Introduccion a los SINAI

Introducción a los Sistemas Inteligentes de Acceso a la Información

José Carlos Cortizo Pérez http://www.esp.uem.es/jccortizo [email protected]

Departamento de Sistemas Informáticos Escuela Superior Politécnica Universidad Europea de Madrid

José Carlos Cortizo Pérez

Índice

Contextualización dentro de la IA

Datos, Información y Conocimiento

Tipos de Información

Acceso y Recuperación de Información

Tareas y Aplicaciones

Sistemas Inteligentes de Acceso a la Información

Contextualización


Inteligencia Artificial

La IA trata de desarrollar procesos que imitan la inteligencia de los seres vivos

Desde un punto de vista práctico:

Ofrecer componentes que solucionenproblemas de forma inteligente opseudo-inteligente

¿Cuál es su objetivo?



Inteligencia Artificial

Los sistemas de IA se van incorporando dentro de la rutina de ciertas áreas con el paso del tiempo

Economía

Videojuegos

Medicina

Etc.

¿Cuál es su objetivo?



Contextualización de SINAI

Hay ramas de la IA dedicadas a distintas partes de la inteligencia

Aprendizaje Automático: Generalizar conocimiento a partir de simples datos

Procesamiento del Lenguaje Natural: Mecanismos de comunicación entre personas y máquinas

Visión por Computador: Deducción de datos del mundo a partir de sensores

dentro del marco de la I.A.


Contextualización de SINAI

Los SINAI se encargan de procesar y gestionar grandes volúmenes de información para facilitar a los humanos el acceso a la misma

2 puntos importantes

Los lenguajes son complejos => El procesamiento debe lidiar con ellos

Muchos tipos distintos de información (texto, audio, video, imágenes, etc.)

dentro del marco de la I.A.


¿Alguna pregunta?


Información


Información



Datos

Información

Conocimiento

Sabiduría






El conocimiento es el conjunto organizadode datos e información destinados aresolver un determinado problema


Conocimiento



Los datos son una colección de información organizada, usualmente resultante de la experiencia, observación, experimentación o a partir de un conjunto de premisas

Pueden estar formados por números, palabras o imágenes, particularmente medidas u observaciones de un conjunto de variables


Datos



El concepto de información tiene relación con una gran diversidad de significados.

El concepto de información está muy relacionado con las nociones de comunicación, control, datos, instrucciones, conocimiento, significado, patrón, percepción y representación


Información



La información se puede ver como un conjunto organizado de datos que constituyen un mensaje sobre una determinada cosa o fenómeno

La información es un fenómeno que proporciona significado o sentido a las cosas e indica mediante códigos y conjuntos de datos los modelos del pensamiento humano

La información procesa y genera el conocimiento humano


Información




Datos

Sentidos

Información

Integración yprocesado



Los datos se perciben mediante los sentidos, que integran y generan la información

Esta información se necesita para producir el conocimiento

El conocimiento controla la toma de decisiones para la realización de actividades cotidianas.

...




Y, finalmente, la Sabiduría consiste en juzgar correctamente cuándo, cómo, dónde y con qué objetivo emplear el conocimiento adquirido


SabiduríaDatos, Información y ConocimientoSabiduría


¿Alguna pregunta?





En función de la perspectiva tenemos diversos tipos de información

Punto de vista de la Comunicación

Punto de vista de la Gestión de Información



Hechos/Opiniones

Información objetiva/Información subjetiva

Información primaria/Información secundaria

Punto de vista de la Comunicación



Pueden ser probados

Son concretos

Ejemplos

Hay 15 galletas de chocolate en este plato

Nací en el año 1980

Hechos



Se basan en lo que parece ser verdad

Se fundamentan en visiones personales y juicios de valor

Ejemplos

Las galletas de chocolate están ricas

“Marte Rojo” es un gran libro de Ciencia Ficción

Opiniones



Debe presentar todos los aspectos de un problema

De forma usual se basa en hechos

A menudo, los expertos en un campo pueden hablar de forma objetiva sobre un asunto concreto

Ejemplos

Artículos en enciclopedias

Información Objetiva



A menudo son las opiniones de una persona o grupo

Presentan alguna clase de análisis de los hechos

Ejemplos

La mayor parte de los libros y artículos en periódicos expresan un lado de un problema y lo analizan

Críticas de libros o películas

Información Subjetiva


Tipos de InformaciónSe origina en el momento de los hechos

Son los documentos originales generados en el “campo” de estudio

Es la información en su estado puro, que no ha sido publicada en otra parte, ni interpretada o traducida

Ejemplos

Diarios

Un testimonio en un juicio

Información Primaria



Generada a partir de la primaria

Ha sido analizada, interpretada, traducida o examinada de alguna manera

Ejemplos

Una noticia de sucesos en un periódico

Coger los apuntes de clase de un compañero

Información Secundaria



¿Nos interesa el punto de vista de la Comunicación?



¿Nos interesa el punto de vista de la Comunicación?

Podría parecer que no pero...

...cada tipo de información debería ser tratada/valorada de una manera distinta

Otra cosa es que, a día de hoy, apenas se haga



ACTIVIDAD EN CLASE

¿Cómo podemos reconocer cada tipo de información?

