@misc{10481/24516,
year = {2013},
url = {http://hdl.handle.net/10481/24516},
abstract = {CAPÍTULO 1 Este primer capítulo nos servirá para exponer los conceptos generales y básicos para comprender el resto de la memoria, tanto en la vertiente de las redes bayesianas como en la de recuperación de información. Comenzaremos introduciendo las bases de la Recuperación de Información mediante la descripción del proceso completo, desde la indexación de documentos y consultas, hasta las técnicas, existentes para mejorar el rendimeinto del sistema recuperador, pasando por la forma en que los principales modelos hacen la propia recuperación. La segunda parte se dedicará a hacer lo mismo, pero en este caso con las redes de creencia: qué son, para qué sirven, cómo se construyen (proceso de aprendizaje) y, por último, cómo se utilizan (programación). Finalmente, uniremos estas dos áreas, pasando a centrarnos en una revisión de las principales aplicaciones de las redes de creencia a la recuperación de información. CAPÍTULO 2 El segundo capítulo pretende demostrar cómo las redes bayesianas pueden utilizarse eficiente y eficazmente como ayuda a cualquier sistema de recuperación de información, en este caso para realizar tareas de expansión de consultas. Describiremos detalladamente cómo construimos la red de creencia subyacente, es decir, explicaremos su topología y el algoritmo de aprendizaje diseñado a medida para este problema. Una vez hecho esto, pasaremos a comentar cómo se puede utilizar la red construida para poner en práctica la técnica de modificación de la consulta mediante expansión. Finalmente, concluiremos el capítulo con la experimentación efectuada con este sistema de apoyo a la recuperación. CAPÍTULO 3 Este capítulo se puede claificar como el más importante de la memoria, ya que en él presentamos el modelo genérico de recuperación de información que se ha desarrollado. Se distinguen tres partes principales en él: la primera, que se centra en la descripción del modelo, topología y estimación de las distribuciones de probabilidad; la segunda gira entrono a la exposición de cómo se puede usar el modelo construido para recuperar documentos, tarea que se pone en práctica mediante el correspondiente método de inferencia en redes bayesianas. Y, por último, la tercera parte centrada en la exposición de la experimentación y en el análisis de la misma. CAPÍTULO 4 Una de las técnicas más ampliamente utilizadas para mejorar el rendimiento de un sistema de recuperación de información es la conocida como realiemntación de relevancia, por la cual la aplicación recuperadora genera nuevas consultas a partir de la información suministrada por el usuario,una vez que ha inspeccionado los documentos que le devuelve el sistema documental como respuesta a una consulta.Así, y tras realizar una introducción general a esta herramienta y otra espcífica, en la que se estudia cómo otros modelos basados en redes de creencia ponen en práctica esta técnica, pasaremos a describir dos propuestas novedosas para realizar la realimentación en nuestro modelo. Cada propuesta viene acompañada de una detallada experimentación, al mismo tiempo que de los correspondientes comentarios explicando los comportamientos. CAPÍTULO 5 Hasta este momento, se ha supuesto que los documentos incluidos en una colección no tienen relaciones directas unos con otros, sino solamente a través de los términos comunes que los indexan. En este capítulo presentaremos un mecanismo para relacionarlos entre sí, originando un modelo más expresivo. Así, y tras explicar los fundamentos de este método, mostraremos los resultados empíricos que se obtienen mediante el uso de esta extensión de los modelos originales. CAPÍTULO 6 Por último, expondremos las conclusiones obtenidas en el desarrollo de esta investigación y esbozaremos las líneas generales por las que discurrirá nuestra investigación en el futuro.},
organization = {Tesis Univ. Granada. Departamento de Ciencias de la Computación e Inteligencia Artificial},
publisher = {Universidad de Granada},
keywords = {Redes de ordenadores},
keywords = {Sistemas de almacenamiento y recuperación de información},
title = {Modelos de recuperación de información basados en redes de creencia},
author = {Fernández Luna, Juan Manuel},
}