Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/12489
metadata.dc.type: Dissertação
metadata.dc.rights: Acesso Aberto
Title: Meta-modelo funcional para recuperação de informação
metadata.dc.creator: Oliveira, Luciene Chagas de
metadata.dc.contributor.advisor1: Silva, Ilmério Reis da
metadata.dc.contributor.advisor-co1: Souza, João Nunes de
metadata.dc.contributor.referee1: Ambrósio, Ana Paula Laboissière
metadata.dc.contributor.referee2: Schneider, Sergio de Mello
metadata.dc.description.resumo: Modelagem é uma das tarefas centrais no desenvolvimento de sistemas de recuperação de informação. Uma ferramenta para modelagem muito utilizada para desenvolvimento de um novo modelo de recuperação de informação é um framework genérico. Estes frameworks podem ser vistos como meta-modelos formais que possibilitam formalmente descrever e investigar a semântica do processo de recuperação e tornam possível o raciocínio sobre as características e propriedades de modelos de recuperação de informação (RI). Com o crescimento e as diferenças entre as estratégias e modelos de RI, a modelagem formal vem se tornando cada vez mais importante. Nesta dissertação, propomos um framework genérico e formal para definição de modelos de RI chamado de Estrutura Funcional. Este framework é um meta-modelo para modelos de RI que de- fine um nível de abstração permitindo a representação, combinação, formulação e comparação de equivalência entre modelos de RI. Com este meta-modelo, modelos de RI podem ser representados em uma única linguagem comum, tornando mais fácil o estudo de características e propriedades dos modelos e a combinação desses modelos. O framework também fornece um formalismo que permite a comparação de modelos sem a necessidade de realizar experimentos. Além disso, mostramos aqui exemplos de como representar os modelos clássicos de RI e construímos um modelo baseado em distância equivalente ao modelo clássico vetorial usando a estrutura funcional. Também analisamos a combinação de múltiplas evidências, apresentamos dois estudos de caso do uso da estrutura funcional para combinar múltiplas evidências nos contextos de redes bayesianas e modelo de espaço vetorial. Mostramos que a combinação de múltiplas evidências na rede bayesiana de crença pode ser realizada de várias formas, sendo que cada uma corresponde à uma função de similaridade no modelo vetorial. A análise dessa correspondência é feita através da estrutura funcional. Com isso, mostramos que o framework permite-nos desenvolver novos modelos e ajuda desenvolvedores a modificar esses modelos para extendê-los com novas fontes de evidências. Como aplicação do meta-modelo funcional, apresentamos também as idéias de desenvolvimento de uma meta-ferramenta para comparação experimental entre modelos de RI.
Abstract: Modelling is one of the central tasks in the development of information retrieval systems. A useful tool for developing a new information retrieval model is a generic framework. This frameworks can be seen as formal meta-models that make possible to describe and to investigate formally the semantics of the retrieval process and becomes possible to reason about features and properties of information retrieval models (IR). With the growth and the differences between the IR strategies and models formal modelling comes becoming more and more important. In this dissertation, we propose a generic and formal framework for defining IR models named Functional Framework. This framework is a meta-model for IR models, defining a level of abstraction that allows the representation, formulation and comparison of IR models. With this meta-model, IR models can be represented in a unique common language, which makes the study of characteristics and properties of the models and the combination of these models easier. The framework also provides a formalism that permits the comparison of models without the need to carry out experiments. Moreover, we show examples of how to represent the three classic IR models and we design a model based on distance equivalent to the classic vector model using the framework functional. We also analyze the combination of multiple evidence, presenting two case studies of the use of the framework to combine multiple evidence in contexts bayesian belief networks and in the vector space model. We show that the combination of multiple evidence in the bayesian belief network can be carried at in of several ways, being that each form corresponds to a similarity function in the vector model. The analysis of this correspondence is made through the functional framework. We show that the framework allows us to design new models and helps designers to modify these models to extend them with new evidence sources. As application of the functional meta-model, we also present the ideas of development of a meta-tool for experimental comparison between IR models.
Keywords: Estrutura funcional
Modelos de recuperação de informação
Modelos formais
Meta-modelo
Combinação de múltiplas evidências
Functional framework
Information retrieval models
Formal models, Meta-model
Combination of multiple evidence
Recuperação da informação
Banco de dados
Algoritmos de computador
metadata.dc.subject.cnpq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
metadata.dc.language: por
metadata.dc.publisher.country: BR
Publisher: Universidade Federal de Uberlândia
metadata.dc.publisher.initials: UFU
metadata.dc.publisher.department: Ciências Exatas e da Terra
metadata.dc.publisher.program: Programa de Pós-graduação em Ciência da Computação
Citation: OLIVEIRA, Luciene Chagas de. Meta-modelo funcional para recuperação de informação. 2006. 111 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de Uberlândia, Uberlândia, 2006.
URI: https://repositorio.ufu.br/handle/123456789/12489
Issue Date: 22-Feb-2006
Appears in Collections:PPGCC - Mestrado em Ciência da Computação

Files in This Item:
File Description SizeFormat 
LCHOliveiraDISSPRT.pdf426.14 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.