Tecnologias em uso

Resumo das principais tecnologias utilizadas no GeoTerm, de certa forma justificando o não-uso de elefantes "caixa preta" como o ElasticSearch ou o Apache Solr.

Normalização textual

Nomes próprios bem controlados podem ter caixa alta e caixa baixa gerados automaticamente, distinguindo-se preposições e mesmo abreviações. O registro do termo portanto pode se limitar ao registro da string em sua forma mais simples, toda em caixa baixa e com apenas um espaço como separador nos termos compostos. A função tlib.normalize() executa essa normalização, preservando acentos. As formas canônicas são acentuadas, o não-acentuado é tratado como sinônimo.

Text-search no PostgreSQL

As tecnologias Full Text Search são implementadas através dos tipos de dado tsvector e tsquery. Na tabela tstore.term os termos são cacheados em tsvector.

Metaphone localizado

O algoritmo metaphone tem se mostrado eficiente para a indexação e agrupamento de palavras e termos semelhantes. Sua eficiência depende do grau de compromisso entre a grafia da palavra e sua expressão fonética, e portanto tem forte correlação cultural. Na AddressForAll os projetos Brasil fazem uso do metaphone-ptbr. Outras línguas, como o espanhol, podem resgatar o metaphone-standards.