La ricerca dell'informazione
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
La ricerca dell’informazione
Documento
Documento= risorsa informativa
Fino agli anni’80 i documenti erano:
• Quasi esclusivamente di tipo analogico.
• Tipicamente cartaceo
• Oggetto fisico manipolabile
• Facilmente consultabile (vista o tatto)
Oggi:
- Molti documenti sono di tipo digitale
- Accesso al contenuto è mediato tecnologicamente da un elaboratore
elettronico
Ciclo di vita di un documento
Ciclo di vita = periodo di tempo nel quale l’informazione che esso contiene è
aggiornata o rilevante.
E’ sempre opportuno valutare il grado di aggiornamento di un documento.
Nel WEB?
Nel Web possono esistere più versioni dello stesso documento e quindi è
fondamentale trovare la più recente!
Information Retrieval
Il punto di partenza di una ricerca di informazioni è sempre la percezione
soggettiva di una lacuna, o mancanza, di conoscenza.
Esigenza informativa
Rivolgersi a un esperto → tacit knowledge retrieval
Interrogare il catalogo di una biblioteca, una web directory, un motore di ricerca
→ information retrieval
Consultare direttamente un documento pertinente→ full text retrieval
Consultare direttamente un documento pertinente per reperire nella
bibliografia altre possibili fonti di informazione→ reference linking
Information Retrieval
Il web è sconfinato e le informazioni vanno richiamate.
information overload
MOTORI DI RICERCA
Ma come fanno questi a fornire dati che combacino con le nostre richieste?
IR – INFORMATION RETRIEVALInformation Retrieval
INFORMATION RETRIEVAL o RECUPERO DELLE INFORMAZIONI: processo di
selezione di informazione rilevante da una collezione di documenti
appositamente organizzata.
rendere accessibile la conoscenza
GRANDI QUANTITA’ DI
attualmente disponibile
INFORMAZIONI
rendere disponibili in maniera
automatica i dati archiviati.
INFORMATION
RETRIEVALInformation Retrieval - Storia
1945 – Vannevar Bush - articolo “As We
May Think”
Bush individuò il seguente problema: gli
esperti si specializzano sempre di più e
hanno perciò bisogno di un numero sempre
maggiore di informazioni, che però risultano
sempre più difficili da trovare anche per via
della differenziazione degli ambiti.
La sua visione personale si chiamava
Memex, (Memory Expansion) e consisteva
in una scrivania dotata di tre schermi e con
un sistema di archiviazione dei dati basata
su microfilm.
Anni 50 – Hans Peter Luhn
Sviluppò tecnologie che sono ancora oggi
rilevanti: full-text processing, auto-
indicizzazione e la disseminazione selettiva
delle informazioni (SDI).Information Retrieval - Scopo
Le ricerche degli utenti sono spesso imprecise, il
termine di ricerca inserito lascia spesso spazio a VAGHEZZA
interpretazioni.
Il sistema non è sufficientemente a conoscenza dei contenuti
delle informazioni archiviate al suo interno.
INSICUREZZA Per questo motivo a volte vengono forniti dei risultati errati.
Questo avviene ad esempio nel caso di parole omonime,
ovvero parole identiche ma dal significato diverso.
Inoltre il sistema dovrebbe anche valutare
le informazioni, al fine di offrire all’utente
ORDINE
una successione dei dati dove, idealmente,
il primo risultato è la risposta più adatta alla
domanda posta dall’utente.Information Retrieval - Scopo
QUERY OGGETTO
("interrogazioni") sono stringhe di
parole-chiavi rappresentanti Entità che possiede informazioni le
l'informazione richiesta. Vengono quali potrebbero essere risposta
digitate dall'utente in un sistema IR dell'interrogazione dell'utente. Un
e sono la concretizzazione del reale documento di testo, per esempio, è un
bisogno informativo dell'utente. oggetto di dati.Information Retrieval - Modelli •Modelli booleani: le relazioni di affinità vengono individuate attraverso operazioni booleane. •Modelli algebrici: l’affinità viene identificata a coppie; documenti e ricerche sono rappresentabili come vettori, matrici o tuple ordinate (modello vettoriale). •Modelli probabilistici: questi modelli producono riferimenti di affinità considerando le quantità di dati come esperimenti casuali divisi in più fasi.
