Algoritmos genéticos aplicados a la retroalimentación por relevancia
- Autores: María Cristina López Pujalte
- Directores de la Tesis: Vicente Pablo Guerrero Bote (dir. tes.)
- Lectura: En la Universidad de Granada ( España ) en 2001
- Idioma: español
- Tribunal Calificador de la Tesis: Félix de Moya-Anegón (presid.), Enrique Herrera Viedma (secret.), Juan Manuel Sánchez Pérez (voc.), Purificación Moscoso Castro (voc.), Víctor Herrero Solana (voc.)
- Materias:
- Texto completo no disponible (Saber más ...)
- Resumen
Se conocen sobradamente las deficiencias existentes en la primera petición que realiza un usuario a un sistema de recuperación de información, De ahí la importancia que han adquirido las técnicas que permiten adaptar las peticiones del usuario para optimizar las preguntas de modo que se puedan obtener mejores resultados. Una de estas técnicas es la Retroalimentación por Relevancia.
Por otro lado, recientemente han aparecido aplicaciones de Algoritmos Genéticos a la Recuperación de información, la mayor parte de ellos aplicados a la retroalimentación por relevancia. Sin embargo, no se han realizado evaluaciones de los mismos de forma que se puedan comparar entre sí y con otras técnicas de retroalimentación.
En este trabajo implementamos los distintos algoritmos genéticos existentes en la literatura y algunos de diseño propio, y se ha realizado una evaluación utilizando el método de la colección residual, según varios autores el más adecuado para la evaluación de técnicas de retroalimentación por relevancia.
También se han comparado los resultados de los distintos algoritmos genéticos con los obtenidos por el método de Ide dec-hi, uno de los métodos tradicionales que mejores resultados obtienen.
En cuanto a los resultados, éstos varían mucho dependiendo de la función de adaptación utilizada, pero en general son muy prometedores: uno de los algoritmos genéticos diseñados por nosotros obtuvo una mejora del 127%, superando incluso a la mejora conseguida con el método tradicional de Ide dec-hi. De lo que se puede concluir que mediante estos algoritmos genéticos se puede obtener una mejora considerable de la pregunta original, implementando la técnica de retroalimentación por relevancia (en una sola iteración), con lo que prometen ser una técnica de gran ayuda para implementar un sistema de recuperación de información eficaz.
