Obtención de una función de distribución probabilística global para simular juicios de usuario

Abstract

La recuperación de la información (IR) es la obtención de material no estructural, comúnmente documentos de texto, que satisfacen una necesidad información, que normalmente se encuentra almacenados en computadoras, con el objetivo de facilitar y acelerar la determinación de la relevancia informativa de una consulta de un usuario. Por otro lado, un sistema de recopilación de información (IRS) tiene como objetivo representar y almacenar grandes cantidades de información. Dos principales procesos que se pueden encontrar en un IRS son: indexación y correspondencia, la indexación corresponde al proceso de representar y almacenar documentos, el cual debe ser eficiente no sólo para almacenar si no para acceder al documento, por otro lado el proceso de correspondencia tiene el objetivo de estimar si un documento es relevante o no a una consulta del usuario, esta correspondencia suele estar representada por una puntuación que se le asigna al aplicar el proceso, cuando la consulta es aplicada un conjunto de documentos es entregado al usuario como una lista ordenada decreciente en base al puntaje. Los IRS surgieron a finales de los años 40, las mejoras surgieron a finales de los años 50, una de las más importantes está relacionada con la evaluación de los IRS, lo que ha permitido a la comunidad crear sistemas cada vez más eficientes y comparar diversos enfoques. Existe una gran cantidad de enfoques de IR que tratan de la indexación, las funciones de concordancia, los modelos formales y la retroalimentación de relevancia, sin embargo existen pocos enfoques que buscan ventajas en búsquedas realizadas anteriormente por los usuarios. Las búsquedas históricas proporcionan una fuente de información útil para los nuevos usuarios, que entregan nuevas consultas, por ejemplo, en estas búsquedas históricas se puede recopilar lo que fue realmente relevante para el primer usuario de la lista de documentos del proceso de correspondencia, para luego al segundo usuario entregar el documento relevante en una posición más privilegiada sin necesidad de realizar el proceso de correspondencia nuevamente para la nueva consulta, a estas decisiones de los usuarios le dicen “juicios de usuarios”, y este proyecto tiene como objetivo obtener una función de distribución probabilística global de juicios de usuarios que permita estimar que documentos son relevantes para nuevas consultas en base de búsquedas históricas.