|
SMART es un sistema
de recuperación de información aparecido en la década
de los 60, fue en los 80 cuando avanzo y se dio mas a conocer. Utiliza
el modelo vectorial de Salton. Lo más difícil de este sistema
es que su interface no es muy fácil de manejar para los no expertos
en el tema.
Además su verdadera
potencia esta en pleno rendimiento en un sistema operativo como Unix y
no en un Windows, a ello hay que añadir la dificultad de encontrar
documentación sobre este programa.
Una de las utilidades
de Smart es por ejemplo: utilizar algoritmos del programa para ponderar
y calcular la similaridad entre términos extraídos de los
documentos para representar su contenido y los términos utilizados
para representar los conceptos de los registros utilizados.
4.1.
MANEJO DE SMART
Hay que crear una
base de datos
Las acciones de Smart
son controladas por los "Spec-files". Estos archivos consisten
en un "parámetro-valor".
Antes de que una base de datos pueda ser puesta en un índice y
ser utilizada, necesitamos preparar por lo menos dos "help-files",
un archivo que describa la localización del datafile(s) que se
pondrá en un índice y unos o más "Spec-files"
que describan los datos y las acciones de Smart. Los valores prefijados
que son válidos para la mayoría de las bases de datos se
pueden encontrar en los archivos "spec-default"
Las acciones que describen los datos y las acciones de la base de datos
individual se recogen en el archivo 'spec-data'
Los textos que se utilizan en SMART deben ser en ASCII, ademas entre sus
funciones esta la de reconocer expedientes y campos separados.
## INFORMATION LOCATIONS
database /Data/Exisummer
include_file /Data/Exisummer/spec.expcoll
doc_loc /Data/Exisummer/doc_loc
#### GENERIC PREPARSER
pp.default_section_name
d
pp.default_section_action copy
num_pp_sections 21
pp_section.0.string
"Rec:"
pp_section.0.action discard
pp_section.0.newdoc_flag true
pp_section.1.string
"TI:"
pp_section.1.section_name title
....
4.1.1. Detalle
de "spec-file"
Rec: como el principio de un nuevo documento, pero no se incluye en el
proceso de la indexación de direcciones.
TI: indica que el texto que sigue es el título.
4.2.
Creación de los índices
Esto se realiza para
el proceso de indexación de direcciones, en donde:
- El archivo ' doc-loc ' contiene una lista de los documentos que se pondrán
en un índice:
- El archivo 'common_words ': Utiliza una lista de palabras indeseadas
para que no se agreguen al indice.
Cada acción
de SMART es iniciada llamando al programa con dos o más parámetros.
En muchas situaciones estos parámetros serán el ' spec-file'
de la base de datos y de la acción requeridas.
Luego la recuperación simple en Smart puede ser en modo interactivo
o por formato.
El modo interactivo
Se utiliza para este
proceso interactivo el comando: #Inter..Se puede buscar por palabra clave
simple
4.3.
Metodología
SMART utiliza el modelo
vectorial que se trata de una representación abstracta de documentos
y consultas, que permite definir las características de ambos,
así como calcular el grado de semejanza o similaridad entre unos
y otros.
Definido a partir de los trabajos de G. Salton en los primeros años
70, ha sido y es ampliamente utilizado en sistemas de recuperación.
Básicamente, representa cada documento en una colección
mediante un vector de n elementos, donde n es el número de términos
indizables susceptibles de ocurrir o aparecer en cualquier elemento de
la colección.
Mediante diferentes sistemas de cálculo, a cada término
o cada elemento del vector de cada uno de los documentos se le asigna
un valor numérico o peso, que pretende significar la importancia
o valor informativo de ese término en ese documento.
Una consulta dada, formulada en lenguaje natural, puede representarse
también mediante el mismo sistema, es decir, mediante otro vector
de los mismos n elementos, cada uno de los cuales contiene el peso de
cada uno de los términos de dicha consulta.
En consecuencia, se puede calcular cualquiera de las funciones utilizadas
habitualmente para establecer la similaridad entre dos vectores, aplicándola
entre el vector de la consulta y los de cada uno de los documentos.
El resultado es un valor numérico que pretende indicar el grado
de ajuste o semejanza entre la consulta y cada uno de los documentos;
de forma que, aquellos documentos que arrojen una cifra más alta,
serán los que más se ajusten a la consulta formulada.
4.4.
Conclusiones
En definitiva lo que
hace SMART es utilizar técnicas de lingüística para
descubrir automáticamente semejanzas de la palabra directamente
del contenido de la base de datos textual y para incorporar esa información
en el sistema SMART de la recuperación de datos.
Se calculan semejanzas en los contextos en los cuales las palabras aparecen.
Usando estas semejanzas, las preguntas del usuario se amplían automáticamente,
dando por resultado la recuperación conceptual más bien
que requerir la palabra exacta al analizar entre las preguntas y los documentos.
Volver
arriba
PÁGINA
DE INICIO
|