|
La relevancia que posee la recuperación de información textual puede deducirse del hecho de que en la bibliografía se hace referencia a ella con la amplitud del término "Information Retrieval" y que para los demás tipos de sistemas de información se empleen otras denominaciones más específicas. Information Retrieval da nombre a muchos grupos y asociaciones que trabajan sobre el tema: el "Special Interest Group on Information Retrieval" de ACM o el "Center for Intelligence Information Retrieval". En la medida que instituciones de toda índole han descubierto las potencialidades de las autopistas de la información para hacer accesibles sus bases de datos textuales, ha crecido la importancia de la recuperación de este tipo de información. No se trata de una necesidad nueva. La escritura es probablemente uno de los medios más antiguos de almacenar y transmitir el conocimiento; y a partir de un cierto volumen de texto escrito se hace imprescindible un sistema organizativo que posibilite la localización de la información que se precise en cualquier momento. Esta necesidad ha estado cubierta por técnicas que no han variado en 200 años básicamente; la disponibilidad de ordenadores cada vez más potentes, los dispositivos de almacenamiento más rápidos y de mayor capacidad y las redes de gran ancho de banda han producido una explosión de la información que no puede ser afrontada sin nuevas técnicas de almacenamiento, acceso, interrogación y manipulación. El desarrollo de los sistemas automatizados de recuperación de información se inició con el objetivo de facilitar el manejo de la enorme cantidad de literatura científica surgida desde los años 40. No ha quedado restringida a este campo sino que se ha extendido a otras áreas: cualquier disciplina que base su trabajo en la utilización de documentos puede beneficiarse de las técnicas de recuperación de información textual. En los últimos 30 años se han desarrollado estructuras de datos eficientes para almacenamiento de índices, sofisticados algoritmos de interrogación, métodos de compresión e incluso hardware específico; más recientemente, se han aplicado técnicas de procesamiento del lenguaje natural en aspectos tales como la extracción de información, la formulación de interrogaciones amigables y la generación de respuestas. Un componente importante de las técnicas de recuperación textual lo constituye la búsqueda de cadenas tanto exacta como aproximada -considerada por algunos autores tan básica como puedan serlo las operaciones aritméticas en otras áreas. También son importantes los métodos de construcción y manipulación de diccionarios -en general aceleran los procesos de búsqueda y reducen el tamaño de los índices. La construcción de diccionarios suele relacionarse con las técnicas de procesamiento del lenguaje natural. Pero aparte de la recuperación está la indización de la información, que consiste en recorrer el documento para comprender y abstraer su significado, de tal forma que dé como resultado una representación sintética de su contenido. Esto exige, conocimientos científicos, comprensión del lenguaje natural y de la lengua del texto y dominio del lenguaje documental, y de análisis y síntesis. Puntos que se deben de tener en cuenta en la indización automática. El objetivo
inicial del presente trabajo es el análisis de la herramienta de
recuperación de información Lemur. Durante el estudio del
funcionamiento interno del programa han surgido varios problemas debido
a ciertas dificultades para ejecutar la aplicación. - OKAPI
|
||||