GCC, G++, make... (buildessentials), python, python-dev (python-all-dev, parece servir) e python-pycurl
-----LIBSVM-----
http://www.csie.ntu.edu.tw/~cjlin/libsvm/ (http://www.csie.ntu.edu.tw/~cjlin/cgi-bin/libsvm.cgi?+http://www.csie.ntu.edu.tw/~cjlin/libsvm+zip)
- Descompacta libsvm+zip
- Ir na pasta /python
makepython setup.py install
-----Tornado Web Server-----
http://www.tornadoweb.org/ (http://www.tornadoweb.org/static/tornado-0.2.tar.gz)
tar xvzf tornado-0.2.tar.gzcd tornado-0.2python setup.py buildsudo python setup.py install
-----Beautiful Soup-----
http://www.crummy.com/software/BeautifulSoup/ Versão 3.0.7a - não é a mais recente (http://www.crummy.com/software/BeautifulSoup/download/3.x/BeautifulSoup-3.0.7a.tar.gz) A versão mais recente deu problemas por isso estamos usando uma mais antiga (dica no próprio site)
- Descompactar
sudo python setup.py install
-----NLTK-----
http://www.nltk.org/download (http://nltk.googlecode.com/files/nltk-2.0b6.zip) Tem também via .deb (http://nltk.googlecode.com/files/nltk_2.0b5-1_all.deb). Mas não testei
- Descompactar
sudo python setup.py install
O coletor espera 2 arquivos: layer0.txt e seeds.txt, coloque-os na mesma pasta do resto das classes. É possível passar o path dos arquivos como parâmetro para o HTTPServer.py na ordem layer0.txt seeds.txt, não precisando ser esses nomes.
python HTTPServer.py#inicia o servidor 1. Ele vai construir o grafo de contexto com base nas urls dadas no arquivolayer0.txt2. Vai demorar (a coleta de páginas é feita por um único coletor =(, temos que mudar isso) 3. Quando terminar ele vai mostrar uma mensagem, nessa hora inicia-se os coletores. Os coletores vão começar pelas páginas no arquivoseeds.txtpython Fetcher.py#inicia 1 coletor, pode-se iniciar N coletores