RECUPERACION DE INFORMACION

PREFACIO

LISTA DE AUTORES

CAPÍTULO 1. INTRODUCCIÓN A LA RECUPERACIÓN DE INFORMACIÓN

Benjamin Piwowarski y Roi Blanco González (Traducido por Nahir Seijo Saavedra)

1.1 DEFINICIÓN DE RECUPERACIÓN DE INFORMACIÓN

1.1.1 Introducción

1.1.2 Las tres dimensiones de la Recuperación de Información

1.1.3 Componentes de un sistema de RI

1.2 BREVE HISTORIA DE LA RECUPERACIÓN DE INFORMACIÓN

1.2.1 Las bibliotecas se digitalizan

1.2.2 La web

1.3 CONCEPTOS IMPORTANTES

1.3.1 Relevancia

1.3.2 Representación

1.3.3 Modelo

1.3.4 Evaluación

1.3.5 Índices

CAPÍTULO 2. INDEXACIÓN DE DOCUMENTOS Y PROCESADO DE CONSULTAS

Roi Blanco González

2.1 INTRODUCCIÓN

2.1.1 Fuentes de datos y adquisición de documentos

2.1.2 Procesamiento de textos

2.1.3 Procesado de términos

2.2 INDEXACIÓN MEDIANTE FICHEROS INVERTIDOS

2.2.1 Diccionario

2.2.2 Fichero de ocurrencias

2.3 PROCESADO DE CONSULTAS

2.3.1 Modificación de los términos de la consulta.

2.3.2 Consultas booleanas y emparejamiento coordinado

2.3.3 Optimizaciones al procesado de consultas

2.3.4 Implementación del emparejamiento en un sistema real

CAPÍTULO 3. MODELOS DE RECUPERACIÓN DE INFORMACIÓN CLÁSICOS

Fidel Cacheda Seijo y Juan Antonio Martínez Comeche

3.1 INTRODUCCIÓN

3.2 MODELO BOOLEANO

3.3 MODELO VECTORIAL

3.3.1 Esquemas de ponderación

3.4 MODELO PROBABILÍSTICO

CAPÍTULO 4. EVALUACIÓN DE LA EFICACIA DE LA RECUPERACIÓN

Juan Antonio Martínez Comeche

4.1 INTRODUCCIÓN

4.2 CONCEPTOS BÁSICOS

4.2.1 Eficacia, eficiencia

4.2.2 Relevancia

4.2.3 Exhaustividad, precisión

4.3 MEDIDAS DE LA EFICACIA A PARTIR DE LA CURVA PRECISIÓN-EXHAUSTIVIDAD

4.3.1 Medidas basadas en puntos de la curva

4.3.2 Medidas que emplean interpolación y valores medios

4.4 MEDIDAS ORIENTADAS AL USUARIO

4.5 COLECCIONES DE PRUEBA

CAPÍTULO 5. RECUPERACIÓN DE INFORMACIÓN WEB

Juan Antonio Martínez Comeche y Fidel Cacheda Seijo

5.1 INTRODUCCIÓN

5.2 LA WORLD WIDE WEB

5.2.1 Componentes

5.2.2 Conceptos básicos

5.2.3 Retos

5.3 RECOPILACIÓN DE PÁGINAS WEB

5.4 PROCESAMIENTO DE PÁGINAS WEB

5.5 ORDENACIÓN DE RESULTADOS BASADA EN EL ANÁLISIS DE ENLACES

5.5.1 HITS

5.5.2 PageRank

5.6 MEDIDAS ESPECÍFICAS DE EVALUACIÓN DE LA EFICACIA

CAPÍTULO 6. SISTEMAS DE BÚSQUEDA Y OBTENCIÓN DE INFORMACIÓN

Lluís Codina Bonilla

6.1 INTRODUCCIÓN

6.2 LA BÚSQUEDA COMO SECTOR ECONÓMICO Y SOCIAL

6.3 CARACTERÍSTICAS GENERALES Y ESTRATEGIAS EN LA BÚSQUEDA DE INFORMACIÓN COGNITIVA

6.3.1 Qué es la información cognitiva

6.3.2 La búsqueda de información en el ciclo de vida de un proyecto

6.3.3 Componentes universales de los sistemas de búsqueda

6.4 NECESIDADES DE INFORMACIÓN Y LENGUAJES DE BÚSQUEDA

6.4.1 Tipos de búsquedas

6.5 LA BÚSQUEDA DE INFORMACIÓN EN LA WEB

6.5.1 Los motores de búsqueda

6.5.2 Búsqueda avanzada

6.5.3 Motores de búsqueda especializados: buscadores académicos

6.6 BASES DE DATOS

6.6.1 El concepto de registro

6.6.2 Bases de datos profesionales

6.6.3 Bases de datos académicas

6.6.4 Búsqueda avanzada

6.7 LA BÚSQUEDA MULTIMEDIA

6.7.1 Bancos de imágenes y vídeo

6.7.2 Repositorios Creative Commons

6.7.3 Búsqueda avanzada

6.8 CONCLUSIONES

CAPÍTULO 7. MOTORES DE BÚSQUEDA DE CÓDIGO ABIERTO

Sergio Cleger Tamayo, Carlos G. Figuerola y Julio César Rodríguez Cano

7.1 INTRODUCCIÓN

7.2 ¿POR QUÉ CÓDIGO ABIERTO?

