RECUPERACION DE INFORMACION

OPERADORES BOOLEANOS

2009-11-08T20:03:00.000-08:00

Se utilizan para combinar palabras e identificar conceptos en los documentos.

http://www.upf.edu/search/cast/aj-bool.htm

Los operadores booleanos (AND, NOT, OR, XOR) localizan registros que contienen los terminos coincidentes en uno de los campos especificados o en todos los campos especificados. Utilizar operadores booleanos para conectar palabras o frases entre más de un campo de texto, o utilizar operadores booleanos para conectar palabras o frases dentro de un campo de texto.

Utilizar el operador AND para localizar registros que contengan todos los términos de búsqueda especificados. Por ejemplo, si se busca por "perros AND gatos",la biblioteca-e localiza registros que contengan todos los términos especificados.

Utilizar el operador ORpara localizar registros que contengan cualquiera o todos los términos especificados. Por ejemplo, si se busca por "perros OR gatos",la biblioteca-e localiza registros que contengan el primer término o el segundo.

Utilizar el operador NOT para localizar registros que contengan el primer término de búsqueda pero no el segundo. Por ejemplo, si se busca por "perros NOT gatos",la biblioteca-e localiza registros que contienen el primer término pero no el segundo.

Utilizar el operador XOR (o exclusivo) para localizar registros que contengan cualquiera de los términos especificados pero no todos los términos especificados. Por ejemplo, si se busca por "perros XOR gatos",la biblioteca-e localiza registros que contienen cualquiera de los términos especificados pero no todos los términos especificados.

http://dosei.who.int/iBistro_helps/Spanish/tip7102.html

Estrategias de Búsqueda

2009-11-08T19:54:00.000-08:00

Son modelos, planes o procedimientos que se emplean para la recuperación de información, descartando aquella no relevante o pertinente. Las estrategias se utilizan según la necesidad de información del usuario.

Pasos

Precisar el tema.

Definir o aclarar el tema.

Seleccionar modificadores.

Elección de términos de búsqueda.

Selección de fuentes de información.
Ejecución de la búsqueda.

http://www.ucentral.edu.co/biblioteca/26-julio-04/estrategias.ppt

TIPOS DE BUSQUEDAS

2009-11-08T19:38:00.001-08:00

Documentación

Tiene como objetivo localizar tanto las referencias bibliográficas del material, como los documentos o sus copias.

Factográfica

Su objetivo se reduce a documentar hechos concretos.

De actualización

Surge de la necesidad de encontrar información sobre avances en un campo de especialización.

Retrospectiva

Parte de la necesidad de solucionar un problema en particular buscando para ello información retrospectiva sobre un tópico.

Dificultades de los usuarios en las etapas de búsqueda (Baró-Maña)

2009-11-08T19:18:00.000-08:00

Dificultades de los usuarios en las etapas de búsqueda (Baró-Maña)

Establecer el Objetivo de la búsqueda

Presentan los temas sin delimitar
Presentan demandas excesivamente imprecisas
No son conscientes del trabajo que conlleva la búsqueda documental
No parten de sus conocimientos previos
No plantean la búsqueda en función del tipo de trabajo

Búsqueda de los documentos

No se orientan en el espacio de la biblioteca
No conocen los instrumentos de búsqueda: catálogos y clasificaciones
Tienen dificultades para utilizar el orden alfabético como sistema de búsqueda
Buscan sistemáticamente en los estantes
No tiene en cuenta la existencia de fuentes de información complementarias al libro/Internet
Esperan que el bibliotecario solucione la consulta

Localización de la información en los documentos impresos

Esperan dar con un título que responda exactamente a su consulta
No utilizan los instrumentos que facilitan la consulta de los documentos: sumarios e índices
No comprenden las distintas formas de presentación de la información: imágenes, esquemas, textos, tipografía
No saben leer textos documentales: leen de principio a final, no seleccionan

Obtención de la información

Acumulan los documentos sin ningún método selectivo
No consideran necesaria la consulta de distintas fuentes
No distinguen los niveles informativos de las diversas fuentes

Reelaboración de la información

Copian mensajes completos de libros y enciclopedias
No elaboran síntesis personales a partir de las distintas fuentes
Tienen dificultades para reformular los contenidos en un lenguaje claro y personal
No tienen en cuenta las características del sistema de presentación determinado
No consideran necesario citar las fuentes de información
No se plantean los circuitos de la comunicación: no detectan si sus mensajes presentan problemas de legibilidad o de recepción.

Demanda documental

2009-11-07T10:29:00.000-08:00

El conocimiento ha crecido más allá de la capacidad retentiva de la memoria

•La literatura primaria está repartida en varias fuentes y es difícil de resumir
•Las fuentes de literatura secundaria muchas veces no son sistemáticas
•Sintaxis y gramática
–Identificación de conceptos
–Idioma
•Semántica y lingüística
•Sinónimos
•Polisemia
•Granularidad

Ing. GOMEZ Laureano Felipe [diapositivas]. Bogotá: Universidad de la Salle, 2009. 38 diapositivas, col. + texto.