IR - Modello Booleano I motori di ricerca più famosi del web si basano sul principio booleano. Si tratta di collegamenti logici attraverso i quali gli utenti possono rendere più precisa e accurata la propria ricerca. • NOT • AND • OR Questi servono quando ad esempio è fondamentale che entrambi i termini utilizzati per una richiesta compaiano nella risposta o che al contrario vengano esclusi contenuti con determinati termini. Anche le operazione di Google funzionano secondo questo principio. Lo svantaggio di questo sistema è che non prevede in alcun modo l’ordine gerarchico dei risultati. Sarebbe utile infatti che seguissero un ordine in base alla loro utilità, ma questo metodo offre i risultati in ordine casuale.
IR - Operatori Booleani -
Operatore Funzione
Cerca X oppure Y. Restituisce risultati che hanno a che vedere con X o Y, oppure con
entrambi. Attenzione: può anche essere usato l’operatore barra verticale (|) al posto
di “OR”.
OR
Es. bicicletta OR usata
Cerca X e Y. Restituisce soltanto i risultati connessi sia a X che a Y. Attenzione: non è
diverso dalle ricerche normali, che Google esegue di default usando “AND”, ma è
AND
molto utile se combinato con altri operatori.
Per trovare più velocemente le informazioni desiderate, Google mette a
disposizione un operatore di ricerca per escludere dei termini precisi, ovvero il meno
- (-) seguito da una parola. Così saranno mostrate solo le pagine che non contengono
il termine indicato dopo il trattino.
Es. jobs -apple
Tabella estratta dal sito: https://www.ionos.it/digitalguide/online-marketing/marketing-
sui-motori-di-ricerca/ricercare-con-gli-operatori-di-ricerca-di-google/IR - Operatori Ricerca -
Operatore Funzione
"parola o Per ricercare citazioni, parti di canzoni o testi. Da notare che il motore di ricerca non
frase esatta" tiene conto dei caratteri minuscoli o maiuscoli.
Chi invece vorrebbe mantenersi sul generico o non conosce esattamente un
termine, ha la possibilità di lasciar integrare automaticamente da Google le parole
*parola mancanti, ricorrendo all’asterisco, un carattere jolly.
Così è possibile ad esempio scoprire dei proverbi che non si conoscono
esattamente: chi non *, non *
Il cancelletto si utilizza anche su Google per ricercare tra i temi di tendenza. In
#parola questo modo gli utenti possono cercare tramite hashtag (come avviene sui social)
#GiornataMondialeDelLibro
Come con gli hashtag, su Google con il simbolo @ è anche possibile ricercare per
@parola
tag nei social.
Tabella estratta dal sito: https://www.ionos.it/digitalguide/online-marketing/marketing-
sui-motori-di-ricerca/ricercare-con-gli-operatori-di-ricerca-di-google/IR - Operatori Ricerca -
Operatore Funzione
Cerca i prezzi.
€ Es. bicicletta €
Dice che tempo fa in una certa località. Il risultato viene visualizzato in uno snippet,
Weather: ma l’operatore restituisce anche risultati da altri siti che si occupano di meteo.
Es. weather:macerata
Converte un’unità di misura in un’altra. Funziona con le valute, i pesi, le
in temperature, ecc.
Es. 30 c in fahrenheit
Tabella estratta dal sito: https://www.ionos.it/digitalguide/online-marketing/marketing-
sui-motori-di-ricerca/ricercare-con-gli-operatori-di-ricerca-di-google/IR - Operatori Ricerca -
Operatori di ricerca avanzati
OPERATORI FUNZIONI
site: Tutte le pagine indicizzate di un dominio.
• Cristiano Ronaldo site: Repubblica.it
• Cristiano Ronaldo -site:wikipedia.org
related: Per trovare siti simili.
• related:repubblica.it
intext: Vengono mostrati i risultati che contengono la parola nel testo.
• intext: Mattarella Unimc
define: Fornisce delle spiegazioni in merito alla keyword inserita.
• define:giornale
filetype: Per trovare solo i risultati con uno specifico formato.
• gimp tutorial filetype:pdfInformation Retrieval - Modelli •Modelli booleani: le relazioni di affinità vengono individuate attraverso operazioni booleane. •Modelli algebrici: l’affinità viene identificata a coppie; documenti e ricerche sono rappresentabili come vettori, matrici o tuple ordinate (modello vettoriale). •Modelli probabilistici: questi modelli producono riferimenti di affinità considerando le quantità di dati come esperimenti casuali divisi in più fasi.
