Information Retrieval

Da Wikipedia, l'enciclopedia libera.

Questa voce riguardante un argomento di informatica non è ancora stata tradotta completamente dalla lingua inglese. Terminala o riscrivila tu.

Nota: il testo da tradurre potrebbe essere nascosto: vai in modifica per visualizzarlo.

L'Information retrieval (IR) (lett: recupero d'informazioni) è quella disciplina che studia la ricerca di informazioni, documenti, metadati, file, all'interno di banche dati o documenti stessi, di qualsiasi tipologia od estensione (anche in Internet, per esempio).

Il termine è stato coniato da Calvin Mooers alla fine degli anni '40 del novecento.

L'IR è un campo interdisciplinare che raduna molte altre discipline. Proprio a causa di ciò è spesso affrontato solo da una prospettiva o dall'altra. L'IR coinvolge la psicologia cognitiva, l'architettura informativa, la filosofia (vedi la voce ontologia), il design, il comportamento umano sull'informazione, la linguistica, la semiotica, la scienza dell'informazione e l'informatica.

Molte università e biblioteche pubbliche utilizzano sistemi IR per fornire accesso a pubblicazioni, libri ed altri documenti.

I sistemi IR utilizzano l'oggetto e la query effettuata dall'utente. Le query sono formali enunciazioni di necessità di informazione che vengono immesse dall'utente in un sistema IR. Un oggetto è un'entità che mantiene o immagazzina informazioni in una banca dati. Le query dell'utente vengono messe in relazione coi documenti presenti in una banca dati. Un documento è, perciò, un oggetto di dati. Spesso i documenti stessi non sono mantenuti o immagazzinati direttamente nel sistema IR, ma vengono rappresentati nel sistema da surrogati di documenti.

I motori di ricerca del Web come Google e Yahoo sono le applicazioni più note ed ovvie che si basano sulle teorie di Information Retrieval.

Indice

1 Misure di prestazione
2 Tassonomia dei modelli
- 2.1 Classificazione matematica dei modelli
- 2.2 Classificazione in base alle proprietà dei modelli
3 Bibliografia
4 Voci correlate
5 Collegamenti esterni

[modifica] Misure di prestazione

Ci sono molti modi per misurare quanto bene l'informazione intesa si associa all'informazione recuperata.

[modifica] Precisione (ingl. Precision)

La proporzione di documenti pertinenti fra quelli recuperati:

P = (numero di documenti pertinenti recuperati) / (numero di documenti recuperati)

Nella classificazione binaria la precisione è analoga al valore positivo di previsione. La precisione può anche essere valutata a rispetto a un certo valore soglia, indicato con P@n, piuttosto che relativamente a tutti i documenti recuperati: in questo modo, si può valutare quanti fra i primi n documenti recuperati sono rilevanti per la query.

Si noti che il significato e l'uso del termine "precisione" nel campo dell'IR differiscono dalla definizione di accuratezza e precisione tipiche di altre discipline scientifiche e tecnologiche.

[modifica] Recupero (o Richiamo, ingl. Recall)

È la proporzione fra il numero di documenti rilevanti recuperati e il numero di tutti i documenti rilevanti disponibili nella collezione considerata:

R = (numero di documenti rilevanti recuperati) / (numero di documenti rilevanti)

Nella classificazione binaria, questo valore è chiamato sensitività.

[modifica] misura F (ingl. F-measure)

È la media armonica pesata fra precisione e recupero. La versione tradizionale, detta anche bilanciata, è data da:

$F = 2 \times \mathrm{precisione} \times \mathrm{recupero} / (\mathrm{precisione} + \mathrm{recupero}).\,$

Questa misura è anche detta $F 1$ , perché sia la precisione che il recupero nella formula precedente hanno appunto il peso 1.

In generale, la formula è:

$F_N = (1 + N^2) \times \mathrm{precisione} \times \mathrm{recupero} / ((N^2 \times \mathrm{precisione}) + \mathrm{recupero}).\,$

Altre due formule comuni sono $F 0.5$ , che assegna alla precisione un peso doppio rispetto al recupero, e la $F 2$ , che al contrario pesa il recupero al doppio della precisione.

[modifica] Tassonomia dei modelli

classificazione dei modelli IR (tradotto da de.wiki.org, fonte originale logos-verlag.de)

Per concludere con successo una ricerca di informazioni, è necessario rappresentare i documenti in qualche modo. C'è un certo numero di modelli aventi tale scopo. Essi possono essere classificati secondo due criteri, come mostrato nella figura a destra: in base ad un criterio matematico e in base alle proprietà del modello (tradotto da de.wiki.org, fonte originale logos-verlag.de).

