Sistemas de Recuperación de Información Recopilación Bibliográfica
Operaciones con los Textos
Todas las operaciones tienen como objetivo confeccionar índices con la inclusión de términos de alto peso informativo, las operaciones posibles son:
Análisis sintáctico o lexicográfico: opera sobre todos los caracteres del texto y reconoce determinadas secuencias de caracteres como palabras o elementos indexables que sirven para la recuperación.
Palabras vacías: son de alta frecuencia de aparición y muy bajo significado, por lo tanto, se los elimina de las posibilidades de indexación.
Stemming: algoritmo de normalización lingüística por medio del cual las palabras se reducen a una unidad semántica conocida como stem en ingles o sema en español. Se realiza extrayendo los prefijos y sufijos de las palabras, manteniendo de esa forma una partícula menor que se relaciona directamente con la raíz de significado de la palabra con peso semántico propio.
Grupos nominales: grupos de palabras compuestos con peso semántico propio, dependiendo del idioma serán los grupos nominales.
En este espacio lo que se pretende es traer información actualizada sobre diferentes aplicaciones de estas operaciones para mejorar los SRI.
Fuente: Di Muro, E. (2018) Eje 2: los procesos preparatorios y las operaciones con los textos. Universidad de Mar del Plata – LICAD – Seminario B: Temas principales de la Recuperación de Información: Buenos Aires.
Álvarez García, J. C. (2010). Clasificación automática de información en portales web mediante técnicas de clustering. (Tesis de Doctorado) Universidad de Salamanca – Departamento de informática y automática, España Disponible en: https://gredos.usal.es/handle/10366/76382
En primera instancia esta tesis logra encuadrar un marco teórico claro en los modelos de recuperación de información, a su vez explica que las técnicas de clustering son de análisis de datos en las que se aplican las observaciones según su similitud. Este trabajo logra analizar las distintas reglas y técnicas del clustering para clasificar de forma automatizada grandes cantidades de información web, y lograr encontrar las mejores metodologías para la clasificación de documentos digitales incorporándolo en los distintos sistemas de recuperación de información. En este sentido el aporte de la tesis es clave para comprender las operaciones con los textos y la construcción de tesauros necesarios para la posterior automatización de la indexación.
DESCRIPTORES: LENGUAJE DE PROGRAMACIÓN; ANÁLISIS AUTOMÁTICO DE TEXTOS; INDEXACIÓN AUTOMÁTICA
Cabaleiro Barciela, B., & Peñas Padilla, A. (2012). Representación gráfica de documentos para extracción automática de relaciones. Procesamiento del lenguaje natural, 49, 57-64. Disponible en: https://rua.ua.es/dspace/bitstream/10045/23920/1/PLN_49_06.pdf
Este trabajo presenta un sistema de representación de documentos basados en el análisis semántico del lenguaje natural utilizado en los documentos, de esta forma pretende crear una representación a nivel múltiple para agilizar las tareas de procesamiento de la información en los distintos sistemas de recuperación de información.
DESCRIPTORES: LINGÜÍSTICA INFORMÁTICA; ANÁLISIS AUTOMÁTICO DE TEXTOS; INDEXACIÓN AUTOMÁTICA
Casali, A., Deco, C., & Beltramone, S. (2015). Asistente para Poblar Repositorios: Recopilación de Objetos Digitales y Extracción de Metadatos. Versión Abierta Español–Portugués de la Revista Iberoamericana de Tecnología del aprendizaje,3 (2), 93-100. Disponible en: http://rita.det.uvigo.es/VAEPRITA/201506/uploads/VAEP-RITA.2015.V3.N2.pdf#page=35
Este articulo plantea la estructura de un sistema de poblador de repositorios institucionales, es decir, un software que logre rastrear en la web documentos de relevancia educativa en acceso abierto, extraerlo, analizarlo, rescatar los metadatos y generar un registro y posterior publicación en un repositorio temático o institucional, para ello se emplean teorías informáticas y se analizan los prototipos ya existentes, la incorporación de este documento a la recopilación genera un recurso para la creación de un sistema propio en cualquier espacio de repositorios institucionales y por ende de servicio de recuperación de información.
