ATRI: um ambiente experimental de recuperação de informação.

Abstract

Dentro da área de Recuperação de Informação (RI), algoritmos de ranqueamento são respon sáveis por decidir, mediante uma consulta, quais documentos são relevantes ou não à mesma. Neste contexto, visando garantir eficácia aos resultados retornados, é necessário uma modelagem apropriada dos documentos da coleção e das consultas consideradas, no intuito de produzir, adequadamente, uma função de ranqueamento que atribui pontuações de similaridade entre uma consulta e documentos de uma coleção. Para definição de funções de ranqueamento, diversos mo delos de RI foram propostos, utilizando-se de formulações booleanas, vetoriais e probabilísticas. Cada modelo de RI possui suas próprias premissas de funcionamento que levam à classifica ção de documentos de uma determinada coleção, mediante consultas desejadas. Desta forma, este trabalho tem, como objetivo principal, a proposta, o desenvolvimento e a validação de um ambiente experimental de RI, denominado ATRI, que se baseia em distintos modelos de RI para cálculo de similaridade entre consultas e documentos de uma coleção por meio de uma interface amigável, podendo ser aplicado em situações diversas. Para tanto, foram considerados, para cálculo de similaridade, os modelos Booleano, Vetorial, Probabilístico, BM25, Redes de Crença, Booleano Estendido, Vetorial Generalizado, DFRee, PL2 e PageRank. Além disso, o ATRI permite a criação de um ambiente de avaliação de eficácia e benchmarking para a área de RI, por meio da criação automática de ensembles, visualização de métricas de eficácia e suporte a coleções textuais diversas. Para validar o ambiente proposto e desenvolvido, experimentos foram realizados, envolvendo quatro coleções de teste padronizadas e suas respectivas consultas. Por meio da análise dos resultados dos experimentos realizados, foi possível perceber que o modelo BM25 apresentou os melhores resultados quando comparado aos demais modelos de RI, embora todos tenham apresentados resultados satisfatórios em contextos particulares, e que a utilização de ensembles, por combinar boas características dos modelos suportados pelo ATRI, pode ser capaz de criar funções de ranqueamento mais eficazes.