Generar reglas/heurísticas para cada tipo de información visto anteriormente



Estructurada/No Estructurada

Origen (textual, imágenes, vídeos, otros...)

Precisa/Imprecisa

Otras consideraciones

Punto de vista de la Gestión de la Información



En un SGBD, la información está totalmente estructurada

Cada dato se almacena en una fila y columna, que indican la estructura y semántica de los datos

Sin embargo, apenas tolera fallos o imprecisión

Select * from EMPLEADOS where SALARIO > 1000




Sin embargo, los buscadores suelen trabajar con información poco/nada estructurada (lenguaje natural)

Esto dificulta la “comprensión” automática pero es más tolerante a fallos




Existen varios niveles en cuánto a la estructuración de la información


SGBD

Texto libre



Estructura implícita


EpígrafeTitular

Bajada

Entradilla

Cuerpo



Tipos de InformaciónEstructurada/No Estructurada


Estructura explícita



Textual

Imágenes (fotografías, radiografías, dibujos...)

Audio (canciones, postcads, notas auditivas...)

Vídeo (videos personales, programas tv...)

Otros (datos numéricos, grafos...)

Origen



No se pueden procesar de la misma manera las informaciones provenientes de distintos orígenes

Hasta ahora el texto ha abarcado mayor atención

El material audiovisual es el próximo reto...

Origen



...presenta problemas peculiares

Percepción: al ver una imagen nosotros percibimos objetos y personas, las máquinas solo ven números

Volumen de datos: El material multimedia ocupa mucho espacio y es “costoso” de procesar

Compresión y formatos

Origen



Precisa: El cliente con id 2947 se gastó 234 euros el día 14/03/2008 (p.e. SGBD)

Imprecisa: Vivo en la calle “Sta. Maria Madalena”

Precisa/Imprecisa



Caracter temporal: ¿importa el tiempo?

Versiones de documentos

Novedad de las noticias

Momento en el que un paciente sufre determinados síntomas

Interdependencias

Otras consideraciones


¿Alguna pregunta?


Acceso y Recuperación de Información


SINAI

SINAI = S + IN + AI

S = Sistemas

IN = Inteligentes

AI = Acceso a la Información

¿De dónde viene?



SINAI

S = Sistemas

Desarrollos funcionales, algo “tangible”

Nos centraremos, sobre todo, en desarrollos web (por su impacto), pero extensible al resto

Sistemas



SINAI

IN = Inteligentes

Inteligente en el sentido de acceso y procesamiento avanzado

Una “vuelta de tuerca” sobre lo normal

Ej:

Expansión de vocabulario (astronauta = cosmonauta)

Utilización de conceptos

Inteligentes



SINAIAI = Acceso a la Información

Marti Hearst, Current Topics in Information Access, 1998

“The process by which users use information technology to seek, organize and understand information”

Marti Hearst, Context and Structure in Automated Full-Text Information Access, PhD Thesis, Berkeley, 1994

“The term information access is beginning to supercede that of information retrieval since the latter’s implication is too narrow; the field should be concerned with IR, display, filtering and query facilitation”

Acceso a la Información



SINAI

RI = Acceso a la Información

E. Vorhees, D. Harman, Overview of the 8th Text Retrieval Conference (TREC-8), 1999

“The ad hoc retrieval task investigates the performance of systems that search a static set of documents using new questions [...]. This task is similar to how a researcher might use a library - the collection is known but the question is likely to be asked are not known.”

Recuperación de Información



SINAI

La RI es uno de los puntos del AI pero no el único

AI vs RI

Filtrado Recuperación

Visualización

Gen. Consultas



SINAI

Hablar de arquitectura típica no es lo adecuado, porque los SINAI cubren un espectro muy amplio de sistemas => muchas arquitecturas distintas

Veremos una arquitectura modular general que puede encajar con una gran variedad de SINAI (quitando o poniendo módulos)

Arquitectura “típica”



SINAIArquitectura “típica”


Spider

Preparación Datos

Indexación TAREA

Ranking

Visualización


SINAIOperativa de un Sistema de RI


Documentos

Documentosrecuperados

RepresentaciónAnálisis

Consulta Análisis Representación

Cálculo Similitud


¿Alguna pregunta?




Tareas y AplicacionesInformation Retrieval

Information Filtering

Spam Filtering

Question Answering

Sentiments Analysis

Cross-language

RecommendingJosé Carlos Cortizo Pérez

Tareas



Construcción de buscadores

Sistemas anti spam

Análisis de blogs; filtrado de comentarios en los mismos

Búsqueda en documentos de empresas

Búsqueda de documentos legales

Análisis de contenido multimedia


Aplicaciones


¿Alguna pregunta?


Bibliografía

Baeza-Yates, Ricardo; Ribeiro-Neto, Berthier. Modern information retrieval. Addison-Wesley, 1999 (Z699.35 .I53 B34 Biblioteca UEM, edificio C).

John F. Sowa. Knowledge Representation: Logical, Philosophical and Computational Foundations.

Adicional


¿Alguna pregunta?

Education

Introduccion a los SINAI