DESCRIPTORES: ANÁLISIS AUTOMÁTICO DE TEXTOS; INDEXACIÓN AUTOMÁTICA; RECUPERACIÓN DE INFORMACIÓN
De la Calle Velasco, G. (2014). Modelo basado en técnicas de procesamiento de lenguaje natural para extraer y anotar información de publicaciones científicas (Tesis Doctoral), Universidad Politécnica de Madrid – Escuela Técnica Superior de Ingenieros Informáticos, España. Disponible en: https://core.ac.uk/download/pdf/33172955.pdf
Este trabajo plantea la problemática de identificar, clasificar y dar acceso a los distintos trabajos académicos en acceso abierto disponibles en la web, y propone como solución un modelo teórico y genérico para construir de índices a partir de la extracción de metadatos de los recursos académicos disponibles en internet, este modelo contempla desde las fuentes desde donde se realizaran las extracciones, hasta la clasificación y curación de contenido, tomando como base el lenguaje natural de los distintos artículos de la literatura científica.
DESCRIPTORES: ANÁLISIS AUTOMÁTICO DE TEXTOS; INDEXACIÓN AUTOMÁTICA; LENGUAJE DE PROGRAMACIÓN
Deco, C. (2009). Mejora de la recuperación de información en bases de datos de texto utilizando recursos lingüísticos. (Tesis Doctoral) Universidad Nacional de Rosario - Facultad de Ciencias Exactas, Ingeniería y Agrimensura, Argentina. Disponible en: http://rephip.unr.edu.ar/handle/2133/6447
Esta tesis propone la redefinición de las búsquedas a través del refinamiento semántico de los conceptos expuestos por el usuario con el fin de optimizar los estándares de precisión de resultados y satisfacción de la necesidad informativa, para esto se utilizaron recursos lingüísticos y se construyeron mejoras en las estrategias de búsquedas. En este trabajo el refinamiento semántico se plantea a través de guías al usuario por los distintos conceptos similares a los ingresados en orden jerárquico, simulando un tesauro de estas características con ayudas claras para su comprensión. Esto permite el reordenamiento de los resultados según la jerarquía semántica de los documentos y no de la relevancia clásica.
DESCRIPTORES: ANÁLISIS AUTOMÁTICO DE TEXTOS; INDEXACIÓN AUTOMÁTICA; LENGUAJE DE PROGRAMACIÓN
Padilla Camacho, J. E. (2016). Evaluación de sistemas de extracción de frases clave. (Tesis de pregrado) Universidad Autónoma del Estado De México, México. Disponible en: https://core.ac.uk/download/pdf/132423119.pdf
El trabajo expone la comparación de distintos sistemas de extracción automática de frases claves sobre los documentos científicos, lo que llevo como resultado la valoración de que sistema funciona mejor según los objetivos planteados para cada una de las situaciones planteadas.
DESCRIPTORES: ANÁLISIS AUTOMÁTICO DE TEXTOS; INDEXACIÓN AUTOMÁTICA; EVALUACIÓN DE LA TECNOLOGÍA
Pérez Iglesias, J. (2012). Predicción del rendimiento de consultas basado en rankings de documentos y nuevo marco de evaluación. (Tesis Doctoral) Universidad Nacional de Educación a Distancia - Escuela Técnica Superior de Ingeniería Informática. Disponible en: http://e-spacio.uned.es/fez/eserv/tesisuned:IngInf-Jperez/Documento_1.pdf
La tesis cuenta con un marco teórico sobre sistemas de recuperación completo, e incorpora los conceptos y trabaja sobre la predicción de la calidad de la consulta, es que una técnica que se basa en estimar la calidad del conjunto de documentos recuperados en cualquier SRI, basados en la premisa de que un alto grado de dispersión de los valores de relevancia implica una mayor calidad de respuestas. Para esto propone un nuevo método de predicción encuadrado dentro de los denominados Post-Retrieval basados exclusivamente en los valores de relevancia que asigna una función de ranking en los documentos a partir de una consulta.
