" . Sección de noticias de Lucene™. Archivado del original el 12 de febrero de 2021. Consultado el 12 de febrero de 2020 .
^ Kamphuis, Chris; de Vries, Arjen P.; Boytsov, Leonid; Lin, Jimmy (2020), "¿A qué BM25 te refieres? Un estudio de reproducibilidad a gran escala de variantes de puntuación", en Jose, Joemon M.; Yilmaz, Emine; Magalhães, João; Castells, Pablo (eds.), Advances in Information Retrieval , Lecture Notes in Computer Science, vol. 12036, Cham: Springer International Publishing, pp. 28–34 , doi : 10.1007/978-3-030-45442-5_4 , ISBN 978-3-030-45441-8, PMC 7148026
^ Grand, Adrien; Muir, Robert; Ferenczi, Jim; Lin, Jimmy (2020), "De MAXSCORE a Block-Max Wand: La historia de cómo Lucene mejoró significativamente el rendimiento de la evaluación de consultas", en Jose, Joemon M.; Yilmaz, Emine; Magalhães, João; Castells, Pablo (eds.), Advances in Information Retrieval , Lecture Notes in Computer Science, vol. 12036, Cham: Springer International Publishing, pp. 20–27 , doi : 10.1007/978-3-030-45442-5_3 , ISBN 978-3-030-45441-8, PMC 7148045
^ Azzopardi, Leif; Moshfeghi, Yashar; Halvey, Martín; Alkhawaldeh, Rami S.; Balog, Krisztian; Di Buccio, Emanuele; Ceccarelli, Diego; Fernández-Luna, Juan M.; Casco, Charlie; Mannix, Jake; Palchowdhury, Sauparna (14 de febrero de 2017). "Lucene4IR: Desarrollo de recursos de evaluación de recuperación de información utilizando Lucene" . Foro ACM SIGIR . 50 (2): 58– 75. doi : 10.1145/3053408.3053421 . ISSN 0163-5840 . S2CID 212416159 .
^ "LuceneImplementations" . apache.org . Consultado el 25 de marzo de 2025 .
^ KeywordAnalyzer "Mejor búsqueda con Apache Lucene y Solr" (PDF) . 19 de noviembre de 2007. Archivado del original (PDF) el 31 de enero de 2012.
^ Cutting, Doug (07/06/2019). "Escribí un par de motores de búsqueda en Xerox PARC, luego V-Twin en Apple, después reescribí la búsqueda de Excite y luego Lucene. Entonces, ¿Lucene podría considerarse V-Twin 3.0? ¡Casi 25 años después, V-Twin sigue vivo como Mac OS X Search Kit!" . @cutting . Consultado el 19/06/2019 .
^ Barker, Deane (2016). Gestión de contenido web . O'Reilly. pág. 233. ISBN 978-1491908105.
^ "Apache Lucene - Bienvenido a Apache Lucene" . apache.org . Archivado del original el 4 de febrero de 2016. Consultado el 4 de febrero de 2016 .
^ McCandless, Michael; Hatcher, Erik; Gospodnetić, Otis (2010). Lucene en acción, segunda edición . Manning. pág . 8. ISBN 978-1933988177.
^ "Sistema de almacenamiento semántico GNU/Linux" (PDF) . glscube.org . Archivado del original (PDF) el 1 de junio de 2010.
^ "Apache Lucene - Sintaxis del analizador de consultas" . lucene.apache.org . Archivado del original el 2 de mayo de 2017.
^ J. Beel, S. Langer y B. Gipp, “La arquitectura y los conjuntos de datos del sistema de recomendación de artículos de investigación de Docear”, en Actas del 3er Taller Internacional sobre Minería de Publicaciones Científicas (WOSP 2014) en la Conferencia Conjunta ACM/IEEE sobre Bibliotecas Digitales (JCDL 2014), Londres, Reino Unido, 2014
^ ^a ^b M. Schwarzer, M. Schubotz, N. Meuschke, C. Breitinger, V. Markl y B. Gipp, https://www.gipp.com/wp-content/papercite-data/pdf/schwarzer2016.pdf "Evaluación de recomendaciones basadas en enlaces para Wikipedia" en Actas de la 16.ª Conferencia Conjunta ACM/IEEE-CS sobre Bibliotecas Digitales (JCDL), Nueva York, NY, EE. UU., 2016, págs. 191-200.
^ Wayner, Peter. "11 bases de datos de vanguardia que vale la pena explorar ahora" . InfoWorld. Archivado del original el 21 de septiembre de 2015. Recuperado el 21 de septiembre de 2015 .
^ "Elasticsearch: Búsqueda y análisis distribuidos y basados en REST - Elastic" . elastic.co . Archivado del original el 8 de octubre de 2015. Consultado el 23 de septiembre de 2015 .
^ "El futuro de Compass y Elasticsearch" . El tipo se mantiene firme . Archivado del original el 15/10/2015 . Recuperado el 14/10/2015 .
^ ^a ^b Natividad, Angela. "Socialtext actualiza la búsqueda y se vuelve cine" . CMS Wire. Archivado del original el 29 de septiembre de 2012. Recuperado el 31 de mayo de 2011 .
^ Marvin Humphrey. "KinoSearch - Biblioteca de motores de búsqueda. - metacpan.org" . p3rl.org . Consultado el 23 de septiembre de 2015 .
^ Diment, Kieren; Trout, Matt S (2009). "Catalyst Cookbook". La guía definitiva de Catalyst . Apress . pág . 280. ISBN 978-1-4302-2365-8.
^ Wishart, DS ; et al. (enero de 2009). "HMDB: una base de conocimiento para el metaboloma humano" . Nucleic Acids Res. 37 (número especial sobre bases de datos): D603–10. doi : 10.1093 / nar/gkn810 . PMC 2686599. PMID 18953024 .
^ Lim, Emilia; Pon, Allison; Djoumbou, Yannick; Knox, Craig; Shrivastava, Savita; Guo, An Chi; Neveu, Vanessa; Wishart, David S. (enero de 2010). "T3DB: una base de datos exhaustivamente anotada de toxinas comunes y sus objetivos" . Nucleic Acids Res . 38 (número especial de bases de datos): D781–6. doi : 10.1093/nar/gkp934 . PMC 2808899. PMID 19897546 .

