Visualizza wikitesto di Information retrieval

L{{'}}'''information retrieval''' ('''IR'''), talvolta, meno di frequente, reso in [[lingua italiana]] come '''reperimento dell'informazione''',<ref>{{Cita web|url=https://iate.europa.eu/entry/result/786971/en-it|titolo=IATE|capitolo=Terminologia dell’Unione Europea — Information Retrieval|accesso=13 marzo 2023}}</ref><ref name=padova>{{cita web|url=https://ssu.elearning.unipd.it/pluginfile.php/741061/mod_resource/content/1/06_reperimento_informazione.pdf|titolo=Università di Padova, Tecnologie per la Traduzione 2020/2021, Reperimento dell’Informazione|autore=Giorgio Maria Di Nunzio|accesso=13 marzo 2023}}</ref><ref name=tesi-pd>{{cita web|url=http://www.lix.polytechnique.fr/~costa/materiale/Msc_Costa.pdf|autore=Alberto Costa|titolo=LSPR: un modello di reperimento
dell’informazione|accesso=13 marzo 2023}}</ref>{{efn|«La traduzione letterale in italiano è sicuramente più chiara, ''Information Retrieval'' vuol dire reperimento delle informazioni.»<ref name=aminini>{{cita web|url=https://www.andreaminini.com/ir/|titolo=Information Retrieval ( IR ) |autore=Andrea Minini|data=13 marzo 2023}}</ref>}} è l'insieme delle tecniche utilizzate per gestire la rappresentazione, la memorizzazione, l'organizzazione e l'accesso ad oggetti contenenti informazioni quali documenti, [[pagina web|pagine web]], [[catalogo|cataloghi]] online e oggetti [[multimedialità|multimediali]]. Il termine è stato coniato da [[Calvin Mooers]] alla fine degli [[anni quaranta]] del [[Novecento]] ed oggi è usato quasi esclusivamente in ambito [[informatica|informatico]].

È un campo interdisciplinare che nasce dall'incrocio di discipline diverse coinvolgendo la [[psicologia cognitiva]], l'architettura informativa, la [[filosofia]] (vedi la voce [[Ontologia (informatica)|ontologia]]), il ''[[disegno industriale|design]]'', il comportamento umano sull'informazione, la [[linguistica]], la [[semiotica]], la [[Scienze dell'Informazione|scienza dell'informazione]] e l'[[informatica]]. Molte università e [[biblioteca|biblioteche]] pubbliche utilizzano sistemi di information retrieval per fornire accesso a pubblicazioni, libri ed altri documenti.

== Scopo dell'information retrieval ==
Lo scopo dell'information retrieval è di soddisfare il cosiddetto "bisogno informativo dell'utente", ovvero garantire a quest'ultimo, in seguito ad una sua ricerca, i documenti e le informazioni che rispondono alla sua richiesta.

Due concetti sono di fondamentale importanza per analizzare un sistema di information retrieval: [[query]] ed oggetto.
* Le '''[[query]]''' ("interrogazioni") sono stringhe di parole-chiave rappresentanti l'informazione richiesta. Vengono digitate dall'utente in un sistema IR (per esempio, un [[motore di ricerca]]) e sono la concretizzazione del reale bisogno informativo dell'utente.
* Un '''oggetto''' è un'entità che possiede informazioni le quali potrebbero essere risposta dell'interrogazione dell'utente. Un documento di testo, per esempio, è un oggetto di dati.

=== Task ===
Comunemente, si definisce ''task'' di un sistema di ''information retrieval'' una situazione tipica che un sistema di questo genere deve risolvere.

Nel momento in cui un utente intende usare un qualsiasi sistema di reperimento dell'informazione (per esempio, un [[motore di ricerca]]) per acquisire informazioni su un determinato argomento, questi deve tradurre tale necessità in una [[query]]; il sistema di information retrieval ha il compito di restituire, a partire da essa, tutti i documenti rilevanti alla richiesta effettuata.

== Misure di prestazione ==
Ci sono molti modi per misurare quanto l'informazione intesa si associa bene all'informazione recuperata.

=== Precisione ===
La [[precisione e recupero|precisione]] (in inglese ''precision'') è la proporzione di documenti pertinenti fra quelli recuperati:

:''P'' = (numero di documenti pertinenti recuperati) / (numero di documenti recuperati)

Nella [[classificazione binaria]] la precisione è analoga al [[valore positivo di previsione]].

