Recuperación de información

Recuperación de información Concepto: Término vinculado a la búsqueda de información, consiste en la localización de recursos de información con el propósito de dar solución a necesidades de información específicas.

Recuperación de información. Conjunto de actividades orientadas a facilitar la localización de determinados datos u objetos, y las interrelaciones que estos tienen a su vez con otros. Existen varias disciplinas vinculadas a esta actividad como la lingüística, la documentación o la informática.

Antecedentes históricos

Desde los tiempos remotos, el hombre ha tratado de representar información a través de diversos medios. Los soportes han evolucionado; hoy en día la información se representa también digitalmente. Unido a ello, el crecimiento exponencial de la información en Internet, disponible en diversos formatos y sistemas de información ha traído consigo una sobrecarga. Se hace cada vez más importante el procesar toda la información disponible para que pueda ser recuperada y usada con diversos fines.

La Recuperación de Información es un área que ha venido experimentando un creciente interés desde finales de la década de 1950. Al corriente adquiere una mayor importancia por el valor que tiene la información como recurso para el desarrollo de procesos, para la adquisición de conocimiento, para garantizar la sostenibilidad de las organizaciones actuales ante los constantes cambios del entorno (clientes, competidores, legislaciones, etc.).

El éxito de cualquier operación dentro de una organización depende de la información de calidad que dispongan los decisores e individuos vinculados directamente a la situación.

Definiciones del término

• Es el conjunto de tareas mediante las cuales el usuario localiza y accede a los recursos de información que son pertinentes para la resolución del problema planteado. En estas tareas desempeñan un papel fundamental los lenguajes documentales, las técnicas de resumen, la descripción del objeto documental, etc.
• Proceso donde se accede a una información previamente almacenada, mediante herramientas informáticas que permiten establecer ecuaciones de búsqueda específicas. Dicha información ha debido de ser estructura previamente a su almacenamiento.

Herramientas para la recuperación de información

• Bases de datos.
• Internet (revistas electrónicas, buscadores temáticos y multitemáticos, directorios, metabuscadores).
• Agentes inteligentes.
• Índices.
• Tesauros.
• Palabras claves.
• Ecuaciones de búsqueda.

Técnicas de recuperación de información

• Sistemas de recuperación de lógica difusa: Permite formular consultas con frases normales y luego la máquina solo procesa las palabras que considera relevantes, no tomando en cuenta signos de puntuación, artículos, conjunciones, plurales, tiempos verbales, palabras comunes (que suelen aparecer en todos los documentos). La recuperación se basa en proposiciones lógicas con valores de verdadero y falso, teniendo en cuenta la localización de la palabra en el documento.
• Técnicas de ponderación de términos: La ponderación da un valor adecuado a los criterios de búsqueda, dependiendo de los intereses del usuario, por tanto la recuperación de información depende del valor asignado. El documento más pertinente de búsqueda sería aquel que tenga representado todos los términos de búsqueda y además el que más valor tenga repetidos más veces, independientemente de donde se localice en el documento.
• Técnica de clustering: Es un modelo probabilístico que permite las frecuencias de los términos de búsqueda en los documentos recuperados. Se atribuyen unos valores (pesos) que actúan como agentes para agrupar los documentos por orden de importancia, mediante algoritmos ranking.
• Técnicas de retroalimentación por relevancia: Luego de determinar unos criterios de búsqueda y observar los documentos recuperados se repete nuevamente la consulta pero esta vez con los elementos interesantes, seleccionados de los documentos primeramente recuperados.
• Técnicas de stemming: Elimina las posibles confusiones semánticas que se puedan dar en la búsqueda de un concepto, para ello trunca la palabra y busca solo por la raíz.
• Técnicas lingüísticas: Pretenden acotar de una manera eficaz los documentos relevantes. Lo consigue mediante una correcta indización en el proceso de tratamiento de los documentos con ayuda de índices, tesauros, etc.; evitando las ambigüedades léxicas y semánticas alestablecer las consultas.
• Modelos de Recuperación de Información: Los modelos de recuperación de información tratan de calcular el grado en que determinado elemento de información responde a determinada consulta. Los tres modelos clásicos y con mayor utilización son:
  • Booleano: basado en la teoría de conjuntos y álgebra de Boole. Mide la correspondencia entre los elementos de la consulta y los documentos.
  • Modelo Vectorial de Recuperación de Información: fue planteado y desarrollado por Gerard Salton. Opera mediante el álgebra de vectores. Mide el grado en que divergen los vectores que representan la consulta y los términos del documento.
  • Probabilístico: fue propuesto por Robertson y Spark-Jones. Se basa en procesos estocásticos, operaciones de la teoría de la probabilidad y el teorema de Bayes.Se calcula la probabilidad en que el documento responde a la consulta. Frecuentemente utiliza retroalimentación con el usuario.

