AnaliseDaAplicacaoDe SistemasDeRecuperacaoDeInformacaoUsandoAndroidNumaBase Biblica

Prévia do material em texto

Análise da Aplicação de Sistemas de Recuperação de 
Informação Usando Android numa Base Bíblica 
Jomara Mota Bindá
1
, Marcus Antônio G. Brandt
2
, Márcio Palheta Piedade
1 
1
Centro de Pós-Graduação e Extensão FUCAPI (CPGE) – Av. Gov. Danilo de Mattos 
Areosa, 381 – Distrito Industrial CEP: 69075-351 – Manaus - AM – Brasil 
2
Engenharia de Telecomunicações – Centro de Ensino Superior FUCAPI (CESF) – Av. 
Gov. Danilo de Mattos Areosa, 381 – Distrito Industrial CEP: 69075-351 – Manaus - 
AM – Brasil 
jomarabinda@gmail.com, marcusbrandt@gmail.com, marciopalheta@gmail.com
Abstract. Information Retrieval is a computation area that has techniques to 
allow a fast access to a large amount of information. Finding the information 
mainly depends on the efficient use of search engines. This work proposes the 
application of an information retrieval algorithm on the Android platform, 
using the Lucene API as search engine and using as data base the documents 
related to the Bible texts. At the end, the analysis was made of the retrieval 
information strategy suggested, through applying the accuracy and the recall 
metrics. 
Resumo. Recuperação de Informação é uma área da computação que possui 
técnicas para permitir o acesso rápido a uma grande quantidade de 
informações. Encontrar a informação depende, principalmente, do uso 
eficiente das ferramentas de busca. Este trabalho propõe a aplicação do 
algoritmo de recuperação da informação na plataforma Android, utilizando a 
API Lucene como ferramenta de busca e tendo como base de dados os 
documentos referentes aos textos da Bíblia. Ao fim, foi feita a análise da 
estratégia de recuperação da informação proposta, através da aplicação de 
métricas de precisão e revocação. 
 Introdução 
Presenciamos uma época onde ter informação é deter poder social e econômico. 
Entretanto, ao contrário do que acontecia há alguns anos atrás, o atual desafio não está 
em encontrar informações, uma vez que existe um número grandioso de conteúdo na 
web, o desafio é encontrar um conteúdo que seja de fato útil e relevante [Joca 2013]. 
A fim de facilitar o processo de busca, tornou-se comum o uso de ferramentas 
para recuperação de informações que vasculham, em milhões de repositórios de dados, a 
informação solicitada pelo usuário e este, mediante consulta nas interfaces disponíveis, 
seleciona aquela considerada mais condizente ou relevante entre as fontes apontadas. 
[Feitosa 2008] 
Com o propósito de analisar a estratégia de recuperação da informação numa 
interface móvel, este trabalho desenvolveu um protótipo funcional que executa a busca 
Manaus, 25 a 27 de abril de 2013 1 ISSN 2238-5096 (CDR) 
 
 
 
 
 
 
Anais do Encontro Regional de Computa€o e Sistemas de Informa€o
 
 
 
