Sistem Pencarian Informasi Dijelaskan: Jenis, Perbandingan & Komponen

Sistem temu kembali informasi (IR) adalah seperangkat algoritme yang memfasilitasi relevansi dokumen yang ditampilkan dengan kueri yang dicari. Dengan kata sederhana, ini berfungsi untuk mengurutkan dan memberi peringkat dokumen berdasarkan kueri pengguna. Ada keseragaman sehubungan dengan kueri dan teks dalam dokumen untuk mengaktifkan aksesibilitas dokumen.

Ini juga memungkinkan fungsi pencocokan untuk digunakan secara efektif untuk menentukan peringkat dokumen secara formal menggunakan Retrieval Status Value (RSV). Isi dokumen diwakili oleh kumpulan deskriptor, yang dikenal sebagai istilah, yang termasuk dalam kosakata V. Sistem IR juga mengekstrak umpan balik tentang kegunaan hasil yang ditampilkan dengan melacak perilaku pengguna.

Ketika kita berbicara tentang mesin pencari, yang kita maksud adalah seperti Google, Yahoo, dan Bing di antara mesin pencari umum. Mesin pencari lainnya termasuk DBLP dan Google Cendekia.

Pada artikel ini, kita akan melihat berbagai jenis model IR, komponen yang terlibat, dan teknik yang digunakan dalam Pengambilan Informasi untuk memahami mekanisme di balik mesin pencari yang menampilkan hasil.

Baca Juga: Gaji Data Scientist di India

Jenis Model Pengambilan Informasi

Sebuah pencarian informasi terdiri dari empat elemen kunci berikut:

1. D Representasi Dokumen.
2. Q Representasi Kueri.
3. F Kerangka kerja untuk mencocokkan dan membangun hubungan antara D dan Q.
4. R (q, di) Fungsi peringkat yang menentukan kesamaan antara kueri dan dokumen untuk menampilkan informasi yang relevan.

Ada tiga jenis model Information Retrieval (IR):

1. Model IR Klasik — Model ini dirancang berdasarkan konsep matematika dasar dan merupakan model IR yang paling banyak digunakan. Model Pencarian Informasi Klasik dapat diimplementasikan dengan mudah. Contohnya termasuk model IR Vector-space, Boolean dan Probabilistic. Dalam sistem ini, pengambilan informasi tergantung pada dokumen yang berisi kumpulan kueri yang ditentukan. Tidak ada rangking atau grading dalam bentuk apapun. Model IR klasik yang berbeda mempertimbangkan Representasi Dokumen, representasi Kueri, dan fungsi Pengambilan/Pencocokan dalam pemodelannya.

2. Model IR Non-Klasik — Mereka berbeda dari model klasik karena dibangun di atas logika proposisional. Contoh model IR non-klasik termasuk Logika Informasi, Teori Situasi, dan model Interaksi.

3. Model IR Alternatif — Ini mengambil prinsip-prinsip model IR klasik dan ditingkatkan untuk membuat model yang lebih fungsional seperti model Cluster, Model Set-Teoretis Alternatif Model Fuzzy Set, model Latent Semantic Indexing (LSI), Model Aljabar Alternatif Model Ruang Vektor Umum , dll.

Mari kita pahami lebih lanjut model IR klasik berbasis kesamaan yang paling banyak diadopsi:

1. Model Boolean — Model ini membutuhkan informasi untuk diterjemahkan ke dalam ekspresi Boolean dan kueri Boolean. Yang terakhir digunakan untuk menentukan informasi yang dibutuhkan untuk dapat memberikan kecocokan yang tepat ketika ekspresi Boolean ditemukan benar. Ini menggunakan operasi Boolean AND, OR, NOT untuk membuat kombinasi beberapa istilah berdasarkan apa yang diminta pengguna.

2. Model Ruang Vektor — Model ini mengambil dokumen dan kueri yang dilambangkan sebagai vektor dan mengambil dokumen tergantung pada seberapa miripnya. Ini dapat menghasilkan dua jenis vektor yang kemudian digunakan untuk menentukan peringkat hasil pencarian baik

• Biner dalam VSM Boolean.
• Tertimbang dalam VSM Non-biner.

3. Model Distribusi Probabilitas — Dalam model ini, dokumen dianggap sebagai distribusi istilah dan kueri dicocokkan berdasarkan kesamaan representasi ini. Ini dimungkinkan dengan menggunakan entropi atau dengan menghitung kemungkinan utilitas dokumen. Mereka adalah jika dua jenis:

• Model Distribusi Probabilitas Berbasis Kemiripan
• Model Distribusi Probabilitas berbasis utilitas yang diharapkan

4. Model Probabilistik — Model probabilistik agak sederhana dan mengambil peringkat probabilitas untuk menampilkan hasil. Sederhananya, dokumen diberi peringkat berdasarkan kemungkinan relevansinya dengan kueri yang dicari.

Checkout: Ilmu Data vs Analisis Data

Komponen Model Pencarian Informasi

Berikut adalah prasyarat untuk model IR:

1. Sistem pengindeksan otomatis atau yang dioperasikan secara manual yang digunakan untuk mengindeks dan mencari teknik dan prosedur.
2. Kumpulan dokumen dalam salah satu format berikut: teks, gambar, atau multimedia.
3. Sekumpulan kueri yang berfungsi sebagai input ke sistem, melalui manusia atau mesin.
4. Metrik evaluasi untuk mengukur atau mengevaluasi efektivitas sistem (misalnya, presisi dan ingatan). Misalnya, untuk memastikan seberapa berguna informasi yang ditampilkan kepada pengguna.

Berbagai komponen Model Pengambilan Informasi meliputi:

Langkah 1

Langkah 2

Langkah 3

Langkah 4

Perbedaan Antara Pengambilan Informasi dan Pengambilan Data

Sistem Pengambilan Data secara langsung mengambil data dari sistem manajemen basis data seperti ODBMS dengan mengidentifikasi kata kunci dalam kueri yang disediakan oleh pengguna dan mencocokkannya dengan dokumen dalam basis data.

Sedangkan sistem Information Retrieval dalam DBMS adalah sekumpulan algoritma atau program yang melibatkan penyimpanan, pengambilan, evaluasi representasi dokumen dan query, terutama berbasis teks, untuk menampilkan hasil berdasarkan kesamaan.

Kesimpulan

Ini membawa kita ke akhir artikel. Kami harap informasinya bermanfaat bagi Anda. Jika Anda mencari lebih banyak pengetahuan tentang konsep Ilmu Data, Anda harus memeriksa Program PG Eksekutif bersertifikasi NASSCOM India pertama dalam Ilmu Data dari IITB di upGrad.