Reformulación semántica y difusa de las consultas para mejorar la RI

Enormes volúmenes de información en la web o en otros medios ponen a disposición de los usuarios una gran cantidad de información. Sin embargo, los archivos son cada vez más diversos, y el lenguaje utilizado en el texto es cada vez más diverso; especialmente en el caso de la web. Dos escritores que escriben sobre el mismo tema pueden utilizar un vocabulario diferente mostrándose a sí mismos. Los usuarios que busquen información sobre este tema deberán comunicar sus conocimientos de una manera idónea, que habría sido utilizada por ambos autores. Podemos tener diferentes tipos de documentos, como documentos estructurados, documentos no estructurados y documentos semiestructurados. La recuperación de información consiste en encontrar material (normalmente documentos) de naturaleza no estructurada (normalmente texto) que satisfaga una necesidad de información dentro de grandes colecciones. Los datos requeridos se remiten al cliente en forma de solicitud. La documentación que satisface la consulta planteada debe ser relevante a juicio del cliente. No se debe dar importancia a los informes que no sean del tema indicado. El proceso de recuperación de datos comienza cuando una persona entra en el contexto de una investigación. Aquí, la formulación de la consulta juega un papel importante para encontrar la información más relevante.