Bibliografía

Gospodnetic, Otis; Erik Hatcher; Michael McCandless (28 de junio de 2009). Lucene in Action (2.ª ed.). Manning Publications . ISBN 978-1-9339-8817-7.
Gospodnetic, Otis; Erik Hatcher (1 de diciembre de 2004). Lucene in Action (1.ª ed.). Manning Publications . ISBN 978-1-9323-9428-3.

Enlaces externos

Sitio web oficial

[1] "Bienvenido a Apache Lucene" . Sección de noticias de Lucene™. Archivado del original el 12 de febrero de 2021. Consultado el 12 de febrero de 2020 .

[2] Kamphuis, Chris; de Vries, Arjen P.; Boytsov, Leonid; Lin, Jimmy (2020), "¿A qué BM25 te refieres? Un estudio de reproducibilidad a gran escala de variantes de puntuación", en Jose, Joemon M.; Yilmaz, Emine; Magalhães, João; Castells, Pablo (eds.), Advances in Information Retrieval , Lecture Notes in Computer Science, vol. 12036, Cham: Springer International Publishing, pp. 28–34 , doi : 10.1007/978-3-030-45442-5_4 , ISBN 978-3-030-45441-8, PMC 7148026

[3] Grand, Adrien; Muir, Robert; Ferenczi, Jim; Lin, Jimmy (2020), "De MAXSCORE a Block-Max Wand: La historia de cómo Lucene mejoró significativamente el rendimiento de la evaluación de consultas", en Jose, Joemon M.; Yilmaz, Emine; Magalhães, João; Castells, Pablo (eds.), Advances in Information Retrieval , Lecture Notes in Computer Science, vol. 12036, Cham: Springer International Publishing, pp. 20–27 , doi : 10.1007/978-3-030-45442-5_3 , ISBN 978-3-030-45441-8, PMC 7148045

[4] Azzopardi, Leif; Moshfeghi, Yashar; Halvey, Martín; Alkhawaldeh, Rami S.; Balog, Krisztian; Di Buccio, Emanuele; Ceccarelli, Diego; Fernández-Luna, Juan M.; Casco, Charlie; Mannix, Jake; Palchowdhury, Sauparna (14 de febrero de 2017). "Lucene4IR: Desarrollo de recursos de evaluación de recuperación de información utilizando Lucene" . Foro ACM SIGIR . 50 (2): 58– 75. doi : 10.1145/3053408.3053421 . ISSN 0163-5840 . S2CID 212416159 .

[port-5] "LuceneImplementations" . apache.org . Consultado el 25 de marzo de 2025 .

[6] KeywordAnalyzer "Mejor búsqueda con Apache Lucene y Solr" (PDF) . 19 de noviembre de 2007. Archivado del original (PDF) el 31 de enero de 2012.

