Filtrado de información para la búsqueda de respuestas

Abstract

La complejidad de los sistemas de Búsqueda de Respuestas (BR) dificulta que sean aplicados a grandes colecciones de documentos. Por este mótivo, los sistemas de BR utilizan como paso previo un sistema de Recuperación de Información (RI), para detectar los documentos relevantes y disminuir de esta forma la información a procesar. En este artículo, presentamos un método para filtrar los documentos no relevantes en el contexto de BR. Concretamente, el método aplicado para filtrar información está basado en el teorema del valor medio. Hemos evaluado este método con tres medidas de similitud distintas: la medida del coseno, okapi y dfr. En los experimentos obtenemos una reducción de hasta el 89% de información sin apenas pérdida significativa en la precisión. Además, mediante este método, mejoramos un 7.05% la precisión global de un sistema de BR.

The complexity of the Question Answering (QA) systems difficults their application to large collections of documents. For this reason, QA systems use Information Retrieval (IR) as preliminary stage in order to detect the relevant documents and decrease the processing data. This paper studies the problem of filtering information in the context of QA. Specifically, we have applied the Mean-Value Theorem in order to filtering data without loss precision in the results. This method has been tested with three similarity measures: cosine, okapi and dfr. In the experiments, we achieved a 89% data reduction without significant data loss. Moreover, this method improves a 7.05% the precision of the QA system.