Vize projektu¶

Cíl projektu¶

Projekt má za cíl vytvořit plně funkční webovou aplikaci pro fulltextové vyhledávání v historických obrazových dokumentech. Vytvořená aplikace bude vyvíjena podle potřeb zákazníka a jeho specifických požadavků. Webová aplikace bude pro zákazníka dalším krokem v jeho projektu pro zpracování obrazových dokumentů. Vstupní data pro tuto aplikaci budou pocházet z OCR systému, který je vytvářen zákazníkem, a vytváří soubory formátu XML z obrazových dokumentů. Projekt bude umožní zákazníkovi ve vytvořených XML dokumentech vyhledávat a výsledky vyhledávání přehledně zobrazovat v původních obrazových dokumentech.

Webová aplikace bude využívána historiky, archiváři a dalšími profesemi jimi podobnými. Umožní vyhledávání v historických dokumentech, které nemají digitální formu, a tím výrazně zrychlí vyhledávání specifických údajů v těchto dokumentech. Po nahrání všech dokumentů archivu či knihovny se vyhledávání údajů zkrátí z několika hodin či dní na pár vteřin. Výsledek vyhledávání bude obsahovat název dokumentu, stranu a odstavec, kde se hledaný výraz nalézá a tím bude následně možné originální dokument či knihu fyzicky dohledat.

Stakeholders¶

Vývojový tým:

• Ondřej Váně
• Jan Smolař
• Zdeněk Častorál
• Jitka Poubová

Zákazník:

• Doc. Ing. Pavel Král, Ph.D.
• Ing. Ladislav Lenc, Ph.D.
• Ing. Jiří Martínek

Mentor:

• Ing. Petr Pícha

Funkční požadavky¶

• možnost nahrát XML dokument spolu s obrazových vzorem do systému
• systém provede zpracování a indexaci nově nahraných XML dokumentů
• vyhledat výraz v uložených dokumentech
• zobrazení výsledků vyhledávání

Mimofunkční požadavky¶

• odezva systému bude menší než 1 sekunda
• systém nebude shromažďovat žádné osobní údaje o uživatelích
• systém bude uživatelsky přívětivý, tedy každý uživatel se dokáže v GUI rychle zorientovat
• GUI výsledku vyhledávání bude při větším počtu výskytů výsledek vyhledávání rozdělovat na více stránek, tedy systém bude podporovat funkci stránkování
• kód bude přehledný (odsazování, způsob pojmenování tříd a metod)

Rizika projektu¶

• technologie požadovaná zákazníkem Apache Solr nebude použitelná kvůli závažným nedostatkům
  • Odstranění - použití jiné technologie

• úprava vyhledávání pro cizí jazyk nebude možná
  • Odstranění - (částečná) implementace této funkcionality jako součást projektu