Problema de los Lenguajes de Consulta y Recuperación de Información

2009-09-20T13:57:00.000-07:00

Transformación de Lenguajes

• Es el proceso de estandarizar ó normalizar una consulta para que sea entendida por una maquina

Involucra transformar la necesidad de información!!!!

Tipos de representación de la información

Lenguaje natural humano: el lenguaje que empleamos de forma cotidiana para comunicarnos.

– Ventajas:

• Es comprensible para un gran número de usuarios.
• Permite expresar cualquier concepto o significado.
• Es tolerante a fallos.

– Inconvenientes:

• Es muy poco conciso.
• Presenta muchas ambigüedades.
• Es difícilmente interpretable por parte de un computador

Lenguaje natural restringido: Es un Subconjunto dellenguaje natural *(Términos Controlados) Lenguaje Controlado

– Las listas
– Los anillos de sinónimos
– Las taxonomías
– Los tesauros.

Ventajas

Este lenguaje restringido es una parte del lenguaje natural limitando el vocabulario que se puede emplear y las reglas sintácticas que se pueden aplicar a dicho vocabulario

Inconvenientes

• El problema reside es la forma de definir las restricciones
• Encontrar un subconjunto de ellas para el lenguaje natural restringido puede hacer que los usuarios no se sientan cómodos porque no pueden expresar la información como ellos desearían.
• Además, se corre el riesgo de que las reglas sintácticas permitidas sean demasiado pocas y no permitan representar toda la información que se desea

Lenguaje artificial *(Lenguaje Informático):

Si la información a representar es limitada en cuanto a variedad, se puede una representación muy compacta y poco ambigua,es decir, un lenguaje artificial.

En general un lenguaje artificial estará compuesto por un vocabulario muy limitado y por unas reglas sintácticas muy claras y específicas, que no se permitirán en absoluto ambigüedades.

Ventajas

• Se gana en la capacidad de almacenamiento y en simplicidad de los procesos que deben tratarla. Además es más fácil controlar los errores que los usuarios puedan cometer en su uso.

Desventajas

• Sin embargo, los usuarios deben aprender un lenguaje que dista mucho de su lenguaje natural.

Ing. GOMEZ Laureano Felipe [diapositivas]. Bogotá: Universidad de la Salle, 2009. 38 diapositivas, col. + texto.

EXTRACCIÓN DE INFORMACIÓN

2009-09-20T13:36:00.000-07:00

La extracción de la información (IE en inglés Information Extraction) es la búsqueda manual o automática de palabras, párrafos o trozos de textos que contengan información relevante buscada y presentarla de forma estructurada.

http://extractioninformationretrieval.googlepages.com/fig5.png

Recuperación de Información/ Datos

Recuperación de Datos (Data retrieval)

No resuelve el problema de la RI. Sólo devuelve datos sobre un tema. Es estructurado y nada ambiguo en cuanto a las consultas.

Recuperación de Información (Information retrieval - RI)

Trata de resolver la NI. Debe interpretar los contenidos de los documentos y hacer un ranking de las respuestas. La consulta no es estructurada (LN) y es ambigua. La relevancia es el principal punto de interés.

Objetivos R.I

Recuperar Documentos (Si-NO-Semi Estructurados)
Permitir consultas en Lenguaje Natural
Buscar un mecanismo idóneo para evaluar y ajustar la relación (y ordenar por Relevancia) entre:

* Documentos Recuperados
* Consulta Formulada

Proceso genércio RI

Ing. GOMEZ Laureano Felipe [diapositivas]. Bogotá: Universidad de la Salle, 2009. 38 diapositivas, col. + texto.

RECUPERACION DE INFORMACIÓN

2009-09-20T13:26:00.000-07:00

La RI se basa en la utilización de términos índice para indexar y recuperar documentos.
Recuperar puede consistir en especificar un conjunto de términos que deben hallarse entre los índices de un documento, estableciendo un ranking de relevancia.
El problema de la RI será, pues, la manera de predecir la relevancia de los documentos y su grado de relevancia (ranking)
Conjunto de TAREAS – PROCESOS – PROCEDIMIENTOS mediante los cuales un USUARIO LOCALIZA y ACCEDE a recursos de
información RELEVANTES (ó PERTINENTES??) que ayuden a resolver un problema.
Tareas – Procesos mediante las cuales un USUARIO localiza y accede a recursos de información RELEVANTES:

Mediante eliminación de Información INUTIL
Para Mostrar un conjunto de documentos
Que permitan reducir estado anómalo conocimiento

Ing. GOMEZ Laureano Felipe [diapositivas]. Bogotá: Universidad de la Salle, 2009. 38 diapositivas, col. + texto.

