Sistemas de Apoio à DecisãoMárcio MoreiraUnidade 5 – Decisões Não Estruturadas – Recuperação de Informações – Slide 1 5Decisões Não Estruturadas 5.1Recuperação de Informações (RI) Motivação: Por que recuperar informações? Informações em banco de dados (DB) são estruturadas São recuperadas com uma linguagem formal (SQL) Páginas (html, xml, asp, etc) são semi-estruturadas Podem ser recuperadas com uma aplicação simples Informações em outros arquivos não são estruturadas Exemplos: xls, doc, ppt, pdf, mp3, avi, mpg, bmp, jpg, etc. Como recuperar estas informações? Ferramenta de pesquisa do SO Não é suficiente para muitos propósitos (relevância) Estatística das informações: (fonte empírica) 15% DB ( linear), 5% páginas ( exponencial) e 80% outros

Sistemas de Apoio à DecisãoMárcio MoreiraUnidade 5 – Decisões Não Estruturadas – Recuperação de Informações – Slide 2 Evolução das Ferramentas Oferecidas pelos Sistemas Operacionais: File finder: Nomes de arquivos que coincidem com um padrão Text finder: Texto do arquivo coincide com uma string desejada Diretórios Web: Usuários cadastravam dados sobres as páginas Ex (até 2004): Yahoo, Lycos, Alta Vista, Cadê, AOnde Web Search: Usam agentes que exploram as páginas em busca de dados Introduziram conceitos de RI (relevância) na Web Ex: Radix Google Yahoo, Alta Vista, MSN, etc.

Sistemas de Apoio à DecisãoMárcio MoreiraUnidade 5 – Decisões Não Estruturadas – Recuperação de Informações – Slide 3 Técnicas de RI – Web Search Indexação de palavras chaves: Consultas (querys): Palavras-chave, expressões booleanas, etc. Exemplo de query no Google (Radix, Yahoo, etc.): Recuperacao ilmerio (filetype:pdf OR filetype:ppt) Retornam: Documentos que enquadram na query na ordem de relevância Robôs (Agentes) IndexBase (Base de Indexação) Consulta Resposta Página inicial

Sistemas de Apoio à DecisãoMárcio MoreiraUnidade 5 – Decisões Não Estruturadas – Recuperação de Informações – Slide 4 Conceitos Fundamentais Termo (term): Palavras em um documento Ex: Conceitos, termos, palavras, documento,... Palavras chaves (keywords): Palavras relevantes – identificam o assunto Ex: Recuperação, informações, termo,... Freqüência de termo: Número de vezes que a keyword da query aparece no documento (quanto melhor)

Sistemas de Apoio à DecisãoMárcio MoreiraUnidade 5 – Decisões Não Estruturadas – Recuperação de Informações – Slide 5 Ranking dos Documentos Freqüência inversa do documento: Em quantos documentos a keywords da query ocorrem Se poucos então keyword recebe mais importância Links para o documento: Quanto mais links, mais importante o documento Ranking: Freqüência de Termos Freqüência Inversa Links

Sistemas de Apoio à DecisãoMárcio MoreiraUnidade 5 – Decisões Não Estruturadas – Recuperação de Informações – Slide 6 Opcionais Similaridade: Alfabética:quanto mais letras iguais melhor Fonética:similaridade de sons (dep. língua) Sinônimos: Ex: motos reparos motos e (reparos ou manutenção) Homônimos: Mesma grafia e semântica diferente Ex: para (preposição ou verbo) A decisão de uso destes elementos deve ser uma escolha do usuário

Sistemas de Apoio à DecisãoMárcio MoreiraUnidade 5 – Decisões Não Estruturadas – Recuperação de Informações – Slide 7 Métricas de Relevância Precisão (precision): % de documentos relevantes retornados que são parte dos retornados para a query Ex: % de links abertos pelo total de links Cobertura (recall): % de documentos relevantes retornados do total de documentos relevantes para a query Ex: % de downloads dos links abertos Falsos positivos: Links abertos sem download irrelevante Todos os documentos Doc. relevantes Doc. retornados Relevantes retornados

Sistemas de Apoio à DecisãoMárcio MoreiraUnidade 5 – Decisões Não Estruturadas – Recuperação de Informações – Slide 8 Eficiência da Recuperação Tempo de resposta da query Este é o principal elemento sob o ponto de vista do usuário Premissas: A velocidade de indexação é fundamental Assim, ela deve ser feita antes Daí vem as idéias dos robôs Outras soluções: Algoritmos de indexação, busca e compressão Filtragem baseada no perfil do usuário

Sistemas de Apoio à DecisãoMárcio MoreiraUnidade 5 – Decisões Não Estruturadas – Recuperação de Informações – Slide 9 Finalizando Feedback: Refinamentos sucessivos de querys com apoio do usuário Recuperação multimídia: Parte mais difícil da RI Reconhecimento de pessoas (rosto, digital, etc.) Reconhecimento de fala Busca de imagens (cores e contornos) e sons (conteúdo) por similaridade Campo de pesquisa mais promissor da RI