[7] Cutting, Doug (07/06/2019). "Escribí un par de motores de búsqueda en Xerox PARC, luego V-Twin en Apple, después reescribí la búsqueda de Excite y luego Lucene. Entonces, ¿Lucene podría considerarse V-Twin 3.0? ¡Casi 25 años después, V-Twin sigue vivo como Mac OS X Search Kit!" . @cutting . Consultado el 19/06/2019 .

[8] Barker, Deane (2016). Gestión de contenido web . O'Reilly. pág. 233. ISBN 978-1491908105.

[apache.org-9] "Apache Lucene - Bienvenido a Apache Lucene" . apache.org . Archivado del original el 4 de febrero de 2016. Consultado el 4 de febrero de 2016 .

[10] McCandless, Michael; Hatcher, Erik; Gospodnetić, Otis (2010). Lucene en acción, segunda edición . Manning. pág . 8. ISBN 978-1933988177.

[11] "Sistema de almacenamiento semántico GNU/Linux" (PDF) . glscube.org . Archivado del original (PDF) el 1 de junio de 2010.

[12] "Apache Lucene - Sintaxis del analizador de consultas" . lucene.apache.org . Archivado del original el 2 de mayo de 2017.

[13] J. Beel, S. Langer y B. Gipp, “La arquitectura y los conjuntos de datos del sistema de recomendación de artículos de investigación de Docear”, en Actas del 3er Taller Internacional sobre Minería de Publicaciones Científicas (WOSP 2014) en la Conferencia Conjunta ACM/IEEE sobre Bibliotecas Digitales (JCDL 2014), Londres, Reino Unido, 2014

[Schwarzer16-14] M. Schwarzer, M. Schubotz, N. Meuschke, C. Breitinger, V. Markl y B. Gipp, https://www.gipp.com/wp-content/papercite-data/pdf/schwarzer2016.pdf "Evaluación de recomendaciones basadas en enlaces para Wikipedia" en Actas de la 16.ª Conferencia Conjunta ACM/IEEE-CS sobre Bibliotecas Digitales (JCDL), Nueva York, NY, EE. UU., 2016, págs. 191-200.

[15] Wayner, Peter. "11 bases de datos de vanguardia que vale la pena explorar ahora" . InfoWorld. Archivado del original el 21 de septiembre de 2015. Recuperado el 21 de septiembre de 2015 .

[16] "Elasticsearch: Búsqueda y análisis distribuidos y basados en REST - Elastic" . elastic.co . Archivado del original el 8 de octubre de 2015. Consultado el 23 de septiembre de 2015 .

[17] "El futuro de Compass y Elasticsearch" . El tipo se mantiene firme . Archivado del original el 15/10/2015 . Recuperado el 14/10/2015 .

[cmswire-18] Natividad, Angela. "Socialtext actualiza la búsqueda y se vuelve cine" . CMS Wire. Archivado del original el 29 de septiembre de 2012. Recuperado el 31 de mayo de 2011 .

[test-19] Marvin Humphrey. "KinoSearch - Biblioteca de motores de búsqueda. - metacpan.org" . p3rl.org . Consultado el 23 de septiembre de 2015 .

[catbook-20] Diment, Kieren; Trout, Matt S (2009). "Catalyst Cookbook". La guía definitiva de Catalyst . Apress . pág . 280. ISBN 978-1-4302-2365-8.

[21] Wishart, DS ; et al. (enero de 2009). "HMDB: una base de conocimiento para el metaboloma humano" . Nucleic Acids Res. 37 (número especial sobre bases de datos): D603–10. doi : 10.1093 / nar/gkn810 . PMC 2686599. PMID 18953024 .

[22] Lim, Emilia; Pon, Allison; Djoumbou, Yannick; Knox, Craig; Shrivastava, Savita; Guo, An Chi; Neveu, Vanessa; Wishart, David S. (enero de 2010). "T3DB: una base de datos exhaustivamente anotada de toxinas comunes y sus objetivos" . Nucleic Acids Res . 38 (número especial de bases de datos): D781–6. doi : 10.1093/nar/gkp934 . PMC 2808899. PMID 19897546 .

[

[

[

[ 5 ]

[ 6 ]

[ 7 ]

[ 8 ]

[ 9 ]

[ 10 ]

[ 11 ]

[ 12 ]

[ 13 ]

[ 14 ]

[ 15 ].

[ 16 ]

[ 17 ]

[ 18 ]

[ 19 ]

[ 20 ]

[ 21 ]

[ 22 ]