LA NECESIDAD DE INFORMACIÓN

2009-09-20T13:10:00.000-07:00

La obtención de información y su yuxtaposición con el conocimiento existente nos permite definir un estado de claridad, o nos hace identificar la información recibida como insuficiente, lo que nos conduce a un fenómeno de realimentación (feedback) que consiste en seguir recogiendo información hasta llegar al estado de claridad deseado.

El proceso de satisfacer la necesidad de información concluye cuando se consigue una claridad suficiente.

El problema es que no se sabe de antemano exactamente la información que lleva a la consecución de claridad.

Tipos de necesidad de información

Existen dos tipos de necesidad de información (Frans & Brush, 1988):

Necesidad de información concreta (CIN)

Fronteras temáticas claramente definidas.
Petición realizada con palabras exactas, es decir,se corresponden exactamente con los límites Temáticos.
Para satisfacer una CIN sólo se necesita un buen documento.
Tan pronto como se encuentra el documento bueno, la necesidad de información desaparece

Necesidad de información orientada alproblema (NIOP)

Fronteras temáticas indefinidas.
Como regla general, la petición no se realiza de la misma forma en que se tiene la NIOP (no conforma la NIOP).
En general, la NIOP no puede ser satisfecha, incluso con todos los documentos buenos existentes en un sistema.
Tan pronto como se recuperan documentos buenos, los límites temáticos de la NIOP cambian, y la NIOP permanece durante un largo periodo de tiempo

Ing. GOMEZ Laureano Felipe [diapositivas]. Bogotá: Universidad de la Salle, 2009. 38 diapositivas, col. + texto.

Carl Sagan Cosmos

2009-09-19T20:21:00.000-07:00

"Actualmente hemos descubierto una manera eficaz y elegante de comprender el universo: un método llamado ciencia. Este método nos ha revelado un universo tan antiguo y vasto que a primera vista los asuntos humanos parecen de poco peso. Nos hemos ido alejando cada vez más del Cosmos, hasta parecernos algo remoto y sin consecuencias importantes para nuestras preocupaciones de cada día. Pero la ciencia no sólo ha descubierto que el universo tiene una grandeza que inspira vértigo y éxtasis, una grandeza accesible a la comprensión humana,sino también que nosotros formamos parte, en un sentido real y profundo, de este Cosmos, que nacimos de él y que nuestro destino depende íntimamente de él. Los acontecimientos humanos más básicos y las cosas más triviales están conectadas con el universo y sus orígenes. Este libro está dedicado a la exploración de estas perspectivas cósmicas" Tomado de:

Carl sagan cosmos [en linea]http: //www.astronomia.com/biografias/sagan.html>[consultado 20 septiembre 2009]

Archivos invertidos

2009-09-16T18:49:00.000-07:00

Archivos invertidos

• Es un mecanismo orientado al término para indexar una colección.

Compuesto por:

– Vocabulario (conjunto de palabras que aparecen en un texto).

– Ocurrencias (lista de las apariciones de cada palabra en el texto, una por cada palabra).

Posiciones de palabras (facilitan las búsquedas de proximidad y de frases)
Posiciones de caracteres (facilitan los accesos a las posiciones de los textos)

ESTRUCTURA DE FICHEROS (INDICES)

2009-09-16T18:39:00.000-07:00

Indización: Elaborar índices o estructuras de acceso a los documentos (representación alterna) a partir de las palabras (términos) que contienen.

Los índices de estructura de datos de un SRI permiten realizar operaciones de búsqueda mediante técnicas que comparan o equiparan los enunciados que han utilizado los usuarios con los términos almacenados en los índices del sistema.

Un SRI, puede determinar si usa ó no Índices
Un archivo Invertido es un tipo de documento índice en cuya estructura de ítems encontraremos: palabra clave, Id-Doc, Id-Campo.
Algunos sistemas incluyen información sobre la localización en el documento del párrafo y frase de los términos buscados.

Indizar - Indexar

Indexar un documento puede consistir en sustituir su contenido por un conjunto de términos índices que lo representan.

INTRODUCCIÓN A LA RECUPERACION DE INFORMACIÓN

2009-09-16T16:32:00.000-07:00

A partir de la expansión y consolidación de Internet, como medio principal de comunicación electrónica de datos, se ha puesto a disposición de casi toda la humanidad una importante cantidad de información de todo tipo. A los efectos de aprovechar este potencial de información, es necesario poseer accesos que permitan que la tarea de recuperación sea efectiva y eficiente en términos de recursos invertidos por los usuarios.

Consultado en: http://search.ebscohost.com/login.aspx?direct=true&db=lih&AN=33294403&lang=es&site=ehost-live"

Base de datos:

Library, Information Science & Technology Abstracts with Full Text

Indizar para Recuperar?

