Publicação: Meta-modelo funcional para recuperação de informação
Carregando...
Arquivos
Tipo do documento
Data
Direito de acesso
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Souza, João Nunes de
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.
Palavras-chave
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
Citação
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.