dos dados utilizando a plataforma Android. Os usuários da aplicação enviam consultas 
ao protótipo, que retorna como resposta os textos bíblicos mais relevantes a cada 
consulta submetida. 
Analisamos a aplicação através do uso das métricas de avaliação de precisão e 
revocação baseada numa lista de consulta a ser executada na aplicação, a fim de 
verificar o grau de relevância dos resultados gerados. 
Nas seções a seguir, apresentamos os trabalhos relacionados ao tema proposto, a 
metodologia seguida, conceitos e fundamentos de Recuperação da Informação, o 
processo de desenvolvimento da aplicação, a avaliação da estratégia utilizada, seguida 
pelas considerações finais deste trabalho. No próximo tópico, temos os trabalhos 
relacionados ao artigo. 
 Trabalhos relacionados 
No estudo da tese de [Bonfim 2006], o autor apresentou a estratégia de recuperação de 
informação, utilizando os modelos probabilístico e probabilístico exponencial, que 
foram combinados com recursos do modelo vetorial. Foram apresentados resultados de 
experimentos que comprovam que a combinação dos modelos probabilísticos com o 
modelo vetorial possibilita uma recuperação mais eficaz, trazendo como resposta 
documentos relevantes que não seriam recuperados utilizando somente um dos modelos. 
No modelo probabilístico estendido observou-se que a média percentual de precisão foi 
de 20,38%, e a revocação foi de 39,65%, enquanto no modelo probabilístico observou-
se que a média percentual de precisão foi de 17,22%, e a revocação foi de 33,33%. 
Comparando os dois modelos, concluiu-se que o modelo probabilístico estendido leva 
vantagem em relação ao modelo probabilístico. 
No artigo de [Pérez-Iglesias 2009] é descrita a implementação dos algoritmos 
BM25 e BM25F usando o Lucene Java Framework. Ambos os modelos têm se 
destacado pelo seu desempenho e são considerados como estado-da-arte na comunidade 
de RI. O objetivo do artigo é aplicar a biblioteca Lucene nestes algoritmos a fim de 
avaliar o desempenho da funcionalidade de ranking deste. 
Até onde pudemos observar, nenhum trabalho anterior estudou como utilizar o 
Sistema de Recuperação da Informação num dispositivo móvel utilizando Android e 
tendo como base de dados a Bíblia. Neste sentido, nosso trabalho é distinto de todos os 
observados na literatura. Na próxima seção será apresentada a metodologia utilizada 
neste trabalho. 
 Metodologia 
Nesta seção, apresentamos os passos realizados para o desenvolvimento deste projeto: 
1. Revisão bibliográfica da literatura, onde foi feita pesquisa de trabalhos similares 
ao nosso com a aplicação do Sistema de Recuperação da Informação em base de 
dados; 
2. A segunda etapa foi responsável pela obtenção da base de dados onde definimos 
que todos os livros da Bíblia seriam usados como documentos da estratégia de 
RI apresentada. Definimos, ainda, utilizar a técnica de indexação de índice 
invertido que é a técnica utilizada pela API Lucene para organização de 
Manaus, 25 a 27 de abril de 2013 2 ISSN 2238-5096 (CDR) 
 
 
 
 
 
 
Anais do Encontro Regional de Computa€o e Sistemas de Informa€o
 
 
 
documentos e a função de similaridade padrão da API, que aplica os modelos 
vetorial e booleano de recuperação da informação para gerar respostas às 
consultas realizadas; 
3. Na terceira etapa ocorreu o desenvolvimento de um protótipo funcional na 
plataforma Android, no qual os usuários enviam consultas à aplicação e avaliam 
as coleções de resposta gerada, a fim de gerar massa de dados para avaliação dos 
resultados; 
4. E por fim, utilizamos as métricas de precisão e revocação para avaliação da 
qualidade das respostas geradas pela estratégia proposta. 
A seguir, descreveremos os principais conceitos de Recuperação da Informação 
e detalhamos os tópicos apresentados neste capítulo. 
 Modelos de Recuperação de Informação 
O termo Recuperação de Informação (RI) foi criado por [C. N. Mooers 1951] que 
definiu da seguinte maneira: “... Recuperação de Informação é o nome do processo 
onde um possível usuário de informação pode converter a sua necessidade de 
informação em uma lista real de citações de documentos armazenados que contenham 
informações úteis a ele...”. 
Segundo [Baeza-Yates 1999], um modelo de recuperação de informação é uma 
quádrupla D, Q, F, R(qi,dj)i, onde: 
 D é um conjunto de representações lógicas dos documentos em uma coleção. 
 Q é um conjunto de representações lógicas (consultas) das necessidades de 
informação dos usuários. 
 F é um arcabouço para a modelagem dos documentos, consultas e suas 
relações. 
 R(qi,dj) uma função que associa um número real com uma consulta qi2Q e 
uma representação de documento dj
2
D. Esta função define uma ordenação 
entre os documentos com respeito à consulta qi. 
Com basenestas entidades, a estrutura do modelo utilizado na recuperação pode 
ser definida. Em seguida, apresentamos os modelos clássicos de Recuperação da 
Informação. 
a) Modelo Booleano 
De acordo com [Souza 2006], o Modelo Booleano é baseado na teoria da álgebra 
booleana. É uma solução simples e elegante, baseada na teoria dos conjuntos. O modelo 
booleano considera uma consulta como uma expressão booleana convencional, que liga 
seus termos através de conectivos lógicos AND, OR e NOT. 
No modelo booleano um documento é considerado relevante ou não relevante a 
uma consulta, não existe resultado parcial e não há informação que permita a ordenação 
do resultado da consulta. Desta maneira, o modelo booleano é muito mais utilizado para 
recuperação de dados do que para recuperação de informação [Manning 2008 e Baeza-
Yates 1999]. 
Manaus, 25 a 27 de abril de 2013 3 ISSN 2238-5096 (CDR) 
 
