Add 'pages/students/2016/jan_holp/dp2021/navod.md'

pages/students/2016/jan_holp/dp2021/navod.md

@@ -0,0 +1,79 @@
+## Návod na prácu s Elasticsearch 
+###  Inštalácia 
+
+ES je dostupný na všetky operačné systémy ako Windows, MacOs aj Linux. Pre
+prácu bol zvolený operačný systém Linux, ktorý je vhodnejší ako Windows. V systéme sme vytvorili adresár, ktorý bude obsahovať všetky potrebné súčasti. Do tohto
+adresára sme si stiahli ES, ktorý stačilo rozbaliť a je pripravený na použitie aj bez
+inštalácie. Pre spustením je potrebné mať prostredie Java Runtime Environment vo
+verzii aspoň 1.8
+
+### Podpora slovenčiny
+
+Pre použitie Hunspell token filtru, stačí jeho obsah stiahnuť z webovej stránky a
+rozbaliť ho. Po rozbalení obsahu je potrebné otvoriť adresár kde máme nainštalovaný
+ES. Konkrétne v adresári config vytvoríme nový adresár s názvom hunspell, v ňom
+ďalej vytvoríme adresár sk_SK. Do tohto adresára nakopírujeme súbory, ktoré sme
+získali rozbalením Hunspellu. Výsledná súborová štruktúru si môžeme pozrieť na
+obrázku :
+
+![Súborová štruktúra Hunspell](suborova_struktura.PNG)
+
+Pre správne fungovanie už potrebujeme len nastaviť analyzér správne. Dôležité
+je poradie v akom sa filtre budú aplikovať na text. Na obrázku si môžeme pozrieť
+kompletné nastavenie analyzéru(pozn. ES musí byť spustený). Ak je všetko správne
+ES nám odpovie hláškou "true". Ako definovať analyzér si môžeme pozrieť na obrázku :
+
+![Definícia analýzeru](def_analyzeru.PNG)
+
+### Mapping
+
+Po nastavení analyzéra potrebujeme ešte pred samotným indexovaním dát nastaviť mapping. Je dôležité nastaviť to na začiatku, kedže mapping už potom nie je
+možné upraviť. Bolo by potrebné zmazať celý index a nastaviť mapping znova. Pri
+mappingu potrebujeme vedieť, že každý článok bude obsahovať svoje jedinečné ID,
+názov(title) a telo(body) článku. Týmto poliam musíme definovať štruktúru, čiže ID
+bude typu integer, polia title a body budú typu text.
+
+### Indexovanie dát
+
+Na indexovanie použijeme pripravený zdrojový kód s názvom elasticsearch.js. Na
+spustenie javascript kód potrebujeme mať nainštalovaný program Nodejs, najlepšie
+v čo najnovšej verzii. Kód spustíme pomocou príkazového riadka zadaním príkazu:
+nodejs elasticsearch.js.
+Zdrojový kód načítava súbor, v ktorom sú všetky novinové články vo formáte
+JSON, kde jeden riadok je jeden JSON, čiže jeden novinový článok. Načítavanie
+prebieha po riadkoch, kde každému riadku je priradený index postupne v rozsahu 1
+až 4781. každý článok obsahuje jedinečné ID, názov a telo.
+Po spustení kódu sa nám zobrazí hláška, ktorá nás informuje o počte indexovaných článkov a vytvorí index s názvom "skweb", kde sa indexuje 4781 novinových
+článkov, ktorým budú priradené ID. Po úspešnom indexovaní môžeme začať dáta
+vyhľadávať. Ukážka správneho indexovania je na obrázku :
+
+![Ukážka indexovania](ukazka_indexovania.PNG)
+
+### Vyhľadávanie
+
+Po úspešnom indexovaní môžeme začať s vyhľadávaním. Musíme si pripraviť dotaz
+pre ES. Obrázok 5-4 znázorňuje komunikáciu s ES a vyhľadávanie pomocou neho.
+Odpoveď ES si môžeme pozrieť na obrázku. Sú tam zobrazené informácie
+o trvaní vyhľadávania v ms, počte nájdených dokumentov, indexe, v ktorom sa
+nachádza nájdený dokument, type, v ktorom je uložený dokument a ID dokumentu.
+
+![Vyhľadávanie](vyhladavanie.PNG)
+
+![Odpoveď]( odpoved.PNG)
+
+
+### Výpočet presnosti
+
+Použijeme metódu precision-recall. V priečinku ../scnc21 sa nachádza súbor answers,
+ktorý obsahuje ID všetkých relevantných článkov pre každú otázku. Pri vyhľadávaní
+majú články ID v rozsahu 1-4871. V súbore answers majú články ID dokumentov
+označené inými číslami. Preto je potrebné každému ID z nášho vyhľadávača priradiť ID zo súboru answers aby sme správne vedeli vypočítať presnosť. Keďže naše
+indexovanie článkov prebiehalo načítavaním po riadkoch tak ID dokumentu, ktorý
+nám našiel vyhľadávač je vlastne číslo riadku, pomocou ktorého sme indexovali dáta.
+Stačí si pozrieť súbor info.txt , pomocou ktorého vieme prideliť správne ID.
+Potom nám stačí použiť nástroj na výpočet precision-recall, môžeme to byť npm
+balíček precision-recall alebo online kalkulátor. Ak vypočítame presnosť pre každú
+otázku na záver stačí vypočítať aritmetický priemer všetkých otázok.
+
+
+**Všetky potrebné zdrojové súbory su priložené v tomto repozitári**