La sugerencia de palabras para un buscador es conceptualmente similar a un corrector ortográfico, con la diferencia de que las palabras sugeridas no necesitan estar bien escritas sino que tiene que ser palabras que el usuario vaya a encontrar dentro de los términos conocidos por Sphinx. Esto significa que no me servía chequear las palabras con un diccionario español, lo que necesitaba era un diccionario de palabras indexadas por Sphinx.

Con estas ideas me puse a trabajar en la implementación, que resultó más sencilla de lo esperado:

1. Para obtener la lista de palabras se utiliza el mismo indexer de sphinx:

   indexer --conf sphinx.con --buildstops palabras.txt 100000

   Esto genera el archivo palabras.txt con las “primeras” 100 mil palabras más utilizadas. En mi caso el total llegó sólo a 15 mil.

2. Crear un diccionario, para lo cual utilicé Aspell y generé un diccionario master basado en palabras.txt:

   aspell --lang=es create master ./dictionary.local < palabras.txt

Lo que queda ahora es ver si las sugerencias funcionan, y como estoy trabajando en Perl lo mejor es recurrir a CPAN, en donde encontré el módulo Text::Aspell y seguí uno de sus ejemplos:

    use Text::Aspell;
    my $speller = Text::Aspell->new;
    die unless $speller;

    $speller->set_option('master','./dictionary.local');

    my @suggestions = $speller->suggest( $misspelled );

Eso es todo: dada la palabra $misspelled, Aspell me devuelve un array de palabras sugeridas, ordenadas de más certeras a menos. Lo que queda es integrar este código dentro de la aplicación. El código se invoca cuando Sphinx devuelve pocos o ningún resultado y en ese momento, si se obtienen palabras sugeridas, se le ofrece al usuario rehacer su búsqueda con la primera sugerencia.

Y funciona realmente bien, se pueden hacer pruebas en el search de Kedin.es buscando Madona mal escrito: http://kedin.es/search?q=madona.

La reunión tuvo dos partes importantes (además de la posibilidad de hacer networking): la presentación de tres proyectos en la modalidad “elevator pitches” y la presentación de consejos para los emprendedores por parte de Alec Oxenford.

La modalidad “elevator pitches” consiste en contar tu idea en lo que dura un viaje en ascensor, que en este caso eran 5 minutos. Luego, un panel de expertos evalúa y critica la idea. Una de esas ideas es la que venimos trabajando desde hace un tiempo largo Juan y yo: zeppia.com. Juan tuvo el valor de hacer la presentación adelante de 300 personas, y el feedback fue positivo. Creo que esto puede ser el puntapié para que el proyecto tome forma definitica y crezca. Hoy también descubrimos con sorpresa que apareció un review muy alagador en un blog importante de España, Loogic.

La idea es que cualquiera pueda subir comentarios o, mejor, registrarse y colaborar completando cada post diario con información del programa, de manera de que luego se pueda hacer una búsqueda por tags o por temas. Mientras no haya vandalismo el registro va a quedar abierto.

Todos los MP3 están subidos a Amazon S3, con lo cual me garantizo espacio y ancho de banda prácticamente ilimitados, aunque no gratis, con lo cual espero que el costo no se me vaya de control (se aceptan donaciones ).

Espero que lo disfruten y que me hagan llegar sus comentarios.

1. Un nombre de dominio propio
2. Un servidor de DNS
3. El servicio de mail de Google

1) El primer paso es conseguir el dominio que queremos utilizar (o que podamos, de acuerdo a la disponibilidad de nombres). En el caso de dominios .com.ar debemos acudir a www.nic.ar y buscar un nombre disponible y reservarlo. Esta es la parte más tediosa del proceso ya que si es la primera vez que uno lo hace, deberá registrarse como entidad registrante y como persona responsable. El dominio debe ser sólo reservado ya que la delegación la haremos más adelante cuando tengamos el servidor de DNS.

2) Una vez que tenemos asegurado un nombre de dominio debemos configurar el servicio de DNS, el cuál será el encargado de convertir el nombre en la dirección IP de nuestro servidor de correo. Para esto recomiendo utilizar los servicios de ZoneEdit, que es gratuito para los primeros 5 dominios que utilicemos. Debemos registrarnos en el sitio con la opción “Free Sign Up” y luego agregar el dominio que hemos reservado el punto 1.

3) Finalmente nos damos de alta en el servicio de Google Apps cuya Edición estándar nos permite gestionar varias cuentas de mail para nuestro dominio. De esta forma podríamos darle una cuenta a cada uno de los integrantes de nuestra pyme o de nuestra familia.

Si hay interés, en un próximo post puedo explicar con más detalle qué configuraciones hacen falta en cada uno de los servicios anteriores para lograr conectar cada una de las partes y hacer funcionar el mail.

Actualización: Ver este link que pusieron en un comentario.

La idea es sencilla: instalamos una aplicación que se encarga de verificar la existencia de nuevos MP3s y, si es así, los baja de Internet. Luego, el nuevo archivo MP3 puede escucharse en la PC, grabar un CD o, lo más común, subirlo al reproductor portátil para escucharlo tranquilamente en el viaje al trabajo.