Calidad de la información

Es importante que la información recuperada por el usuario sea capaz de satisfacer sus necesidades. Sin embargo, esta es una de las grandes problemáticas que se presenta en la Web, debido fundamentalmente al gran volumen de información publicada en este medio, que no es arbitrada.

Hay que tener en cuenta que la información gratuita recuperada no es toda la que se publica; con los buscadores tradicionales solo se puede acceder a una parte de la información científica que se publica, la otra parte queda almacenada en la denominada Web Invisible.

Los sistemas de búsqueda y recuperación de información ofrecen una cantidad de resultados con poca relevancia que requiere de mucho tiempo para que el usuario determine lo que puede interesarle. Por esta razón se han propuesto criterios para evaluar la calidad de la información recuperada. Pinto Molina considera los siguientes: :

• Consistencia: Capacidad que tiene un sistema de búsqueda en coordinar su sistema de clasificación con el lenguaje de búsqueda, dse manera que al formular estrategias de búsqueda el usuario utilice términos admitidos.
• Exhaustividad: Es la cualidad de un sistema de información para recuperar la totalidad de los documentos relevantes que posee una colección, conforme a los requerimientos establecidos en la estrategia de búsqueda.
• Tasa de acierto: coeficiente resultado de dividir el número de documentos relevantes recuperados entre el número total de documentos relevantes de la colección.
• Relevancia: Característica de un documento recuperado que cumple con la necesidades de información.
• Tasa de relevancia: coeficiente resultado de dividir el número de documentos relevantes recuperados, entre el número total de documentos recuperados.
• Pertinencia: Es la cualidad que tiene el documento recuperado de adaptarse a las necesidades de información.
• Tasa de pertinencia: coeficiente resultado de dividir el número de documentos pertinentes recuperados, entre el número total de documentos recuperados.
• Precisión: es la capacidad que tiene el sistema de búsqueda en coordinar la ecuación con los documentos más relevantes.
• Tasa de precisión: coeficiente resultado de dividir el número de documentos relevantes recuperados, sobre el número total de documentos de la colección.

Principales problemáticas de la Recuperación de Información

• Sobrecarga de información: el creciente volumen de información en la Web a la que se ven expuestos los usuarios, y que genera problemas en el momentos de recuperarla, ya que devuelve al usuario gran cantidad de información no relevante y pertinente para su consulta de información.
• Silencio documental: información no recuperada y que es relevante. Esto se debe a que la estrategia de búsqueda ha sido demasiado específica o que las palabras clave utilizadas no son las adecuadas para definir la búsqueda.
• Ruido documental: documentos recuperados por el sistema pero que no son relevantes. Ocurre generalmente cuando la estrategia de búsqueda se ha definido demasiado genérica.
• Fenómenos léxicos:
  • Polisemia: cuando una palabra tiene varios significados o acepciones.
  • Sinonimia: dos o más palabras distintas con los el mismo significado.

Fuentes

• Artículo: Recuperación de información. Información tomada del sitio: www.mariapinto.es. Consultado el 28 de agosto del 2013.
• Morato, J. (2009). Recuperación de información. Información tomada del sitio: glossarium.bitrum.unileon.es. Consultado el 23 de febrero de 2022.