 
 
 
 
 
Anais do Encontro Regional de Computa€o e Sistemas de Informa€o
 
 
 
b) Modelo Vetorial 
Segundo [Souza 2006] o Modelo Vetorial é o algoritmo base da grande maioria dos 
Sistemas de Recuperação da Informação. Neste modelo, os documentos são 
representados como vetores em um espaço n-dimensional, em que n é a totalidade de 
palavras-chave de todos os documentos armazenados no sistema. Como não é um 
algoritmo dualista, é possível construir um ranking baseando-se nos graus de relevância 
dos documentos recuperados. 
c) Modelo Probabilístico 
No Modelo Probabilístico, ainda de acordo com [Souza 2006], supõe-se que, para cada 
consulta ao sistema, há um conjunto ideal de documentos que a satisfaça 
completamente. Por meio de tentativa inicial com uma coleção de documentos, para a 
qual se podem usar técnicas de outros modelos em conjunto, como o vetorial, e do 
retorno do usuário em sucessivas interações, é possível uma aproximação do conjunto 
ideal. Este modelo dá grande importância às respostas do usuário como forma de 
aprimoramento contínuo das buscas. 
No protótipo apresentado neste artigo, foi utilizado o algoritmo padrão da biblioteca de 
busca escolhida que combina o modelo booleano e o modelo vetorial de recuperação da 
informação para obter resultados precisos. A biblioteca padrão escolhida foi a API Java 
Lucene, que será apresentada na próxima seção. 
A seguir, detalhamos a estrutura e organização da implementação da aplicação 
proposta neste artigo. 
 Implementação da Aplicação 
Nesta seção descrevemos a estrutura e organização dos principais componentes 
utilizados para o desenvolvimento desta pesquisa. 
 Base de Dados 
A base de dados utilizada no projeto foi coletada através da internet. O processo de 
coleta iniciou-se com o acesso a um site de Bíblia on-line [Biblia 2013], disponível ao 
público. Após o acesso, foi feita a codificação de um programa em Java que fizesse o 
parse das informações referentes à Bíblia, utilizando a biblioteca Jsoup.[Jsoup 2013] 
O Jsoup é uma biblioteca Java para trabalhar com HTML, que fornece uma API 
para a extração e manipulação de dados, usando os métodos Document Object Model 
(DOM), Cascade Style Sheet (CSS) e Jquery-like. [Jsoup 2013] 
A partir do acesso à massa de dados bíblicos, utilizamos 3 versões da Bíblia 
disponíveis no site, que são as seguintes: Almeida Corrigida e Revisada Fiel, Almeida 
Revisada Imprensa Bíblica, Nova Versão Internacional. 
Ao final do processo de obtenção da base de dados, verificamos a existência de 
(1) 93.304 documentos, onde cada documento é representado por um versículo bíblico, 
(2) 57.731 palavras distintas, que determinam o número de dimensões do espaço 
vetorial do modelo e (3) cada documento possui, em média, 22,33 palavras. 
Manaus, 25 a 27 de abril de 2013 4 ISSN 2238-5096 (CDR) 
 
 
 
 
 
 
Anais do Encontro Regional de Computa€o e Sistemas de Informa€o
 
 
 