7.2.1 Licencias de distribución

7.3 MOTORES DE BÚSQUEDA

7.3.1 Apache Lucene

7.3.2 Minion

7.3.3 Terrier

7.3.4 Indri

7.3.5 DataParkSearch

7.3.6 Swish-e

7.3.7 MG4J

7.3.8 mnGoSearch

7.3.9 Solr

7.4 HERRAMIENTAS COMPLEMENTARIAS

7.5 DESARROLLO DE SISTEMAS DE RECUPERACIÓN DE INFORMACIÓN

7.6 CONCLUSIONES

CAPÍTULO 8. CONSTRUCCIÓN Y COMPRESIÓN DE ÍNDICES

Roi Blanco González

8.1 INTRODUCCIÓN

8.1.1 Restricciones hardware

8.2 CONSTRUCCIÓN DE ÍNDICES

8.2.1 Métodos básicos de construcción de índices

8.2.2 Inversión en memoria

8.2.3 Indexación incremental

8.3 COMPRESIÓN DE ÍNDICES

8.3.1 Compresión de datos

8.3.2 Modelos y códigos

8.3.3 Compresión de diccionarios

8.3.4 Compresión del fichero de ocurrencias

CAPÍTULO 9. MODELOS DE RECUPERACIÓN DE INFORMACIÓN II

David E. Losada

9.1 INTRODUCCIÓN

9.2 EXTENSIONES DE LOS MODELOS CLÁSICOS

9.2.1 Modelo vectorial con normalización por longitud basada en pivote

9.2.2 El modelo BM25

9.2.3 Los modelos basados en indexación por semántica latente

9.3 LOS MODELOS DE LENGUAJE ESTADÍSTICOS

CAPÍTULO 10. TÉCNICAS DE MODIFICACIÓN DE LA CONSULTA

Ángel Zazo Rodríguez, Carlos García-Figuerola Paniagua y José Luis Alonso Berrocal

10.1 INTRODUCCIÓN

10.2 REALIMENTACIÓN DE CONSULTAS

10.2.1 Realimentación de consultas para el modelo vectorial

10.2.2 Inconvenientes de la realimentación de consultas

10.2.3 Evaluación de la realimentación de consultas

10.3 EXPANSIÓN DE CONSULTAS

10.3.1 Pseudo-realimentación de consultas

10.3.2 Utilización de diccionarios y tesauros manuales

10.3.3 Clustering en expansión de consultas

10.4 TESAUROS AUTOMÁTICOS

10.4.1 Expansión de la consulta original

10.4.2 Tesauros construidos utilizando medidas de coocurrencia

10.4.3 Tesauros de similitud

10.4.4 Asociación de términos y frases: Phrase-finder

10.4.5 Tesauros de términos infrecuentes

CAPÍTULO 11. CLASIFICACIÓN DOCUMENTAL.

Luis M. de Campos Ibáñez y Alfonso E. Romero López

11.1 INTRODUCCIÓN A LA CLASIFICACIÓN DOCUMENTAL

11.1.1 El proceso de clasificación documental

11.1.2 Representaciones de documentos

11.1.3 El problema de la clasificación documental

11.1.4 Dificultades del problema

11.1.5 Notación

11.2 EVALUACIÓN

11.2.1 Medidas desde el punto de vista de las categorías

11.2.2 Medidas desde el punto de vista de los documentos

11.3 MÉTODOS PARA LA CLASIFICACIÓN DOCUMENTAL

11.3.1 El método k-NN

11.3.2 El método Rocchio

11.3.3 El método Naive Bayes multinomial

11.3.4 Otros métodos

11.4 COLECCIONES DOCUMENTALES

11.4.1 Reuters-21578

11.4.2 Ohsumed

11.4.3 20 Newsgroups

11.4.4 RCV1

CAPÍTULO 12. AGRUPAMIENTO DOCUMENTAL

M. Eduardo Ares Brea, Javier Parapar López y Álvaro Barreiro García

12.1 INTRODUCCIÓN

12.1.1 Una breve definición

12.1.2 Aplicaciones de técnicas de agrupamiento documental

12.2 REPRESENTACIÓN DE DOCUMENTOS Y MEDIDAS DE SIMILITUD

12.2.1 Representación de documentos textuales

12.2.2 Medidas de distancia

12.3 ALGORITMOS DE AGRUPAMIENTO

12.3.1 Batch k-Means

12.3.2 Algoritmos jerárquicos aglomerativos (*-link)

12.4 EVALUACIÓN DE LOS ALGORITMOS

12.4.1 Importancia de la evaluación

12.4.2 Metodología

12.4.3 Colecciones

12.4.4 Métricas

12.5 RECUPERACIÓN DE INFORMACIÓN BASADA EN CLUSTERS

12.6 OTROS ALGORITMOS DE AGRUPAMIENTO DE DOCUMENTOS

CAPÍTULO 13. RECUPERACIÓN

Este libro surge de la necesidad de disponer de un material que, con un enfoque eminentemente didáctico, permita dar una visión general de la disciplina de la Recuperación de Información, abarcando desde los fundamentos hasta las propuestas de investigación actuales. La idea es

ofrecer al lector los entresijos de un área de conocimiento cuyos avances se trasladan directamente a programas que empleamos todos los días para diversas tareas cotidianas.

Para alcanzar estos objetivos se ha contado con la colaboración de un plantel de expertos reconocidos internacionalmente por su investigación en el campo de la Recuperación de Información. Cada uno de ellos se ha centrado en aquellos capítulos de cuyas temáticas son especialistas y ampliamente conocedores. Además, la gran mayoría de ellos posee una inestimable experiencia docente en asignaturas de Recuperación de Información, con lo que sus experiencias y conocimientos a la hora de diseminar esta disciplina se han exportado a sus capítulos de forma

directa, e implícitamente al libro completo.