IR - Modello algebrico Nel sistema vettoriale: - contenuti=vettori - I termini (terms) =assi delle coordinate Ad ogni termine negli oggetti e nelle query viene assegnato un peso, espresso con un numero reale positivo. I documenti e le query vengono visualizzati come vettori all’interno di uno spazio n dimensionale. Sia i documenti come anche le ricerche contengono valori specifici in riferimento al termine e sono perciò rappresentabili come punti o vettori all’interno di uno spazio vettoriale. Successivamente entrambi i vettori vengono paragonati. Il vettore più affine alla ricerca dovrebbe comparire come primo risultato nel ranking. Svantaggio: è che senza i principi booleani nessun risultato può essere escluso.
Information Retrieval - Modelli •Modelli booleani: le relazioni di affinità vengono individuate attraverso operazioni booleane. •Modelli algebrici: l’affinità viene identificata a coppie; documenti e ricerche sono rappresentabili come vettori, matrici o tuple ordinate (modello vettoriale). •Modelli probabilistici: questi modelli producono riferimenti di affinità considerando le quantità di dati come esperimenti casuali divisi in più fasi.
IR - Modello probabilistico
A ogni contenuto viene attribuito un valore di probabilità.
I risultati vengono ordinati in base alla loro probabilità di corrispondere
all’intenzione di ricerca.
Quanto elevate siano le possibilità che un dato contenuto corrisponda al
desiderio dell’utente lo individua il modello in base al cosiddetto Relevance
Feedback. Ad esempio gli utenti vengono esortati a valutare i risultati, così che la
lista dei risultati mostrata alla prossima identica ricerca sia diversa e
possibilmente migliore.
Svantaggi: • il sistema dà per scontato che gli utenti siano
disposti a collaborare fornendo un feedback a
ogni ricerca.
• Il presupposto è che gli utenti considerino i
risultanti indipendenti l’uno dall’altro, ovvero che
giudichino ogni contenuto come se fosse il primo
che gli viene mostrato. Nella pratica gli utenti
valutano sempre l’utilità di un’informazione in
relazione con le altre, ovvero basandosi sui
contenuti già visualizzati.Information Retrieval - Funzionamento
Inverse
Term Frequency
Document
(TF)
Frequency (IDF)
la frequenza indica quanto spesso Le parole che compaiono in un numero
un termine compare all’interno di limitato di documenti ma che
un documento. all’interno di questi ricorrono con
grande frequenzaIR - Funzionamento - TF Term Frequency: la frequenza indica quanto spesso un termine compare all’interno di un documento.
IR - Funzionamento - IDF •Inverse Document Frequency: per idf non si intende un solo documento ma un intero corpo di testi.
IR - Funzionamento – combinazione TF e IDF
ESEMPIO: Intendo ricercare «la trasmissione televisiva con il topo»
Inverse
Term Frequency
Document
(TF)
Frequency (IDF)
Se utilizzassi solo TF, verrebbero Se utilizzassi solo IDF,
ritenuti più rilevanti quei sarebbero i termini
documenti contenenti il maggior “trasmissione”, “televisiva” e
numero di volte le parole “la”, “topo” a essere
“con” e “il”. particolarmente significativi ai
fini della ricerca e sarebbero
anzi riconosciuti come gli unici
termini rilevanti.IR - Funzionamento
Problema: richieste
Il sistema si occupa di
imprecise o incomplete QUERY modificare
portano ad ottenere
autonomamente la
informazioni sbagliate o MODIFICATION richiesta effettuata.
insufficienti.
A questo scopo il sistema si affida ai Thesauri e ai
THESAURI feedback forniti dagli utenti.IR - Funzionamento
Eliminazione delle stop words:
• come stop words vengono definite quelle espressioni che non contribuiscono
al contenuto del testo o lo fanno solo in maniera non essenziale. In relazione a
ciò è sensato non considerare articoli e congiunzioni come elementi
rappresentativi del contenuto del documento.
Identificazione di gruppi di più parole:
• gli aggruppamenti di parole devono essere riconosciuti come tali. Questa
identificazione permette che i motori di ricerca possano identificare come
rilevanti anche singole parti di parole unite assieme. Seppur meno essenziale
per la lingua italiana, per lingue come il tedesco è a dir poco fondamentale.