A seguir, descrevemos as ferramentas utilizadas para indexação da base e 
processamento das consultas. 
 API Java Lucene 
A API Java Lucene é uma biblioteca de mecanismo de busca, que oferece um conjunto 
de métodos para indexação e busca textual em grandes massas de dados [Lucene 2013]. 
Neste trabalho utilizamos Java Lucene por oferecer recursos como: (1) suporte a 
vários tipos de consultas, como FuzzyQuery, BooleanQuery, QueryParser que foi a 
consulta utilizada no aplicativo, além de permitir a busca e a indexação simultânea dos 
documentos; (2) ferramenta para calcular o grau de relevância de cada documento, em 
relação a uma determinada consulta; (3) retorno da lista de documentos relevantes, 
ordenada por grau de similaridade, onde o mais similar aparece no topo da lista, o que 
auxilia ao processo de avaliação do modelo a partir de métricas de ranking. 
Neste trabalho, encontramos limitação no uso da versão Java Lucene 4.2.1 por 
possuir algumas bibliotecas incompatíveis com o Android, portanto utilizamos a versão 
Java Lucene 3.2.6 para indexação da base de documentos e no processo de busca por 
documentos, utilizando a função de similaridade baseada no modelo vetorial e booleano. 
A seguir, descrevemos a arquitetura do protótipo funcional do projeto. 
 Arquitetura do projeto 
Nesta seção, descrevemos os componentes e fases do projeto. 
 Na primeira parte do trabalho, coletamos a base de dados a partir do site Bíblia 
on-line. [Bíblia 2013] A partir da coleta, realizamos um processo de analise dos dados 
utilizando um analisador que atua como um filtro e verifica os documentos que podem 
ser indexados ou não. 
 Após a análise do texto, os dados são indexados. A indexação processa os dados 
originais, gerando uma estrutura de dados inter-relacionada eficiente para a pesquisa 
baseada em palavras-chave. [Lucene 2013] Os documentos recebem tokens e esses 
tokens são incluídos como termos no índice. No item de Processo de Indexação serão 
expostos mais detalhes desta fase do projeto. 
Selecionamos 5 usuários para avaliação do nosso modelo de busca. O critério 
para escolha dos usuários foi que estes possuíssem conhecimento e experiência no 
estudo de textos bíblicos. Cada usuário realizou no mínimo 2 consultas, informando na 
tela da aplicação Android textos de seu interesse. Como resposta, o sistema devolvia 
uma lista de 50 versículos mais relevantes a cada consulta, onde o primeiro elemento é o 
mais relevante. No item de Processo de Consulta será detalhada a busca feita pelo 
aplicativo. 
 A Figura 1 demonstra a arquitetura geral do nosso projeto. 
 
 
 
 
Manaus, 25 a 27 de abril de 2013 5 ISSN 2238-5096 (CDR) 
 
 
 
 
 
 
Anais do Encontro Regional de Computa€o e Sistemas de Informa€o
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Processo de Indexação 
A Indexação é um processo de converter os dados de texto em um formato que facilita a 
procura rápida. [Lucene 2013] 
A biblioteca Lucene foi usada para armazenar os dados de entrada em uma 
estrutura de dados chamada de índice invertido, que é armazenado no sistema de 
arquivos ou na memória, como um conjunto de arquivos de índice. O índice invertido 
permite que os usuários executem procuras rápidas utilizando palavras-chave e 
localizem os documentos relevantes a uma determinada consulta. Porém, antes que os 
dados do texto sejam incluídos no índice, eles são processados por um analisador. 
Neste trabalho, utilizamos o analisador Standard Analyzer [Lucene 2013], nativo 
do Lucene. Este analisador insere tokens no texto com base em uma gramática 
sofisticada e remove as palavras comuns.Neste processo, as palavras de cada 
documento são convertidas em tokens e esses tokens são incluídos como termos no 
índice da biblioteca Lucene. 
Durante a indexação, os documentos passam pelas operações de extração das 
palavras, remoção de palavras comuns, exclusão da pontuação, redução de palavras para 
o formato de raiz e alteração das palavras para minúsculas. Estas operações são 
procedimentos comuns na recuperação da informação, a fim de que o resultado da 
consulta seja o mais eficiente possível. [Lucene 2013] 
 Processo de Consultas 
A procura é o processo de buscar palavras no índice e de localizar os documentos que 
contêm essas palavras [Lucene 2013]. 
Figura 1. Arquitetura do Projeto 
Manaus, 25 a 27 de abril de 2013 6 ISSN 2238-5096 (CDR) 
 
