Resolución de Consultas Archivo

Consultas en el Modelo Booleano
1. Se buscan los términos de la consulta en el índice
2. Se recuperan las listas invertidas correspondientes a cada
término
3. Se realizan las operaciones de conjuntos correspondientes sobre
las listas (unión, intersección y/o diferencia)
4. Las listas están ordenadas en orden creciente de número de
documento (distancias) → se puede operar recorriéndolas
secuencialmente → los documentos se recuperan ordenados por
número de documento
Resolución de Consultas
Consultas en el Modelo Booleano
Consultas en el Modelo Vectorial
Consultas Especiales
ODD - Curso Servetto
1
FIUBA
d1 Las Cosas de la Vida
Vocabulario
d2 La Vida es Bella
bella
cosas
querer
vida
d3 Las Cosas del Querer
d4 La Vida después de la Vida
ODD - Curso Servetto
2
Consultas en el Modelo Vectorial
Listas
Invertidas
Hay dos escenarios posibles para la resolución de consultas en el modelo vectorial:
2
1, 3
3
1, 2, 4
1.
Cuando el número de documentos es acotado (índices para una biblioteca digital, índices internos de
sitios web, etc.), las consultas se pueden resolver en forma análoga a como se resuelven para el
modelo booleano:


c

2.
∩
1, 2, 4
=
1
ODD - Curso Servetto
FIUBA
4
Consultas en el Modelo Vectorial
5

Las listas se almacenan ordenadas por frecuencia normalizada del término en el documento:
… (fni, ndi) … donde (i)(fni>fni+1)

Para resolver la consulta se ordenan las listas en orden decreciente de peso global del
término:
pgt1; n, (fn1, nd1), (fn2, nd2), … (fnm, ndn)
…
pgtz; q, (fn1, nd1), (fn2, nd2), … (fnq, ndq)
donde (i=1, …z)(pgti>pgti+1)
ODD - Curso Servetto
FIUBA
 Se cumple que (i)(Sim(d1(ti), c)>Sim(d1(ti+1), c)), entonces se van devolviendo los
documentos de la lista 1 a partir del pivote cuya similitud con la consulta sea mayor que
la pivote de las listas siguientes
 Al obtener una similitud en la lista 1 que sea menor a la pivote de la lista 2, se cambia la
similitud pivote de la lista 1 por la menor y se reordenan las listas según el nuevo pivote
de la lista 1
 Luego se repite el proceso devolviendo documentos a partir del pivote de la lista que
haya quedado en primer lugar
La aproximación de similitud para este proceso conlleva a que la misma no represente
cabalmente la relevancia de un documento para una consulta porque sólo considera un término
de la misma. Por ello son importantes las métricas de precisión y de recuperación.
En los resultados podrían repetirse documentos, a menos que para agregar un nuevo documento
al resultado se verifique que éste ya no haya salido.
Se calcula la similitud del primer documento de cada lista i con la fórmula
Sim(d1(ti), c) = pgti*fn1 como pivotes de lista
pgt1; n, (fn1, nd1), (fn2, nd2), … (fnm, ndn)
Sim(d1(t1), c)
…
pgtz; q, (fn1, nd1), (fn2, nd2), … (fnq, ndq)
Sim(d1(tz), c)
ODD - Curso Servetto
Las listas invertidas se almacenan ordenadas por frecuencia normalizada decreciente del término en el
documento (algoritmo de cálculo de similitudes a continuación)
Consultas en el Modelo Vectorial
Cálculo de similitudes ente una consulta y los documentos que contienen a cada uno de
sus términos en el segundo escenario:

Se ordenan las similitudes en orden descendente para ofrecer los documentos resultantes
Cuando el número de documentos es potencialmente ilimitado (buscadores web), como las listas
invertidas pueden tener cientos de miles de componentes y las búsquedas deben multiprocesarse en
paralelo, los resultados se devuelven a razón de un número determinado por página de respuesta:

Las Cosas de la Vida
3
Las listas invertidas se almacenan ordenadas por número de documento para obtener intersecciones de
listas eficientemente
Se calcula las similitudes de la consulta con todos los documentos con la fórmula
Sim( dj, c ) = i=1, …H(( ai,j /norma(dj))* log( N / n i ))
+cosas +vida
1, 3
FIUBA
FIUBA
6
ODD - Curso Servetto
FIUBA
1
Resolución de Consultas Especiales
Métricas de Evaluación


Precisión: cuántos documentos recuperados son
relevantes.
Recuperación (recall): cuántos documentos
relevantes se recuperaron.
 Consultas de Frases o Términos Próximos
 Se buscan los términos de la consulta en el vocabulario y se recupera
sus listas invertidas
 Se calcula la intersección de los números de documento
 Para los documentos en que aparecen todos los términos, se
determina las posiciones relativas de los términos al primer término
de la consulta
 Variante para frases → índice de pares de términos
Precisión:
Recuperación:
7
ODD - Curso Servetto
FIUBA
d1 Las Cosas de la Vida
Vocabulario
Listas
Invertidas
bella
cosas
querer
vida
2 (2)
1 (1), 3 (1)
3 (2)
1 (2), 2 (1), 4 (1, 2)
8
ODD - Curso Servetto
FIUBA
d2 La Vida es Bella
d3 Las Cosas del Querer
d4 La Vida después de la Vida
c
“cosas vida”
1 (1), 3 (1)
1 (2), 2 (1), 4 (1, 2)
{1, 3} ∩ {1, 2, 4} = {1}
cosas c(1), 1(1); vida c(2), 1(2)
Pares de Términos
cosas, querer
cosas, vida
vida, bella
vida, vida
9
ODD - Curso Servetto
2-1 = 2-1
Listas
Invertidas
3
1
2
4
FIUBA
2