Recuperacion y Organizacion de la Informacion

Introducción / M. booleano / M. espacio vectores/ M. probabilistico

Introducción

Los modelos de recuperación tienen como objetivo el facilitar el proceso de comparación entre una consulta determinada y un conjunto de textos sobre los que se realiza la consulta, para esto definen distintas formas de representar los documentos. Estos modelos de recuperación están pensados únicamente para documentos de contenido textual.

Su funcionamiento se sencillo, para cada documento se construye un índice determinado en función del texto contenido en el documento. Derivado de esto tenemos el concepto de í­ndice invertido que equivale a decir que la relación de los documentos en los que aparece una determinada palabra.

Los ­índices de los documentos tienen en cuenta la frecuencia de aparición de las palabras. Cada documento se representa a través de un vector como los que se muestran a continuación:

Donde wi indica la importancia del índice ti en el documento d. Suele tomar valor en el intervalo [0,1]. A las distintas formas de obtener el valor wi se les denomina esquemas de asignación de pesos.

Entre los distintos esquemas de asignación de pesos cabe distinguir:

• Esquema Binario: Se asigna peso 1 (wi = 1) si la palabra aparece en el documento y peso 0 (wi = 0) en caso contrario.
  
• Frecuencia Inversa de Documento (IDF):
  
  IDF = log2 N / Ni + 1
  Wij =IDF i * F ij
  N = Nº total de documentos
  Ni = Nº de documentos en los que aparece el término i
  Fij = Frecuencia interna del término i en el documento j

Entre los distintos modelo de recuperación de información tenemos:

• Modelo booleano

• Modelo espacio de vectores

• Modelo probabilistico

Por último para determinar la calidad de un sistema de RI se definen dos parámetros:

• Precisión: Proporción de documentos relevantes que hay entre los recuperados.
  
• Recall: Proporción de documentos relevantes que el sistema es capaz de obtener frente al total de documentos relevantes que hay en la colección.

La fuente de información consultada y sobre la que se ha basado esta página pertenece a los apuntes de la asignatura de BBDD avanzadas más concretamente del tema modelos de recuperación de información

---

Pagina creada por: Iván Bernabé Sánchez.

Fecha ultima actualización: 25 de Abril de 2.006

Contenidos:

• Recuperacion y organizacion de la informacion
• Interfaces y HCI en buscadores
• Clustering para recuperacion de informacion
• Motores de recuperacion de documentos XML/RDF
• Trucos no legales de optimizacion y solucion por los motores
• Sistemas de Question-Answering
• Lenguajes de recuperacion
• Modelos de recuperacion
• Usabilidad y accesibilidad en la recuperacion de informacion
• Web Semantica para recuperar informacion
• Arquitectura de BD para buscadores WEB
• Evaluacion de Buscadores Web
• Metadatos y documentos XML/RDF para recuperacion
• Algoritmos de posicionamiento en Google, Yahoo y MSN
• Procesamiento del Lenguaje Natural para recuperacion de Informacion
• Credibilidad y redaccion de contenidos para mejora de la recuperacion de informacion
• Herramientas SEO

Otros enlaces de interes:

• Un Modelo de Representacion basado en Sintagmas para RI (PDF)
• Modelos de Recuperacion y Organizacion de la informacion
• Coincidencia y equiparacion en los modelos de recuperacion de informacion (PDF)