 
 
 
 
 
Anais do Encontro Regional de Computa€o e Sistemas de Informa€o
 
 
 
A classe de busca é uma classe base abstrata que possui vários métodos de 
procura sobrecarregada. O IndexSearcher é uma subclasse que permite procurar índices 
armazenados em um determinado diretório. O método de busca retorna uma coleta 
ordenada de documentos classificados pelas pontuações computadas. [Lucene 2013] 
O Lucene fornece tipos de implementação de consulta concreta. A consulta 
utilizada neste aplicativo foi o QueryParser. O QueryParser é usado para analisar 
expressões de consultas inseridas pelo usuário, que é transmitido para o método de 
procura do IndexSearcher. [Lucene 2013] 
 Protótipo Funcional 
O protótipo apresentado neste trabalho foi desenvolvido em Android, por ser uma 
plataforma popular para desenvolvimento de aplicativos móveis. O Android possui 
interfaces de programação de aplicativo (APIs), que vêm com o seu Software 
Development Kit (SDK) e possui recursos completos de interface e bibliotecas de 
serviços como o SQLite.[Android 2013] 
Para este protótipo utilizamos a versão 4.2.2 do Android conhecida como Jelly 
Beans, por ser a versão mais recente disponível, quando do desenvolvimento deste 
trabalho. 
A composição da tela foi baseada em componentes de interface: EditText, 
ListView e TextView. O EditText é o campo em que o usuário digita a palavra-chave e o 
ListView é o componente utilizado para mostrar o resultado da busca. O protótipo 
também faz buscas utilizando o comando de voz, onde o usuário fala o que deseja 
consultar e o texto aparece no campo de busca. 
Na figura 2, apresentamos a tela principal da aplicação, exibindo o resultado 
para três consultas distintas. Na primeira imagem, temos a tela onde o usuário digita a 
palavra-chave, na segunda temos o usuário usando o comando de voz para fazer a busca 
e na terceira imagem temos a lista com o resultado da busca. 
 
Figura 2. (1) Tela de Busca usando teclado; (2) Tela de Busca usando comando 
de voz; (3) Resultado da Busca 
Manaus, 25 a 27 de abril de 2013 7 ISSN 2238-5096 (CDR) 
 
 
 
 
 
 
 
 
 
 
 
 
Anais do Encontro Regional de Computa€o e Sistemas de Informa€o
 
 
 
