بازیابی اطلاعات: تفاوت میان نسخه‌ها

با افزایش روزافزون حجم اطلاعات ذخیره شده در منابع قابل دسترس و گوناگون، فرایند بازیابی و استخراج اطلاعات اهمیت ویژه‌ای یافته استیافته‌است. اطلاعات مورد نظر ممکن است شامل هر نوع منبعی مانند [[متن]]، [[تصویر]]، [[صوت]] و [[ویدئو]] باشد. بر خلاف [[پایگاه داده]]‌ها، اطلاعات ذخیره شده در منابع اطلاعاتی بزرگ مانند [[وب]] و زیرمجموعه‌های آن مانند [[شبکه‌های اجتماعی]] از ساختار مشخصی پیروی نمی‌کنند و عموماً دارای معانی تعریف شده و مشخصی نیستند. هدف بازیابی اطلاعات در چنین شرایطی، کمک به کاربر برای یافتن اطلاعات مورد نظر در انبوهی از اطلاعات ساختارنایافته استساختارنایافته‌است.

«بازیابی اطلاعات» در برخی منابع فارسی به اشتباه به جای [[ذخیره و بازیابی داده‌ها]] که به معنای [[دانش شناخت]] [[رسانه‌های ذخیره‌سازی]] فیزیکی است، به کار رفته استرفته‌است.

مدلسازی مفهومی اطلاعات، یکی از فنون تجزیه و تحلیل و تشریح اطلاعات مورد نیاز کاربران سیستم است. در تجزیه و تحلیل اطلاعات باید ذهن خود را بر شناخت مفهومی اطلاعات متمرکز ساخت. در تشریح [[ماهیت اطلاعات]] باید از جملات موجز، دقیق و خوانا استفاده کرد. از آنجایی که تشریح اطلاعات، راهنمای طراحی [[پایگاه اطلاعاتی]] بشماربه‌شمار می‌آید باید برای کاربران، برنامه نویسان و سایر متخصصان فنی خوانا باشد. زیرا راهنمای طراحی پایگاه اطلاعاتی بشماربه‌شمار می‌آید.

از آنجایی که هر سیستم کاربران متعددی دارد و آنان نیز از داده و بازداده‌های گوناگون استفاده می‌کنند و همچنین تحلیلگر معمولاً با سیستم آشنا نیست و ضمن تجزیه و تحلیل و تشریح با آن آشنا می‌شود تشریح اطلاعات برای سیستم دشوار است. تشریح اطلاعات برای پاسخگویی به نیازهای «فرایند سیستم» باید به صورت تفضیلی صورت پذیرد و در عین حال از کلیتی برخوردار باشد که به تشکیل یک پایگاه اطلاعاتی منجر شود و نیازهای کلی سازمان را در بعد اطلاعات برآورده سازد؛ و چون تا این مرحله به اندازه کافی کار طراحی آسان شده استشده‌است تحلیلگر باید تشریح اطلاعات را در محدوده زمانی و بودجه‌ای پروژه مکتوب نماید.

* [[مدل برداری|مدل بُرداری]]: در مدل بُرداری، هر سند به صورت برداری از کلمات در یک [[فضای برداری]] چند بُعدی در نظر گرفته می‌شود که ابعاد آنراآن را کلمات تشکیل می‌دهند. مولفه‌های این بردار سند، در واقع وزن‌هایی هستند که نشان می‌دهند هر یک از کلمات چقدر در متمایز کردن آن سند دخیل هستند.

در مدل دودویی، نیاز اطلاعاتی کاربر به صورت عبارتی منطقی با عملگرهای [[عطف منطقی|AND]] و [[یای انحصاری|OR]] و [[نقیض|NOT]] بیان می‌شود و هر سندی که این عبارت در مورد آن صحیح باشد بازیابی می‌شود. مثلاً اگر نیاز اطلاعاتی به صورت ''Iran AND Oil'' بیان شود، تمامی اسنادی که هردو کلمهٔ ''Iran'' و ''Oil'' را دربردارند به کاربر نمایش داده می‌شوند. در مدل دودویی سند یا باربط است یا نیست، و هیچ معیاری برای سنجش میزان (درجهٔ) ربط وجود ندارد. مثلاً دو سند را در نظر بگیرید که یکی تماماً دربارهٔ ایران و نفت بحث می‌کند، و دیگری در مورد [[اقتصاد جهانی]] صحبت می‌کند و فقط از نام ایران و نفت به عنوان مثالی در یک جمله استفاده کرده استکرده‌است. سیستمی که از مدل دودویی استفاده کرده تفاوتی بین این دو سند قائل نخواهد شد. در صورتیکهصورتی‌که در واقع سند اول بیشتر به نیاز کاربر مربوط است.

بین بازیابی اطلاعات و [[بازیابی داده]] تفاوت‌های زیادی وجود دارد. داده‌ها ابهام ندارند، اما اطلاعات نیاز به تفسیر دارد و در نتیجه مبهم می‌شوند. سیستمی که برای بازیابی داده طراحی شده نیازی به رفع این ابهام‌ها ندارد، اما در سیستم بازیابی اطلاعات باید هر چه بهتر اطلاعات را مدل کرد تا ابهام در درک اطلاعات توسط سیستم کمتر شوند. به همین علت بر خلاف سیستم‌های بازیابی داده که در آن [[کارایی سیستم]] از نظر سرعت و فضا به عنوان معیار ارزیابی در نظر گرفته می‌شود، در سیستم‌های بازیابی اطلاعات، معیار دقت (''precision'') و بازخوانی (''recall'') و معیارهایی شبیه به آنهاآن‌ها به عنوان معیارهای اصلی ارزیابی به کار می‌روند.