Personalizing xml information retrieval

Abstract

Esta tesis se centra en la personalización de esta nueva y desafiante aproximación de la recuperación de información estructurada (RIE), ya que cuando se trabaja con distintas partes de los documentos aparecen algunos problemas adicionales, p.e. el problema del solapamiento, pero en la mayoría de los casos es trivial aplicar las técnicas desarrolladas sobre documentos no estructurados, cosa que no sucede al contrario. A lo largo de esta tesis hemos usado una colección documental compuesta por documentos en formato XML del Parlamento de Andalucía (PA) - la comunidad autónoma del sur de Espa~na establecida en 1982. Nuestro grupo de investigaci on, Uncertainty Treatment in Artificial Intelligence (UTAI), coopera con el PA desde el a~no 2005. Durante esta colaboración nos han proporcionado sus dos principales publicaciones oficiales: los diarios de sesiones y los boletines oficiales. Debemos destacar que la colección documental anterior ha sido la usada en la mayoría de experimentos llevados a cabo en esta tesis, pero por supuesto, todo el trabajo desarrollado es independiente de esta colección en concreto y es perfectamente válido con cualquier otra colección documental apropiada.

This thesis is focused on personalizing this new and challenging SIR approach, as some problems appear when dealing with diferent parts of a document, e.g. the overlapping problem, but in most of the cases it is trivial to apply the developed techniques to deal with at documents, which would not happen the other way around. Along this thesis we have used a document collection composed by documents in XML format from the Andalusian Parliament (AP) - the southern spanish autonomous region established in 1982. Our research group, Uncertainty Treatment in Artifcial Intelligence (UTAI), has been cooperating with the AP since 2005. Along this collaboration they have been providing us with their two main ofcial publications: the record of parliamentary proceedings and the ofcial bulletins. It must be noted that the previous document collection has been used in most of the experiments carried out in this thesis, but of course, all the developed work is independent of this collection and it would perfectly works with any other appropriate document collection.