Na próxima seção, apresentamos o processo de avaliação da estratégia de 
Recuperação da Informação aplicada e os resultados alcançados. 
 Avaliação dos Resultados 
Nesta fase, a avaliação foi feita com a contribuição de um bispo formado em teologia e 
especialista em aconselhamento, que ajudou na composição da lista de consultas 
utilizada. As métricas utilizadas foram a de precisão e revocação, como citado 
anteriormente, por serem métricas comumente utilizadas para avaliação de rankings de 
busca. O processo de avaliação da estratégia seguiu os seguintes passos: 
1. Criação da lista de consultas com as palavras-chave: a criação da lista iniciou-se 
com a escolha de 11 palavras - chave que são bastante solicitadas nas buscas 
segundo o especialista consultado; 
2. Identificação dos documentos mais relevantes: seguindo a indicação do 
especialista e verificando os versículos sugeridos em uma chave bíblica, foram 
identificados os documentos relevantes e foi atribuído um peso de 1 a 5, onde 5 
indica o documento mais relevante e 1 indica o documento menos relevante a 
uma dada consulta; 
3. Execução da busca no Lucene: utilizando as palavras-chave da lista de consulta 
pré-definidas, o algoritmo foi executado e obteve-se a lista de resultado por ele 
gerado; 
4. Análise dos resultados: o resultado da busca do Lucene foi comparado com os 
documentos relevantes da lista de consulta e assim observou-se a precisão do 
algoritmo de 0,052, com a revocação de 0,263. 
A lista de consulta, definida no primeiro passo citado acima, possui as seguintes 
palavras – chaves, com os seguintes pesos segundo a tabela 1: 
Tabela 1. Lista de Consulta 
Antigo Testamento Novo Testamento 
Palavras- chave Peso 1 Peso 2 Peso 3 Peso 4 Peso 5 Peso 1 Peso 2 Peso 3 Peso 4 Peso 5 
Alegria Dt. 28:47 Sl. 16:11 Pv. 10:28 Is. 61:3 Sf. 3:17 Mt. 13:20 Jo. 16:24 2 Co. 9:7 Hb. 12:11 3 Jo. 1:4 
Amor 2 Sm. 1:26 Pv. 27:5 Ct. 8:7 Jr. 31:3 Os. 12:6 Mt. 24:12 Rm. 5:8 1 Co. 13:4 Ef. 5:2 Ap. 2:4 
Anjo Gn. 22:15 Ex. 23:20 Sl. 103:20 Dn. 3:28 Zc.1:9 Mt. 1:20 Lc. 22:43 Rm. 8:38 Gl. 1:8 Ap. 22:16 
Esperança 2 Sm. 23:5 Jó 5:16 Sl. 39:7 Pv. 10:28 Ez. 37:11 At. 2:26 1 Co. 9:10 Ef. 2:12 Tt. 2:13 1 Pe. 1:21 
Espírito Santo Gn. 1:2 Is. 11:2 Ez. 37:14 Mq. 3:8 Ag. 2:5 Mt. 1:18 Jo. 1:32 At. 2:4 Fp.3:3 Jd. 1:20 
Família Gn. 12:3 Nm. 26:6 1 Sm. 18:18 Sl. 68:6 Am. 3:2 Gl.6:10 Ef. 2:19 Ef. 3:15 - - 
Fé Hc. 2:4 - - - - Mt. 6:30 Lc. 8:48 Rm. 1:17 1 Ts. 1:3 Tg. 2:18 
Graça Gn. 6:8 1 Cr. 16:8 Sl.13:5 Sl. 147:7 Zc. 4:7 Mt. 10:8 At. 7:10 2 Co. 13:13 2 Ts. 1:3 2 Pe. 3:18 
Paz Lv. 26:6 1 Rs. 2:13 Ec. 3:8 Is. 32:7 Na. 1:15 Mt. 10:34 Rm. 3:17 1 Co. 7:15 Ef. 1:2 Fp. 4:7 
Perdão Sl. 130:4 Dn. 9:9 - - - Mc. 3:29 Mc. 4:12 Lc. 3:3 At. 2:38 - 
Salvação Gn. 49:18 Sl. 37:39 Jr. 3:23 Jn. 2:9 Ml. 4:2 Lc. 3:6 At. 28:28 1 Ts. 5:8 Hb. 2:3 Ap. 19:1 
Manaus, 25 a 27 de abril de 2013 8 ISSN 2238-5096 (CDR) 
 
 
 
 
 
 
 
 
 
 
 
 
Anais do Encontro Regional de Computa€o e Sistemas de Informa€o
 
 
 