DESCRIPTORES: LENGUAJE DE PROGRAMACIÓN; EVALUACIÓN DE LA TECNOLOGÍA
Robles Morales, E. A., & Parra Baquero, A. N. (2017) Prototipo de Herramienta de Software para la Extracción de Información en Documentos PDF Utilizando un Motor de Base de Datos nosql. Universidad Distrital Francisco José De Caldas - Facultad De Ingeniería, Colombia. Disponible en: http://repository.udistrital.edu.co/bitstream/11349/7308/1/ParraBaqueroAndreaNathaly2017.pdf
Se plantean las bases de creación de un software para la extracción de metadatos dentro de los documentos en formato PDF, de esta forma se genera una indexación propia desde el lenguaje natural de cada documento digital. Es un aporte a la automatización de los procesos de descripción y representación de documentos.
DESCRIPTORES: LENGUAJE DE PROGRAMACIÓN; ANÁLISIS AUTOMÁTICO DE TEXTOS; EVALUACIÓN DE LA TECNOLOGÍA
Ryckeboer, H. E. J. L., Spositto, O. M., Barone, M. A. T., Blanco, G. E., Etcheverry, M. E., Procopio, G. E., & Quintana, F. H. (2019). Implementación de un sistema de recuperación de la información. (Tesis pregrado) Universidad Nacional de La Matanza - Departamento de Ingeniería e Investigaciones Tecnológicas, Buenos Aires. Disponible en: https://repositoriocyt.unlam.edu.ar/handle/123456789/310
El trabajo se basa en la implementación de un Sistema de Recuperación de información y su evaluación para lo cual se plantean las distintas técnicas que existen, y se toma el análisis para su uso de un modelo derivado del Vectorial, el de indexación semántica latente. Por último, plantea la estructura necesaria de dichos sistemas y la posterior forma de evaluar sus resultados teniendo como objetivo su pronta implementación en distintas Pymes. Marca un aporte practico y a su vez realiza un importante marco conceptual que lo hace valioso para esta recopilación.
DESCRIPTORES: RECUPERACIÓN DE INFORMACIÓN; EVALUACIÓN DE LA TECNOLOGÍA; PROGRAMACIÓN INFORMÁTICA
Sadeghi Hassanabadi, M. (2015). Recuperación de información en Persa: revisión crítica y propuestas de mejora. (Tesis Doctoral) Universidad de Valladolid, España. Disponible en: http://uvadoc.uva.es/handle/10324/16008
Esta tesis lo que marca es el desarrollo de un algoritmo que mejore los sistemas de recuperación de información en lengua Persa, lo que lograra que tanto el procesamiento de los textos para su indexación como el procesamiento de las búsquedas y por ende las respuestas incremente su grado de efectividad tanto en los SRI de software como los de recuperación web.
DESCRIPTORES: PERSA; RECUPERACIÓN DE INFORMACIÓN; PROGRAMACIÓN INFORMÁTICA
Viñas, E. F., Serrano-Guerrero, J., Olivas, J. A., de la Mata, J., & Soto, A. (2010). FOG: Arquitectura flexible para la generación automática de ontologías. En Actas del XV Congreso Español sobre Tecnologías y Lógica Fuzzy. ESTYLF. 525-530. Disponible en: https://www.researchgate.net/profile/Jesus_Serrano-Guerrero/publication/228789280_FOG_Arquitectura_flexible_para_la_generacion_automatica_de_ontologias/links/0fcfd50ded753a6a84000000.pdf
El articulo analiza el problema de las consultas en un sistema de recuperación de información y la falta de relación entre las palabras y el contexto de búsqueda, para lo cual propone la arquitectura de una plataforma llamada Fuzzy Ontology Generator (FOG) que permite establecer ontologías que establecen relaciones entre palabras creando conceptos complejos que logrará mejorar los resultados de cualquier consulta.
DESCRIPTORES: PROGRAMACIÓN INFORMÁTICA; ANÁLISIS AUTOMÁTICO DE TEXTOS; INDEXACIÓN AUTOMÁTICA