Opciones de búsqueda

–Recorrido del texto

No hay preprocesamiento.
Textos pequeños.
Colecciones volátiles.

–Utilización de estructuras de apoyo (índices)

Grandes colecciones.
Colecciones estáticas.

Este enlace hace referencia a la Organización y recuperación de la información: un enfoque desde la perspectiva de la automatización

Lic. Keilyn Rodríguez Perojo1 y Lic. Rodrigo Ronda León2

http://bvs.sld.cu/revistas/aci/vol14_1_06/aci04106.htm

Acontinuación un videso sobre recuperacion de información

DOCUMENTO Y SU ESTRUCTURA

2009-09-16T12:50:00.000-07:00

Documento

Es una información contenida en un soporte que permite tener acceso a él mediante la consulta, que nos permita su almacenamiento y recuperación.
Pueden encontrarse en diferentes soportes y formatos.
Información y documento
La información es la que está contenida en un documento. El fin es satisfacer una necesidad donde cada usuario extrae la información que más requiera para su incertidumbre.

Su información subjetiva ésta depende del nivel de relevancia del documento y depende del nivel del conocimiento del usuario.

Documento Electrónico
En este documento se necesita para acceder al contenido un elemento eléctrico, magnético u óptico.

Documento digital: Cuando se codifica la información en bits, se necesitan dispositivos para acceder a la información.

Ventajas:
* No se degradan con el tiempo
* Puede ser fácilmente reproducido

DOCUMENTO VIRTUAL
Es un documento que solo existe en el momento que el usuario lo necesita. Es la consulta que se le realiza a este documento.

Características

* Interactivo
* Carácter multimediático de los documentos digitales
* un documento es variante del otro
* Conexión con el usuario
* Accesible

Estructura de los documentos

* Documento estructurado: Tiene explicito sus elementos, los cumple y los sigue para la máquina.

* Documento no estructurado: Desorganizado, una página web es o estructurada respecto a su contenido

* Documento semi-estructurado: Los elementos no son de obligatorio cumplimiento ni posición.

Ing. GOMEZ, Laureano Felipe [diapositivas]. Bogotá: Universidad de la Salle, 2009.

Definiciones básicas

2009-09-15T21:52:00.000-07:00

Qué es dato?

El dato (del latín datum), es una representación simbólica (numérica, alfabética, algorítmica etc.), atributo o característica de una entidad. El dato no tiene valor semántico (sentido) en sí mismo, pero convenientemente tratado (procesado) se puede utilizar en la realización de cálculos o toma de decisiones. Es de empleo muy común en el ámbito informático.

Representación digital de los datos

Datos y programas están codificadas en el sistema binario (un bit es 1 o 0).

Qué es carácter?

Es cualquier símbolo numérico, alfabético o especial que se emplea en la escritura y en el cálculo:
– Numéricos: 0,1,2,.....9
– Alfabéticos: a, b, c ...., z, A, B, C... , Z.
– Especiales: *, /, +, #,..
– De control: retorno de carro, Fin de fichero (EOF)...
– Gráficos ╗

Ejemplo Tabla ASCII

Qué es información?

Un conjunto de datos (numéricos, alfabéticos y alfanuméricos) ordenados con los que se representan convencionalmente hechos, objetos e ideas.

Son un conjunto de datos con sentido y útiles para algo/alguien.

De especial interés para la ciencia de la información es considerar la información como el
producto que satisface una necesidad de información.

Tipos de Información:

Estructurada: Información con sentido claro en la organización
No Estructurada: Información que posee incertidumbre en su formulación
Semi-Estructurada: Información Probabilística – Estadística (Incertidumbre con Bases)

Qué es Capta?

Es la selección de datos que se hace de acuerdo con nuestras habilidades cognitivas, con nuestra capacidad para detectar qué nos interesa y qué puede ser considerado como accesorio en una circunstancia concreta. De esta forma, personas diferentes elegirán diferentes grupos de datos como capta.

Tomado de: http://www.documentalistaenredado.net/99/defincin-de-capta/

La economia del conocimiento

2009-09-15T21:40:00.000-07:00

"Al adentrarnos en el siglo XXI estamos también adentrándonos en una nueva fase de desarrollo económico y social, a la que podemos referirnos como economía del conocimiento, en el cual el conocimiento será un factor determinante en el éxito o fracaso económico y organizacional. Las organizaciones más eficaces en la economía del conocimiento serán aquellas que reconozcan y aprovechen mejor la función crucial que el conocimiento juega dentro y fuera de su organización."

Ing. GOMEZ Laureano Felipe [diapositivas]. Bogotá: Universidad de la Salle, 2009. 42 diapositivas, col. + texto.

VIDEO GESTION DEL CONOCIMIENTO