E os resultados de cada consulta com sua respectiva Precisão e Revocação, 
juntamente com a média esta na tabela 2. 
Tabela 2. Tabela com Precisão e Revocação 
Consulta Precisão Revocação 
q1 0,02 0,1 
q2 0,1 0,5 
q3 0,04 0,2 
q4 0,06 0,3 
q5 0,04 0,2 
q6 0,02 0,1 
q7 0,04 0,2 
q8 0,06 0,3 
q9 0,04 0,2 
q10 0,08 0,4 
q11 0,08 0,4 
Média 0,052 0,26 
 Considerações Finais 
No referido trabalho, foi apresentado um protótipo funcional desenvolvido em Android, 
onde aplicava os algoritmos de recuperação da informação. Foi utilizada a API Lucene e 
o algoritmo de busca padrão desta API que aplica os conceitos do modelo vetorial e do 
modelo booleano. Para validação do protótipo, criamos uma lista de consultas, onde 
foram definidos pesos para cada documento de resposta. 
Como resultado, pudemos identificar que a abordagem aplicada neste trabalho 
gerou precisão de 5,2% e revocação 26%, além de apresentar tempo médio de resposta 
de 50 milissegundos, se mostrando adequada ao uso em dispositivos móveis, com 
limitações de processamento e armazenamento. 
Um fator que pode ter influenciado no resultado é que a chave bíblica utilizada 
na composição da lista de consulta é de versão diferente das existentes na base de dados. 
Outro fator é que na lista de resultado eram mostradas todas as versões, ou seja, a lista 
de resultado repetia o mesmo versículo para cada versão. 
Como trabalhos futuros, avaliaremos o desempenho do modelo, comparando 
diferentes funções de similaridade, como, por exemplo,o BM25, podendo, assim, 
identificar a função que melhor se ajusta às características da base de textos bíblicos e 
ainda aplicar a métrica de precisão Mean Average Precision (MAP). 
Além disso, pretendemos estudar o comportamento da estratégia proposta, 
quando aumentarmos o número de consultas e o tamanho médio de cada uma e também 
pretendemos fazer a verificação do consumo de memória e processamento do aplicativo 
no dispositivo móvel. 
Referências 
Almeida, João Ferreira de. (1970) Chave Bíblica. Edição Revista e Atualizada no Brasil. 
Sociedade Bíblica do Brasil. Brasília. 
Manaus, 25 a 27 de abril de 2013 9 ISSN 2238-5096 (CDR) 
 
 
 
 
 
 
 
 
 
 
 
 
Anais do Encontro Regional de Computa€o e Sistemas de Informa€o
 
 
 
Android, Developers. (2013) Develop. Android Developers. 
http://developer.android.com/develop/index.html, Março. 
Baeza-Yates, Ricardo and Ribeiro-Neto, Berthier. (1999) “Modern Information 
Retrieval”. ACM Press. 
Biblia, On line. (2013) Biblia On line – Almeida, NIV e mais 52 versões. 
http://www.bibliaonline.com.br/, Março. 
Bonfim, Marcello Erick. (2006) Recuperação de documentos texto usando um modelo 
probabilístico estendido. Universidade Metodista de Piracicaba, Piracicaba. 
C. N. Mooers. (1951) Zatoeodmg applied to mechanical organization of knowledge. 
American Documentation, 2:20–32. 
Feitosa, Ailton. (2008) Organização da Informação na Web: das tags à web semântica. 
Brasília: Thesaurus. 
Joca. (2013) Produto web, móvel ou social? Guia da StartUp e Gestão de Produtos. 
http://www.guiadastartup.com.br/produto-web-movel-ou-social/, Fevereiro. 
Jsoup. (2013) Jsoup: Java HTML Parser. http://jsoup.org/, Março. 
Lucene, Apache. (2013) Lucene Search Apache. http://www.ibm.com/developerworks/ 
br/java/library/os-apache-lucenesearch/, Março. 
Manning, Christopher D., Raghavan, Prabhakar and Schütze , Hinrich. (2008) “An 
Introduction to Information Retrieval”. Cambridge University Press. 
Pérez-Iglesias, Joaquín. (2009) Integrating the Probabilistic Model BM25/BM25F into 
Lucene. LSI,UNED. 
Salton, G. (1973) “Recent Studies in automatic text analysis and document retrievial ” 
Journal of the ACM, v. 20, n. 2, p. 258-278. 
Salton, Gerard and Chris Buckley. (1987) Term weighting approaches in automatic text 
retrieval. Technical report, Cornell University. 
Souza, Renato Rocha. (2006) Sistemas de recuperação de informações e mecanismos de 
busca na web: panorama atual e tendências. Perspect. ciênc. inf., Belo Horizonte, v. 
11, n.2, Agosto. 
Manaus, 25 a 27 de abril de 2013 10 ISSN 2238-5096 (CDR) 
 
 
 
 
 
 
 
 
 
 
 
 
Anais do Encontro Regional de Computa€o e Sistemas de Informa€o