Estudio Sobre Automatic Query Expansion

Estudio sobre automatic query expansión in information retrieval
La relativa ineficacia del sistema de búsqueda de información es en gran parte causada por la inexactitud de los pocos modelos de las palabras claves de la consulta formulada por el usuario sobre la información que necesita . El automatic query expansión (AQE) es un método muy conocido para superar esta limitación porlo cual la búsqueda original del usuario es aumentada con nuevas funciones de similar efecto. AQE tiene una larga historia en la comunidad de la recuperación de información pero es en los últimos años en el que ha alcanzado una madurez experimental y nivel científico en los laboratorios como TREC. Este estudio presenta una visión unificada de un gran número de propuestas recientes para queAQE potencie varias fuentes de datos y emplea diferentes técnicas y principios. Las siguientes preguntas son abordadas : Por que la información de consulta (query information) es tan importante para mejorar la efectividad de búsqueda?, ¿Cuáles son los principales pasos que comprende el diseño e implementación de un componente AQE? ¿Qué propuestas para AQE están disponibles y comocomparlas?,¿Qué problemas deberían resolverse antes que AQE se vuelva un componente estándar del sistema de recuperación de información operativo?
Introducción:
Los actuales sistemas de búsqueda de información incluido los buscadores web tienen un interfaz estándar consistente en una simple casilla de entrada ( input box) que acepta palabras claves enviadas por el usuario que son comparadas con elcollection index con el fin de encontrar los documentos que contengan esas palabras claves que luego se ordenan por varios métodos . Cuando la consulta de usuario contiene varias palabras claves especificas por tema que describe exactamente la información que necesita probablemente el sistema reporte buenas coincidencias .Pero sin embargo este simple modelo de búsqueda esta propenso a cometererrores y omisiones porque las consultas de usuario dadas son usualmente cortas y en un lenguaje ambiguo.
La cuestión lingüística mas critica para la efectividad de la búsqueda es el problema term mismatch : los indixers y usuarios a veces no usan las mismas palabras , al cual se le conoce como problema de vocabulario Furnas et al (1987) que se agrava con el sinónimo ( una misma palabracon diferentes significados como por ejm java ) y polisemia ( diferentes palabras con el mismo o similar significado como por ejm tv and televisión . El sinónimo junto a una inflexión ( por ejm la forma plural de las palabras televisión vs televisiones ) puede dar lugar a la imposibilidad de recuperar documentos pertinentes con una disminución en recall ( es la habilidad del sistema pararecuperar todos los documentos pertinentes ). La polisemia ´puede causar la recuperación de documentos erróneos o inadecuados lo cual implicaría una disminución en precisión ( es la habilidad del sistema para recuperar solo documentos pertinentes o adecuados )
Muchas propuestas se han planteado incluidos interactive query refinement, relevance feedback, word sense disambiguation, and searchresults clustering para tratar el problema de vocabulario. Una de las técnicas más exitosa es ampliar la consulta original con otras palabras para que el usuario intente la mejor captura o simplemente realizar una búsqueda mas conveniente … es mas problable que una consulta recupere documentos pertinentes . AQE tiene una larga historia en la recuperación de información –information retrieval-IR , fue sugerida por Maron y Khuns en 1960.El primer trabajo investigo una serie de importantes/ innovadoras técnicas que luego fueron mejoradas y ampliadas de diferentes maneras , por ejemplo vector feedback
[Ide 1971; Rocchio 1971], term-term clustering [Harper and van Rijsbergen 1978; Lesk
1969; Minker et al. 1972], and comparative analysis of term distributions [Doszkocs
1978; Porter...