Propuesta de un modelo de asociación de tópicos

Resumen

En el presente proyecto se propone un algoritmo que busca mejorar el orden de relevancia, de los documentos recuperados como respuesta a la consulta de similitud de documentos a uno dado. Este proyecto de fin de máster se enfocó en tomar en cuenta el orden de relevancia, de la similitud de un par de documentos, proporcionados por un usuario, como una retroalimentación, a un sistema de recuperación de información. En primera instancia, se analizó la precisión de la relevancia que tiene el sistema de recuperación de información actual y se buscó una mejora mediante la combinación de tópicos de un par de documentos que se consideran altamente similares. Una vez que se obtuvo el patrón de combinación de tópicos entre un documento y sus similares recuperados, que mejora el posicionamiento de resultados situando a los más relevantes en el top, se procedió a diseñar el algoritmo que siga este patrón. El juego inicial de tópicos y su mejora fueron dados mediante una retroalimentación, de niveles de relevancia de los documentos recuperados como similares a un documento, proporcionada por un sistema de crowdsourcing existente que proporciona la media de la opinión de usuarios sobre la similitud entre documentos. El algoritmo que da vida a estas combinaciones de tópicos obtenidos previamente proporciona como salida reglas de asociaciones de tópicos. Como fase final del proyecto, se realizaron pruebas empíricas aplicando las reglas a un conjunto de documentos de prueba y se analizó la precisión de la recuperación de documentos similares a un documento query, una vez modificadas sus anotaciones de tópicos. Obteniendo de esta manera los resultados y conclusiones del proyecto.---ABSTRACT---In the present project an algorithm is proposed that aims to improve the order of relevance of the documents retrieved in response to the query of document similarity to a given one. This master’s thesis project focused on considering the order of relevance of the similarity of a pair of documents given by a user, like a feedback, to an information retrieval system. First, the relevance of the current information retrieval system was analyzed by its precision, and an improvement was sought by combining topics from a pair of highly similar documents. Once the pattern of combining topics between a document and its retrieved peers is obtained, which improves the positioning of results by placing the most relevant ones at the top, an algorithm that follows this pattern is processed. The initial set of topics and their improvement were given by means of feedback, on the levels of relevance of the documents retrieved as being similar to a document, specified by an existing crowdsourcing system that provides the means of user opinion on the similarity between documents. The algorithm that gives life to these combinations of topics previously experimented provides as output rules for topic associations. As a final phase of the project, the rules are applied to a set of test documents and the precision of retrieval of documents similar to a given document is analyzed, after their topic annotations have been modified. Thus, obtaining the results and conclusions of the project.