Recuperación de Datos

Introducción

Los sistemas de búsqueda han adquirido una gran
importancia en el uso cotidiano de los ordenadores hasta el punto
de que realizar una consulta en un buscador es la acción
más frecuente, tras el envío de un correo
electrónico. Sin embargo, la búsqueda y
recuperación de información textual tienen
asociadas una serie de problemas todavía no resueltos
satisfactoriamente. Algunos de estos problemas provienen de la
ambigüedad y la falta de estructura propias del lenguaje
natural. En parte cuando la información ya no la tenemos a
nuestro alcance por diferentes motivos acudimos a muchas
técnicas para recuperar nuestra valiosa
información.

OBJETIVO GENERAL

Reconocer las distintas formas aplicadas a la
recuperación de información.

Como se lleva a cabo
el proceso de búsqueda de información

El proceso de recuperación se lleva a cabo
mediante consultas a la base de datos donde se almacena la
información estructurada, mediante un lenguaje de
interrogación adecuado. Es necesario tener en cuenta los
elementos clave que permiten hacer la búsqueda,
determinando un mayor grado de pertinencia y precisión,
como son: los índices, palabras clave, tesauros y los
fenómenos que se pueden dar en el proceso como son el
ruido y silencio documental. Uno de los problemas que surgen en
la búsqueda de información es si lo que recuperamos
es "mucho o poco" es decir, dependiendo del tipo de
búsqueda se pueden recuperar multitud de documentos o
simplemente un número muy reducido. A este fenómeno
se denomina Silencio o Ruido documental.

Fundamentos de
recuperación de información

Según el modelo más aceptado actualmente,
la recuperación de información consiste en un
proceso en el que intervienen tres elementos:

• una colección de ítemes de
  información, tales como documentos, que están
  registrados en un depósito de información (por
  ejemplo en una base de datos),

• una serie de preguntas que traducen las necesidades
  de información de los usuarios y,
  finalmente,

• una función de comparación
  documentos/preguntas que genera como salida documentos
  relevantes (véase la fig. 1). Recuperar
  información, entonces consiste en buscar los
  documentos que exhiben un mayor parecido con la
  pregunta.

• 

  La hipótesis subyacente en el modelo anterior
  es que una forma de juzgar la relevancia de un documento es
  medir su grado de similitud con la pregunta, y que la forma
  de representar ambas entidades (preguntas y documentos) es
  mediante el uso de información textual, aunque las
  entidades en sí mismas no sean textuales.

  En general, para comparar el grado de parecido entre
  dos entidades es necesario identificar algún grupo de
  propiedades medibles y después establecer un
  procedimiento que permita calcular cuántas de
  éstas propiedades comparten ambas
  entidades.

  Sistemas o
  técnicas para buscar
  información

  1. Sistemas de recuperación de
  lógica difusa

  En el modelo de lógica difusa los autores no
  asignan los grados de pertenencia de los documentos a los
  términos. Además, la aplicación de
  modelos borrosos es idónea para solucionar los
  problemas de incompletitud e imprecisión a la hora de
  indexar un documento.

  En la equiparación probabilística, el
  cálculo último devuelto sobre la probabilidad
  de que los términos de los documentos sean
  potencialmente relevantes a una pregunta, está
  contenida en los documentos relevantes y en los no
  relevantes. En la equiparación difusa, el
  cálculo se define basándose en el grado de
  pertenencia de los términos. La cuestión llega
  a ser tal, que el grado de confianza de que un documento
  contenga un término dado es relevante. Si ésto
  se usa para definir el grado de pertenencia, entonces este
  grado con respecto al conjunto de documentos relevantes,
  puede ser computado para cualquiera de los
  documentos.

  2. Técnica de ponderación de
  términos

  En la búsqueda unos criterios tienen
  más valor que otros, dependiendo de los intereses del
  usuario. Los documentos recuperados se encuentran en
  función del valor obtenido en la ponderación.
  El documento más pertinente de búsqueda
  sería aquel que tenga representado todos los
  términos de búsqueda y, además, el que
  más valor tenga repetidos más veces.

  3. Técnicas de clustering

  Partes: 1, 2