Recursos y herramientas lingüisticos para los sistemas de búsquedas de respuestas monolingües y multilingües

Abstract

En el entorno de la Web la sobrecarga de información se deja sentir aún más que en otros contextos. De esta forma, en demasiadas ocasiones, al plantear una determinada consulta en las herramientas de búsqueda de información web (buscadores, directorios o metabuscadores) el número de páginas web recuperadas resulta excesivo y no todas ellas son relevantes ni útiles para los objetivos del usuario. Los sistemas de búsqueda de respuestas (o SBR) se presentan como una alternativa a los tradicionales sistemas de Recuperación de Información (o RI) tratando de ofrecer respuestas precisas y comprensibles a preguntas factuales, en lugar de mostrar al usuario una lista de documentos relacionados con su búsqueda (Jackson y Schilder, 2005). El funcionamiento de los SBR se basa en los modelos de respuestas cortas (Blair- Goldensohn et al., 2004), y la ventaja principal que ofrece al usuario es que éste no ha de consultar documentos completos para obtener la información requerida puesto que el sistema ofrece la respuesta correcta en forma de un número, un sustantivo, una frase corta o un fragmento breve de texto (Pérez-Coutiño et al., 2004). Dentro de los tipos de SBR el presente trabajo centra parte de su estudio al análisis y evaluación de los SBR multilingües y translingües. Estos sistemas necesitan la incorporación de algún tipo de recurso lingüístico, herramienta o técnica de traducción para la correcta recuperación del resultado, ya que el SBR puede extraer la respuesta de una colección de documentos escritos en una lengua distinta a la que se plantea la pregunta. Puesto que la búsqueda de respuestas monolingüe y multilingüe se presenta como un avance destacado en la mejora de la RI (Kolomiyets y Moens, 2011) se hace necesario determinar su eficacia para el usuario final. Con este objetivo se han realizado ocho estudios donde se evalúa: a) en los dos primeros los recursos y herramientas lingüísticos utilizados por estos sistemas para la recuperación multilingüe o translingüe; b) el rendimiento y la calidad de las respuestas de los principales SBR monolingües y multilingües de dominio general y dominio especializado disponibles en la Web (QuALiM, SEMOTE, START, TrueKnowledge y HONqa) ante preguntas de diversos tipos (de definición, factuales y de lista) y temas (Arte y Literatura, Biología, Medicina, Personajes, Historia, Economía o Deportes, entre otros), para lo que se aplican diferentes medidas de evaluación; y finalmente, c) la satisfacción y las necesidades de los usuarios finales sobre los SBR multilingües como recurso terminológico.