Sistemul de recuperare a informațiilor explicat: tipuri, comparații și componente

Un sistem de regăsire a informațiilor (IR) este un set de algoritmi care facilitează relevanța documentelor afișate pentru interogările căutate. Cu cuvinte simple, funcționează pentru a sorta și clasifica documentele pe baza interogărilor unui utilizator. Există uniformitate în ceea ce privește interogarea și textul din document pentru a permite accesibilitatea documentului.

Acest lucru permite, de asemenea, ca o funcție de potrivire să fie utilizată eficient pentru a clasifica un document în mod oficial utilizând valoarea lor de stare de recuperare (RSV). Conținutul documentului este reprezentat de o colecție de descriptori, cunoscuți sub denumirea de termeni, care aparțin unui vocabular V. Un sistem IR extrage, de asemenea, feedback cu privire la utilizarea rezultatelor afișate prin urmărirea comportamentului utilizatorului.

Când vorbim de motoarele de căutare, ne referim la Google, Yahoo și Bing printre motoarele de căutare generale. Alte motoare de căutare includ DBLP și Google Scholar.

În acest articol, vom analiza diferitele tipuri de modele IR, componentele implicate și tehnicile utilizate în Recuperarea informațiilor pentru a înțelege mecanismul din spatele motoarele de căutare care afișează rezultate.

Citește și: Salariul Data Scientist în India

Tipuri de model de regăsire a informațiilor

O recuperare a informațiilor cuprinde următoarele patru elemente cheie:

1. D − Reprezentarea documentelor.
2. Q − Reprezentarea interogării.
3. F − Un cadru pentru a potrivi și a stabili o relație între D și Q.
4. R (q, di) − O funcție de clasare care determină asemănarea dintre interogare și document pentru a afișa informații relevante.

Există trei tipuri de modele de recuperare a informațiilor (IR):

1. Modelul IR clasic — Este conceput pe baza conceptelor matematice de bază și este cel mai utilizat model IR. Modelele clasice de recuperare a informațiilor pot fi implementate cu ușurință. Exemplele sale includ modele IR cu spațiu vectorial, boolean și probabilistic. În acest sistem, regăsirea informațiilor depinde de documentele care conțin setul definit de interogări. Nu există nicio clasare sau notare de niciun fel. Diferitele modele IR clasice iau în considerare în modelarea lor Reprezentarea documentului, Reprezentarea interogării și funcția Retrieval/Matching.

2. Model IR non-clasic — Ele diferă de modelele clasice prin faptul că sunt construite pe logica propozițională. Exemple de modele IR non-clasice includ logica informațiilor, teoria situației și modelele de interacțiune.

3. Model IR alternativ — Acestea preiau principiile modelului IR clasic și le îmbunătățesc pentru a crea modele mai funcționale, cum ar fi modelul Cluster, Modelele teoretice alternative Fuzzy Set, modelul de indexare semantică latentă (LSI), Modelele algebrice alternative Modelul spațial vectorial generalizat , etc.

Să înțelegem mai în detaliu cele mai adoptate modele IR clasice bazate pe similitudine:

1. Model boolean — Acest model necesita ca informațiile să fie traduse într-o expresie booleană și interogări booleene. Acesta din urmă este folosit pentru a determina informațiile necesare pentru a putea oferi potrivirea corectă atunci când expresia booleană este găsită a fi adevărată. Folosește operații booleene ȘI, SAU, NU pentru a crea o combinație de mai mulți termeni pe baza a ceea ce solicită utilizatorul.

2. Modelul spațial vectorial — Acest model preia documente și interogări notate ca vectori și preia documente în funcție de cât de asemănătoare sunt. Acest lucru poate duce la două tipuri de vectori care sunt apoi utilizați pentru a clasa rezultatele căutării

• Binar în VSM boolean.
• Ponderată în VSM non-binar.

3. Modelul de distribuție a probabilității — În acest model, documentele sunt considerate ca distribuții de termeni și interogări sunt potrivite pe baza similitudinii acestor reprezentări. Acest lucru este posibil folosind entropia sau calculând utilitatea probabilă a documentului. Sunt de două tipuri:

• Modelul de distribuție a probabilității bazat pe similitudine
• Modelul de distribuție a probabilității bazat pe utilitate așteptată

4. Modele probabilistice — Modelul probabilistic este destul de simplu și utilizează clasarea probabilității pentru a afișa rezultatele. Pentru a spune simplu, documentele sunt clasificate în funcție de probabilitatea relevanței lor pentru o interogare căutată.

Checkout: Data Science vs Data Analytics

Componentele modelului de regăsire a informațiilor

Iată cerințele preliminare pentru un model IR:

1. Un sistem de indexare automat sau manual utilizat pentru indexarea și căutarea tehnicilor și procedurilor.
2. O colecție de documente în oricare dintre următoarele formate: text, imagine sau multimedia.
3. Un set de interogări care servesc ca intrare într-un sistem, prin intermediul unui om sau al unei mașini.
4. O metrică de evaluare pentru a măsura sau evalua eficacitatea unui sistem (de exemplu, precizie și reamintire). De exemplu, pentru a asigura cât de utile sunt informațiile afișate utilizatorului.

Diferitele componente ale unui model de regăsire a informațiilor includ:

Pasul 1

Pasul 2

Pasul 3

Pasul 4

Diferența dintre regăsirea informațiilor și regăsirea datelor

Sistemele de recuperare a datelor preiau direct datele din sistemele de gestionare a bazelor de date precum ODBMS prin identificarea cuvintelor cheie în interogările furnizate de utilizatori și potrivirea acestora cu documentele din baza de date.

În timp ce sistemul de regăsire a informațiilor din DBMS este un set de algoritmi sau programe care implică stocarea, preluarea, evaluarea reprezentărilor documentelor și a interogărilor, în special bazate pe text, pentru a afișa rezultate bazate pe similaritate.

Concluzie

Asta ne duce la finalul articolului. Sperăm că ați găsit informațiile utile. Dacă sunteți în căutarea mai multor cunoștințe despre conceptele științei datelor, ar trebui să consultați primul program executiv PG certificat NASSCOM din India de la IITB pe upGrad.