[modifica] Classificazione matematica dei modelli

Modelli Set-theoretic rappresentano i documenti mediante insiemi. Le somiglianze derivano in genere da operazioni teoriche su questi insiemi. I modelli più comuni sono:
- Modello Booleano Standard
- Modello Booleano Esteso
- Recupero fuzzy

Modelli Algebrici rappresentano i documenti e le query con vettori, matrici o tuple, che, utilizzando un numero finito di operazioni algebriche, vengono trasformati in una misura numerica, la quale esprime il grado di somiglianza dei documenti con la query.
- Modello a Spazio Vettoriale
- Modello a Spazio Vettoriale Generalizzato
- Topic-based vector space model (literature: [1], [2])
- Modello Booleando Esteso
- Enhanced topic-based vector space model (literature: [3], [4])
- Latent semantic indexing aka latent semantic analysis

Modelli Probabilistici trattano il processo di recupero dei documenti come un esperimento aleatorio multi-livello. Le somiglianze sono quindi rappresentate come probabilità. I teoremi probabilistici come il teorema di Bayes sono spesso usati in questi modelli.
- Binary independence retrieval
- Uncertain inference
- Language models
- Divergence from randomness models

[modifica] Classificazione in base alle proprietà dei modelli

Modelli senza interdipendenza dei termini trattano diversi termini/parole come non interdipendenti. Ciò viene rappresentato spesso nei modelli a spazi vettoriali affermando che i vettori dei termini siano ortogonali, o nei modelli probabilistici affermando che le variabili dei termini siano indipendenti.

Modelli con interdipendenza dei termini intrinseca consentono una rappresentazione diretta delle interdipendenze tra termini. Comunque il grado di interdipendenza tra due termini è definito dal modello stesso. In genere, esso è direttamente o indirettamente derivato (vedi per es. dimensional reduction) dalla co-occorrenza di questi termini nell'intero insieme di documenti.

Modelli con interdipendenza dei termini trascendente consentono una rappresentazione diretta delle interdipendenze tra termini, ma essi non riportano come l'interdipendenza tra due termini sia definita. Si riferiscono ad una fonte esterna per stabilire il grado di interdipendenza tra due termini (ad esempio un umano o degli algoritmi sofisticati).

[modifica] Bibliografia

Ricardo Baeza-Yates e Berthier Ribeiro-Neto, Modern Information Retrieval, Addison Wesley, 1999
Robert Korfhage, Information Storage and Retrieval, Wiley, 1997
Daniel Brown, Mastering Information Retrieval and Probabilistic Decision Intelligence Technology, Chandos Publishing (Oxford), 2004
S. Chakrabarti, Mining the Web: discovering knowledge from hypertext data, Morgan Kaufmann, 2003
Fabio Crestani, Information retrieval uncertainty and logistics, Kluwer, 1998
Luca Spinelli, Panoramica sul web semantico, in «Login», Gruppo Editoriale Infomedia, nov. 2005
Luca Spinelli, Il mondo dei desktop search, in «Login», Gruppo Editoriale Infomedia, nov. 2005
Renato Battistin, Gli algoritmi per il web: il PageRank e l'HITS, in «Login», Gruppo Editoriale Informedia, nov. 2005
C. J. van Rijsbergen, Information Retrieval, on line book, 1980

[modifica] Voci correlate

[modifica] Collegamenti esterni

Sistemi di Information Retrieval Open Source

GalaTex XQuery Full-Text Search (XML query text search)
ht://dig Open source web crawling software
iHOP Information retrieval system for the biomedical domain
EBIMed Information retrieval (and extraction) system over Medline
Information Storage and Retrieval Using Mumps(Online GPL Text)
Lemur Language Modelling IR Toolkit
Lucene, Apache Jakarta project
MG full-text retrieval system Now maintained by the Greenstone Digital Library Software Project
SMART Early IR engine from Cornell University
Sphinx Free open-source SQL full-text search engine
Terrier Information Retrieval Platform
Wumpus multi-user information retrieval system
Xapian Open source IR platform based on Muscat
Zebra GPL structured text/XML/MARC boolean search IR engine supporting Z39.50 and Web Services
Zettair

Maggiori gruppi di ricerca sull'Information Retrieval

Approfondimenti

Estratto da "http://it.wikipedia.org../../../i/n/f/Information_Retrieval_f9bd.html"

Categorie: Da tradurre - informatica | Da tradurre dalla lingua inglese | Da tradurre maggio 2006 | Applicazioni dell'informatica | Ontologia