Riduzione alla forma base e originaria della parola:
• per cercare in maniera efficace, le parole devono essere ridotte alla propria
radice. Altrimenti nei risultati non comparirebbero le forme flesse della parola.Information Retrieval - Scopo
RECALL PRECISIONIR - Recall Recall: Per calcolarlo bisogna confrontare il numero di documenti rilevanti recuperati con il numero di quelli non recuperati. Il quoziente rivela quanto sia probabile che un documento rilevante sia effettivamente trovato:
IR - Precision Precision: quanto è preciso il risultato di ricerca? Per capirlo bisogna confrontare il numero di documenti rilevanti recuperati con il numero di quelli non rilevanti. Il quoziente rivela quanto sia probabile che un documento recuperato sia rilevante:
IR - Fallout
RECALL PRECISION
Entrambi i valori si attestano tra 0 e 1, dove 1 è il valore perfetto
Fallout: quoziente che restituisce il rapporto tra i documenti
recuperati ma irrilevanti e i contenuti irrilevanti ma non
recuperati. La precisione e il recupero sono rappresentabili in un
diagramma ad asse, dove ognuno dei due valori corrisponde a
un’asse.IR - Esempio Information Retrieval: esempio di una ricerca Come già accennato ogni motore di ricerca si basa sull’Information Retrieval. Perciò Google, Bing e Yahoo sono degli esempi perfetti di recupero computerizzato delle informazioni. ESEMPIO: Biblioteca di libri per bambini • Metodo booleano apparirebbe così: elefante E giraffa NON coccodrillo.
IR - Funzionamento
IR - Funzionamento
IR - Metadati I metadati sono delle informazioni sull’informazione che ne favoriscono il reperimento I metadati vengono prodotti da catalogatori • dati salienti di un documento trascritti a mano • l’autore di un articolo è un catalogatore: abstract, keywords • social tagging (catalogazione da parte di utenti) Grazie ai sistemi di Information Retrieval la catalogazione è stata automatizzata
Tipi di metadati
descrittivi (informazioni
generali)
semantici (contenuto
intellettuale)
localizzazione (posizione
copia fisica o url)
identificatoreTipi di metadati – identificatore: ISBN
Tipi di metadati – identificatore:DOI Il Digital Object Identifier (DOI) è uno standard che consente di identificare persistentemente, all'interno di una rete digitale, qualsiasi oggetto di proprietà intellettuale e di associarvi i relativi dati di riferimento, i metadati, secondo uno schema strutturato ed estensibile.
Tipi di metadati – identificatore:DOI Cosa può essere identificato da un DOI? • Un DOI può essere registrato su qualunque forma di proprietà intellettuale espressa in qualsiasi ambiente digitale. • La proprietà intellettuale include tanto contenuti digitali che pubblicati su supporti fisici: i DOI possono essere utilizzati per identificare testi, immagini, risorse audio o video, software, ecc. • Un oggetto può essere arbitrariamente identificato a qualunque livello di granularità. Ciò significa che, ad esempio, si può registrare un DOI sulla testata di una rivista, sul suo singolo numero, sul singolo articolo di un dato numero, sulla singola tabella di un dato articolo.
Tipi di metadata - DOI Conoscere
quello che
possiedono
Benefici dell'utilizzo del DOI
•persistenza: il nome DOI continuerà a funzionare Trovare quello
correttamente nonostante venga modificata di cui hanno
l’ubicazione del materiale, venga riordinato o bisogno
inserito nei "preferiti"
•cooperazione con altri dati da altre fonti Conoscere
•estensibilità: Il nome DOI può essere esteso dove esiste
quello di cui
aggiungendo nuove caratteristiche e servizi hanno bisogno
attraverso l’amministrazione dei Gruppi dei DOI
Name
Riuscire ad
•indipendenza dalla piattaforma ottenere
quello che
•aggiornamenti dinamici: gli aggiornamenti dei necessitano
MetaDati, delle applicazioni e dei servizi risultano
dinamici Usare quello
che
necessitano in
una
transizioneTipi di metadata Metadati di legame • relazioni tra documenti diversi, versioni o parti logiche • solitamente il tipo di relazione viene specificato in sottocategorie di questo metadato Metadati specialistici • utile per la precisione dei risultati di ricerca • penalizza le ricerche effettuate contemporaneamente su più sistemi di Information Retrieval Il problema dell’interoperabilità dei metadati può rivelarsi secondo differenti aspetti: • Sintassi • Semantica • uso di etichette differenti
Tipi di metadata Metadati gestionali e strutturali • conservazione e gestione delle risorse • descrizione interna del documento per una corretta visualizzazione di risorse composte da più file Metadati per la gestione dei diritti • diritti d’uso delle risorse • informano l’utente in che misura i contenuti possono essere duplicati e diffusi
https://duckduckgo.com/
https://swisscows.com/
https://www.qwant.com
https://www.wolframalpha.com
/examples/Tabella estratta dal sito: https://www.ionos.it/digitalguide/online-marketing/marketing- sui-motori-di-ricerca/alternative-a-google//
Puoi anche leggere
