1 / 26

Desenvolvimento e Avaliação de uma Estrutura Multitesauro para a Recuperação de Informações

Desenvolvimento e Avaliação de uma Estrutura Multitesauro para a Recuperação de Informações. Luiz Augusto Sangoi Pizzato Vera Lúcia Strube de Lima. O que será visto. Introdução aos conceitos de tesauro e relações semânticas; Objetivos deste trabalho; Recursos disponíveis;

wells
Download Presentation

Desenvolvimento e Avaliação de uma Estrutura Multitesauro para a Recuperação de Informações

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Desenvolvimento e Avaliação de uma Estrutura Multitesauro para a Recuperação de Informações Luiz Augusto Sangoi Pizzato Vera Lúcia Strube de Lima

  2. O que será visto ... • Introdução aos conceitos de tesauro e relações semânticas; • Objetivos deste trabalho; • Recursos disponíveis; • Estrutura multitesauro desenvolvida; • Heurística de expansão de consultas implementada; • Avaliação; • Trabalhos relacionados; • Considerações; 2 /28

  3. Definição adequada ao contexto da RI / Dissertação O que é um tesauro? "É uma compilação ordenada de conceitos, com ênfase na associação entre eles, que serve, no campo da informação e da documentação, para indexação e recuperação em um dado domínio documentário" (Ruge, 1999) Caminhoneiro -> Caminhão, Motorista, CargaCobra -> Animal, Réptil, Cobra VenenosaComputador -> Processador, CPU, Processamento 3 /28

  4. Relações semânticas da ISO 2788 • Relação entre sinônimos • Entre Termos Preferenciais (TP) e Termos Não-Preferenciais (TNP). • USE • TNP USE TP • Motorista de caminhão USE Caminhoneiro • UF (Used For) • TP UF TNP • Caminhoneiro UF Motorista de caminhão 4 /28

  5. Relações semânticas da ISO 2788 • Relações entre TP • Broader Term - BT • Automóvel BT Veículo • Narrower Term - NT • Veículo NT Automóvel • Related Term - RT • Automóvel RT Rodovia 5 /28

  6. Objetivos deste trabalho • Criar uma estrutura de tesauros que seja útil à Recuperação de Informação (RI). • Demonstrar a possibilidade de utilização de múltiplos tesauros de forma conjunta (multitesauro) através da utilização de uma estrutura padrão. 6 /28

  7. Recursos disponíveis • Tesauros • LDPUCRS • Lista de descritores da Biblioteca Ir. José Otão – PUCRS; • VCUSP • Vocabulário Controlado da USP – Tesauro em CDROM; • VCBS • Vocabulário Controlado Básico do Senado; • LTOCSS • Lista de termos obtida por cálculo de similaridade sintática através das técnicas descritas por Gasperin (2001). • Tesauro construído automaticamente através do corpus do NILC da “Folha de São Paulo” do ano de 1994. 7 /28

  8. Desenvolvimento da estrutura multitesauro • Tesauros LDPUCRS, VCUSP, VCBS podem ser facilmente convertidos para a uma estrutura baseada na ISO 2788 • Algumas informações presentes nos tesauros podem ser descartadas • Scope Note (Notas de Escopo) são úteis para bibliotecários, mas não aparentam utilidade na RI automática • As relações semânticas do tesauro LTOCSS apresentam uma medida de similaridade entre os termos. • Como os significados das relações não são conhecidos, elas são associadas à relação RT da ISO 2788. 8 /28

  9. ISO 2788 LTOCSS Estrutura multitesauro <THESAURUS> <TERM term=“Eletroeletrônicos”> <TERM term=“Televisão”> <UF term=“TV”/> <RT term=“Audiência”/> <RT term=“Telespectador” value=“0.99”/> </TERM> <NT term=“Videocassete”/> </TERM> <TERM term=“Videocassete”> <SN>Utilize este termo quando for um aparelho com mídia em fita magnética.</SN> <BT term=“Eletroeletrônicos”/> </TERM> <TERM term=“Audiência”/></THESAURUS> 9 /28

  10. Estrutura aplicada a RI • Desenvolvimento de um heurística de Expansão de Consulta • Objetivos: • Utilizar a estrutura em uma aplicação de RI; • Demonstrar que, através de uma estrutura padrão é possível a utilização conjunta de diferentes tesauros (multitesauro) por uma mesma aplicação. 10 /28

  11. Termo C Termo A Termo B Contexto deste trabalho Expansão de consulta? • A adição de termos a uma consulta de forma que o conjunto de documentos relevantes encontrados seja maior que o conjunto da consulta original. Documentos Relevantes 11 /28

  12. O que é o QET? É uma ferramenta de expansão de consulta (EC) que utiliza tesauros definidos de acordo com uma estrutura padrão. O nome QET é um acrônimo para Query Expansion Tool e a ferramenta teve seu desenvolvimento em Borland Kylix 2 - Open Edition sobre uma plataforma Linux. 12 /28

