4.7 KiB
Introducción a la Recuperación de Información y Sistemas de Recomendación
Conceptos básicos
La Recuperación de Información (IR) trata de representar, almacenar y organizar datos no estructurados. Es básicamente el proceso de buscar información en una colección de documentos mediante una consulta (query). Hay dos paradigmas:
- Recuperación: tenemos clara la información que queremos recuperar y vamos a la página de inmediato.
- Búsqueda: hay que "navegar" hasta encontrar lo que queremos.
Recuperación de la Información
- Primera generación: modelos booleanos, vectoriales y probabilísticos. Ej: Lycos.
- Segunda generación: toda la web es un grafo donde los vértices son los documentos y las aristas enlaces entre ellos. Ej: Google.
- Tercera generación: Open research
Conceptos básicos
- Hay una necesidad de información que se expresa como una query en formato libre.
- La query codifica la información.
- La query es un documento que se comparará con los documentos en la colección.
- Efectividad VS Eficiencia
- Funciones de similaridad
- Buscar secuencial o paralelo?
Taxonomía de la búsqueda web
Las queries se pueden clasificar en 3 clases:
- Navegacional: quiero ir a una web y no sé la URL, busco una palabra y navego para encontrar la web (~20%).
- Informacional: quiero adquirir información de una página en la que sé que existe (~50%).
- Transaccional: quiero realizar una actividad comercial en una web (~30%).
Problemas
- Colección de datos muy grande que es dinámica, auto-organizada y hiperenlazada.
- Consultas muy cortas.
- Usuarios no sofisticados en tecnología.
- Dificultad para juzgar la relevancia y rankear resultados.
- Sinonimia y ambigüedad.
A la hora de elegir una estrategia, depende de varios factores:
- La naturaleza de la información que se quiere buscar
- La estructura del contenido del repositorio
- Las herramientas de búsqueda disponibles
- La habilidad del usuario para usar herramientas de búsqueda
Búsqueda de información y toma de decisiones
Están estrictamente relacionadas. O bien buscamos información para tomar decisiones, o tomamos decisiones respecto a qué información consideramos o cuándo parar de buscar (debido a la sobrecarga de información de la web).
Sistemas de Recomendación
Se basa en 3 cosas:
- Predicción de puntuación: el sistema debe ser capaz de puntuar un item que el usuario no ha puntuado (númerica: regresión, discreta: clasificación).
- Ranking: el sistema debe ser capaz de calcular una puntuación para cada item y entonces rankearlo respecto a esa puntuación.
- Selección: el sistema debe de disponer de un modelo que seleccione los
Nitems más relevantes.
Sistemas colaborativos
El sistema intentará predecir la opinión que tendrá el usuario en diferentes items y será capaz de recomendar "el mejor" item basado en los gustos previos del usuario y de otros usuarios parecidos a este.
Matriz de rating
!Pasted image 20260217115003.png
Sistemas colaborativos y Google
Los motores de búsqueda no son sistemas de recomendación, PERO, tienen varias similaridades:
- Los dos rankean items
- El ranking se basa en las opiniones de usuarios
Para rankear páginas se cuentan los inlinks o enlaces que referencian dichas páginas. Las páginas no son igual de importantes.
El voto de cada link es proporcional a la importancia de la página fuente. Si la página P con importancia x tiene n enlaces de salida, cada enlace obtiene x/n votos.
Sistemas de Recomendación VS Motores de búsqueda
- Los SR cogen técnicas de los IR (filtro basado en contenido por ejemplo).
- Los IR tratan con repositorios grandes de datos no estructurados mientras que los SR están enfocados a tópicos únicos.
- Los IR están recibiendo cada día más personalización.
- Los IR localizan contenido relevante para el usuario, que debería ser capaz de evaluar dicha relevancia.
- Los RS diferencian contenido relevante para el usuario, que no tiene conocimiento para evaluar la relevancia.