Los pasos recomendados son los siguientes:

- Bajar el Juice del sitio http://juicereceiver.sourceforge.net/ e instalarlo. Al día de hoy la última versión para Windows es la 2.2.

- Una vez instalado, elegir el botón (+) “Añadir nueva fuente” en la oreja de suscripciones y tipear (o copiar) la siguiente dirección URL: http://schwindt.org/podcast/rss.xml

- Finalmente hay que jugar un poco con las preferencias (Archivo -> Preferencias…) para adaptarlo al gusto personal, pero lo más importante es saber dónde va a guardar los MP3 que baja para poder tomarlos de ahí y copiarlos al dispositivo de reproducción.

Eso es todo. Espero que sea de utilidad para alguien. Los que tengan un iPod y utilicen iTunes, tienen la funcionalidad de podcast integrada, pero no esperen que les explique cómo hacerlo porque no uso el iTunes

Nota del 15 de mayo de 2008: los que deseen escuchar el programa desde la web, sin tener que bajarlo, pueden acceder al nuevo sitio “Venganzas del pasado“.

Estoy investigando cómo tomar los archivos viejos que publica la radio para recrear semi-automáticamente los programas perdidos, pero todavía tengo algunos problemas técnicos que solucionar ya que no quiero hacer algo artesanal porque no tengo tiempo.

Al parecer, en estos momentos se está grabando bien el programa de hoy. Esperemos que Continental se ponga las pilas y mantenga el streaming en condiciones.

Saludos!

Actualización 31-05-2006: hice un script que toma el archivo de Continental y genera el MP3 correspondiente. Como Continental guarda archivos de 1 hora de duración, el script baja dos en formato wav y luego gracias a wavcat los mezcla, para finalmente generar el MP3. El script lo pueden bajar de acá.

De más está decir que esto no “escala”, y a corto plazo voy a tener que buscar una solución. Creo que la mejor solución vendrá de parte de Adam Curry y de su “podcast delivery network”. Para los que no lo conocen, Adam es el “podfather” o sea, el inventor del podcasting. Él está armando toda una plataforma que va a facilitar la publicación de programas de audio y la generación automática de los feeds XML, además de proveer el ancho de banda y el almacenamiento necesarios.

Otras de los proyectos interesantes de Adam Curry (soy adicto a su podcast, como se puede ver) es Podshow, un sitio donde los artistas que no están sujetos a las discográficas pueden promocionar su música, la cual puede ser utilizada libremente por los podcasters en sus shows. A este proyecto se le añadirá pronto la posibilidad de que los usuarios finales puedan comprar los temas a u$s 0.99, estilo iTunes, pero con la gran ventaja de que éstos se bajan en MP3. Como ven, el tema podcasting se pone interesante y si la audiencia crece, se puede convertir a mediano plazo en un negocio rentable, basado en la publicidad.

Como el concepto de podcast es bastante nuevo, quiero explicar brevemente cómo usarlo; la idea es simple: existe un feed RSS que describe en formato XML los programas disponibles y que para este caso es el siguiente:

http://schwindt.org/podcast/rss.xml

Esta URL hay que copiarla y pegarla en un agregador que se encarga de chequear regularmente si hay alguna actualización y de bajarla a la PC. Como agregadores para podcast se puede usar iPodder, iTunes o, eventualmente, cualquiera que soporte RSS 2.0 con “enclosures”. Luego, lo único que resta es pasar el mp3 a nuestro reproductor, escucharlo directamente en la PC, grabar un CD o lo que se les ocurra.

Mis únicas preocupaciones con este podcast son: a) que se haga muy popular y no le dé el cuero a mi ADSL, en cuyo caso veré de buscar algún mirror donde hostearlo, y b) que esté violando algún derecho de propiedad intelectual de Dolina o de radio Continental, en cuyo caso tendré que darlo de baja.

Actualización: Ver “Cómo bajar los MP3 de Dolina“

El sitio lo armé de cero con una herramienta de blog muy sencilla pero efectiva basada en PHP/MySQL y que se llama Serendipity. El sitio, por ahora, lo mantengo yo pero la idea es que para el próximo Torneo Abierto de Verano, el más importante del año, lo actualicen directamente desde el círculo apenas termine cada ronda del mismo. Creo que va a ser una herramiente muy útil para todos.

Por lo que estuve viendo en algunos foros (arnetsucks.com.ar), parece que no soy el único que sufro de los males de Arnet. Estoy totalmente convencido de que aumentaron la cantidad de clientes sin incrementar el ancho de banda.

Finalmente decidí cambiarme a UOLfast y todo volvió a la normalidad: recuperé mi port 25 y puedo escuchar nuevamente radio on-line.

De ahí tomé el dato de esta aplicación para generar weblogs que me pareció bien hecha y, además, se parece en mucho a la tecnología que usamos en mi trabajo para la generación de páginas en forma pre-dinámica usando Perl.