  13. β = 0.8 > σ (0.1) UF Carro Automóvel (0.8) RT NT UF UF RT β = 0.16 > σ (0.1) Carro Automóvel Acidente de Trânsito (0.6) (0.8) (0.2) (0.8) (0.2) β = 0.032< σ (0.1) RT Carro Automóvel Acidente de Trânsito (0.2) δ = 0.6 + 0.16 > λ (0.6) Acidente Acidente de Trânsito Heurística da Expansão • Um termo t é adicionado à consulta expandida se o valor δ(t) for maior que um limiar λ proposto. • O valor δ(t) é soma de todos valores β(t) > σ . • A cada tipo de relação é atribuído um peso entre (0,1] 13 /28

  14. Medidas de avaliação • Precisão: • Recall: • F-Measure: Documentos Relevantes Corpus a c Documentos Recuperados b 14 /28

  15. Definição dos pesos para as relações Peso de RT altos diminuem a precisão Peso de BT elevado aumenta o recall mas reduz a precisão 15 /28

  16. Avaliação • Testes em corpus • Corpus do NILC de artigos diversos da folha de São Paulo do ano de 1994, com 1.323.700 palavras em 5093 artigos. Cada artigo corresponde a um arquivo diferente. • Indexação e consulta aos arquivos realizada pela ferramenta ASPSeek, através de interface Web/CGI. • Verificação manual de relevância. • Geração semi-automática de estatísticas. • Marcação de relevância para 13 assuntos. 16 /28

  17. Recall 17 /28

  18. Precisão 18 /28

  19. F-Measure 19 /28

  20. Avaliação • Médias das 13 consultas 20 /28

  21. Et al. E coautores! Trabalhos Relacionados • Sintichakis & Constantopoulus (1997) apresentam um método de efetuar a junção de tesauros monolíngües; • Robin & Ramalho (2001) realizam a expansão de consultas com as relações de sinonímia e hiperonímia da WordNet. • Tudhope et al. (2001) propõem uma técnica para medir a distância semântica entre termos utilizando diferentes pesos para as diferentes relações semânticas. • Mandala et al. (1999) utilizam a WordNet, junto ao tesauro de Roget e outros tesauros gerados automaticamente, na expansão de consultas. 21 /28

  22. Considerações • A estrutura tesaural desenvolvida possibilita a utilização conjunta de diferentes tipos de tesauros e demonstrou sua utilidade na RI através do método de expansão de consultas desenvolvido. • O método de expansão apresenta bons resultados (F-Measure) e melhora a RI. 22 /28

  23. Foco da Dissertação • O desenvolvimento da estrutura multitesauro; • A heurística utilizada na expansão de consulta implementada na ferramenta QET. • Uma avaliação da utilização da estrutura na RI. 23 /28

  24. Agradecimentos • Artigo/projeto parcialmente suportado pelo convênio DELL/PUCRS • Conselho Nacional de Pesquisa Científica • Departamento Técnico do Sistema Integrado de Bibliotecas da USP • Subsecretaria de Biblioteca do Senado Federal • Biblioteca Central da PUCRS • Núcleo Interinstitucional de Lingüistica Computacional 24 /28

  25. Referências GASPERIN, Caroline Varaschin. Extração automática de relações semânticas a partir de relações sintáticas. Dissertação de Mestrado. Faculdade de Informática da Pontifícia Universidade Católica do Rio Grande do Sul. 2001. ISO 2788. International Organization for Standardization. ISO 2788: Guidelines for the establishment and development of monolingual thesauri. 2nd ed. Geneva: ISO, 1986. MANDALA, Rila; TOKUNAGA, Takenobu; TANAKA, Hozumi. Complementing wordnet with roget's and corpus-based thesauri for information retrieval. In: 9th Conference Of The European Chapter Of The Association For Computational Linguistics (EACL'99), 1999. Proceedings ... . 1999. p.94-101. MANDALA, Rila; TOKUNAGA, Takenobu; TANAKA, Hozumi. Combining multiple evidence from dierent types of thesaurus for query expansion. In: 22nd Annual International ACM SIGIR Conference On Research And Development In Information Retrieval, 1999. Proceedings .... ACM Press, 1999. p.191-197. ROBIN, J.; RAMALHO, F. S. Empirically evaluating WordNet-based query expansion in a web search engine setting. In: IR'2001, 2001,Oulu, Finland. Proceedings … . 2001. RUGE, G. Combining Corpus Linguistics and Human Memory Models for Automatic Term Association. In: STRZALKOWSKI, Tomek. Natural Language Information Retrieval. 1999. p75-98. SINTICHAKIS, Marios; CONSTANTOPOULOS, Panos. A method for monolingual thesauri merging. In: 20th International Conference On Research And Development In Information Retrieval, 1997. Proceedings ... . 1997. p.129-138. TUDHOPE, Douglas; ALANI, Harith; JONES, Christopher. Augmenting thesaurus relationships: possibilities for retrieval. Journal of Digital Information, v.1, n.8, Fevereiro 2001. 25 /28

  26. Desenvolvimento e Avaliação de uma Estrutura Multitesauro para a Recuperação de Informações Luiz Augusto Sangoi Pizzato Vera Lúcia Strube de Lima http://www.inf.pucrs.br/~pizzatopizzato@inf.pucrs.br

More Related