Los sistemas de recuperación de información (SRI) son una clase de sistemas de información que tratan con bases de datos compuestas por documentos y procesan consultas de los usuarios permitiéndoles acceder a la información relevante en un intervalo apropiado de tiempo.
La mayoría de los SRI comerciales se basan en el modelo Booleano, el cual presenta limitaciones importantes al tener un criterio de recuperación binario, y por tanto muy tajante y escrito. Por esta razón, se han diseñado otros SRI con el fin de extender este modo de recuperación y superar sus problemas, como el modelo vectorial, el probabilístico y la RI difusa.
En los últimos años se ha experimentado un interés creciente en la aplicación de técnicas de Inteligencia Artificial (AI) al campo de la RI con el propósito a subsanar las carencia de los clásicos SRI Booleanos, en concreto, el paradigma de Aprendizaje Automático basado en el diseño de sistemas con capacidad de adquirir conocimiento por sí mismos.
Los Algoritmos Evolutivos (AEs) no son específicamente algoritmos de aprendizaje automático, pero ofrecen una metodología de búsqueda potente e independiente del dominio que puede ser aplicada a gran cantidad de tareas de aprendizaje. Por eso, la aplicación de los AEs a la RI se ha incrementado sobre todo a la resolución de distintos problemas, entre ellos la majora en la definición de consultas.
En este caso, una de sus aplicaciones consiste en tratar de resolver un problema básico que los usuarios no expertos encuentran en un SRI: la necesidad de conocer en profundidad el lenguaje de consulta para poder expresar sus necesidades de información de forma que el sistema le permita recuperar la información requerida. Este problema es habitual en los SRI Booleanos ya que el lenguaje de consulta con operadores Booleanos es bastante complejo y esta problemática se acentúa más en los SRI Booleanos extendidos, los cuales, con la idea de f
© 2008-2024 Fundación Dialnet · Todos los derechos reservados