Spiegazione del sistema di recupero delle informazioni: tipi, confronto e componenti

Un sistema di recupero delle informazioni (IR) è un insieme di algoritmi che facilitano la pertinenza dei documenti visualizzati rispetto alle query ricercate. In parole semplici, funziona per ordinare e classificare i documenti in base alle query di un utente. C'è uniformità rispetto alla query e al testo nel documento per consentire l'accessibilità del documento.

Ciò consente anche di utilizzare efficacemente una funzione di corrispondenza per classificare formalmente un documento utilizzando il loro valore di stato di recupero (RSV). I contenuti del documento sono rappresentati da una raccolta di descrittori, detti termini, che appartengono ad un vocabolario V. Un sistema IR estrae inoltre feedback sull'usabilità dei risultati visualizzati tracciando il comportamento dell'utente.

Quando parliamo di motori di ricerca, ci riferiamo a Google, Yahoo e Bing tra i motori di ricerca generali. Altri motori di ricerca includono DBLP e Google Scholar.

In questo articolo, esamineremo i diversi tipi di modelli IR, i componenti coinvolti e le tecniche utilizzate nel recupero delle informazioni per comprendere il meccanismo alla base dei motori di ricerca che visualizzano i risultati.

Leggi anche: Stipendio per data scientist in India

Tipi di modello di recupero delle informazioni

Un recupero delle informazioni comprende i seguenti quattro elementi chiave:

1. D − Rappresentazione del documento.
2. Q - Rappresentazione della query.
3. F − Un framework per abbinare e stabilire una relazione tra D e Q.
4. R (q, di) - Una funzione di classificazione che determina la somiglianza tra la query e il documento per visualizzare le informazioni rilevanti.

Esistono tre tipi di modelli di recupero delle informazioni (IR):

1. Modello IR classico : è progettato su concetti matematici di base ed è il più utilizzato dei modelli IR. I modelli classici di recupero delle informazioni possono essere implementati con facilità. I suoi esempi includono modelli IR nello spazio vettoriale, booleani e probabilistici. In questo sistema, il recupero delle informazioni dipende dai documenti contenenti l'insieme definito di query. Non ci sono graduatorie o graduatorie di alcun tipo. I diversi modelli IR classici prendono in considerazione la rappresentazione del documento, la rappresentazione della query e la funzione di recupero/corrispondenza nella loro modellazione.

2. Modello IR non classico — Differiscono dai modelli classici in quanto sono costruiti sulla logica proposizionale. Esempi di modelli IR non classici includono la logica dell'informazione, la teoria della situazione e i modelli di interazione.

3. Modello IR alternativo : prendono i principi del modello IR classico e migliorano per creare modelli più funzionali come il modello Cluster, il modello Fuzzy Set di modelli alternativi di teoria degli insiemi, il modello LSI (Latent Semantic Indexing), i modelli algebrici alternativi Modello di spazio vettoriale generalizzato , eccetera.

Comprendiamo più in dettaglio i modelli IR classici basati sulla somiglianza più adottati:

1. Modello booleano : questo modello richiedeva che le informazioni venissero tradotte in un'espressione booleana e query booleane. Quest'ultimo viene utilizzato per determinare le informazioni necessarie per essere in grado di fornire la corrispondenza corretta quando l'espressione booleana viene trovata vera. Utilizza le operazioni booleane AND, OR, NOT per creare una combinazione di più termini in base a ciò che l'utente chiede.

2. Modello spaziale vettoriale : questo modello accetta documenti e query indicati come vettori e recupera i documenti a seconda di quanto siano simili. Ciò può comportare due tipi di vettori che vengono quindi utilizzati per classificare i risultati della ricerca

• Binario in VSM booleano.
• Ponderato in VSM non binario.

3. Modello di distribuzione delle probabilità — In questo modello, i documenti sono considerati come distribuzioni di termini e le query sono abbinate in base alla somiglianza di queste rappresentazioni. Ciò è reso possibile utilizzando l'entropia o calcolando la probabile utilità del documento. Sono se due tipi:

• Modello di distribuzione delle probabilità basato sulla somiglianza
• Modello di distribuzione delle probabilità basato sull'utilità attesa

4. Modelli probabilistici — Il modello probabilistico è piuttosto semplice e utilizza la classifica delle probabilità per visualizzare i risultati. In parole povere, i documenti vengono classificati in base alla probabilità della loro rilevanza per una query ricercata.

Checkout: scienza dei dati vs analisi dei dati

Componenti del modello di recupero delle informazioni

Ecco i prerequisiti per un modello IR:

1. Un sistema di indicizzazione automatizzato o manuale utilizzato per indicizzare e cercare tecniche e procedure.
2. Una raccolta di documenti in uno qualsiasi dei seguenti formati: testo, immagine o multimediale.
3. Un insieme di query che fungono da input per un sistema, tramite un essere umano o una macchina.
4. Una metrica di valutazione per misurare o valutare l'efficacia di un sistema (ad esempio, precisione e richiamo). Ad esempio, per garantire l'utilità delle informazioni visualizzate all'utente.

I vari componenti di un modello di recupero delle informazioni includono:

Passo 1

Passo 2

Passaggio 3

Passaggio 4

Differenza tra recupero delle informazioni e recupero dei dati

I sistemi di recupero dati recuperano direttamente i dati dai sistemi di gestione del database come ODBMS identificando le parole chiave nelle query fornite dagli utenti e confrontandole con i documenti nel database.

Considerando che il sistema di recupero delle informazioni in DBMS è un insieme di algoritmi o programmi che implicano la memorizzazione, il recupero, la valutazione di documenti e rappresentazioni di query, in particolare basate su testo, per visualizzare i risultati in base alla somiglianza.

Conclusione

Questo ci porta alla fine dell'articolo. Ci auguriamo che le informazioni siano state utili. Se stai cercando maggiori conoscenze sui concetti di Data Science, dovresti dare un'occhiata al 1° programma Executive PG certificato NASSCOM dell'India in Data Science da IITB in poi.