La precisione può anche essere valutata rispetto a un certo valore soglia, indicato con ''P@n'', piuttosto che relativamente a tutti i documenti recuperati: in questo modo, si può valutare quanti fra i primi ''n'' documenti recuperati sono rilevanti per la query.

Il significato e l'uso del termine ''precisione'' nel campo dell'information retrieval differiscono quindi dalla definizione di [[accuratezza]] e [[precisione]] tipiche di altre discipline scientifiche e tecnologiche.

=== Recupero ===
Il [[precisione e recupero|recupero o richiamo]] (in inglese ''recall'') è la proporzione fra il numero di documenti rilevanti recuperati e il numero di tutti i documenti rilevanti disponibili nella collezione considerata:

:''R'' = (numero di documenti rilevanti recuperati) / (numero di documenti rilevanti)

Nella [[classificazione binaria]], questo valore è chiamato [[sensitività]].

=== Misura F ===
La misura F (in inglese ''F-measure'') è la [[media armonica]] pesata fra precisione e recupero. La versione tradizionale, detta anche ''bilanciata'', è data da:

:<math>F = 2 \times \mathrm{precisione} \times \mathrm{recupero} / (\mathrm{precisione} + \mathrm{recupero}).</math>

Questa misura è anche detta <math>F_1</math>, perché sia la precisione che il recupero nella formula precedente hanno appunto il peso 1.

In generale, la formula è:
:<math>F_N = (1 + N^2) \times \mathrm{precisione} \times \mathrm{recupero} / ((N^2 \times \mathrm{precisione}) + \mathrm{recupero}).</math>

Altre due formule comuni sono <math>F_{0.5}</math>, che assegna alla precisione un peso doppio rispetto al recupero, e la <math>F_2</math>, che al contrario pesa il recupero al doppio della precisione.
<!--
=== Mean average precision ===

Over a set of queries, find the mean of the average precisions, where Average Precision is the average of the precision after each relevant document is retrieved.

Where ''r'' is the rank, ''N'' the number retrieved, ''rel()'' a binary function on the relevance of a given rank, and ''P()'' precision at a given cut-off rank:

:<math> \operatorname{Ave}P = \frac{\sum_{r=1}^N (P(r) \times \mathrm{rel}(r))}{\mbox{number of relevant documents}} </math> It /should/ be P@r instead of P(r), but couldn't find the right way to do that

Questo metodo rende più semplice il ritorno di un maggior numero di documenti rilevanti.-->

== Tassonomia dei modelli ==
[[File:Information-Retrieval-Models.png|thumb|upright=2.3|classificazione dei modelli IR (tradotto da fonte originale {{cita testo|url=http://www.logos-verlag.de/cgi-bin/engbuchmid?isbn=0514&lng=eng&id=|titolo=logos-verlag.de}})]]
Per concludere con successo una ricerca di informazioni, è necessario rappresentare i documenti in qualche modo. C'è un certo numero di modelli aventi tale scopo. Essi possono essere classificati secondo due criteri, come mostrato in figura: in base ad un criterio matematico e in base alle proprietà del modello (tradotto da fonte originale {{cita testo|url=http://www.logos-verlag.de/cgi-bin/engbuchmid?isbn=0514&lng=eng&id=|titolo=logos-verlag.de}}).

=== Classificazione matematica dei modelli ===
* I ''modelli set-theoretic'' rappresentano i documenti mediante insiemi. Le somiglianze derivano in genere da operazioni teoriche su questi insiemi. I modelli più comuni sono:
** [[Modello booleano standard]]
** [[Modello booleano esteso]]
** [[Recupero fuzzy]]
* I ''modelli algebrici'' rappresentano i documenti e le query con vettori, matrici o tuple, che, utilizzando un numero finito di operazioni algebriche, vengono trasformati in una misura numerica, la quale esprime il grado di somiglianza dei documenti con la query.
** [[Modello a spazio vettoriale]]
** [[Modello a spazio vettoriale generalizzato]]
** Topic-based vector space model (literature: [http://www.kuropka.net/files/TVSM.pdf], [http://www.logos-verlag.de/cgi-bin/engbuchmid?isbn=0514&lng=eng&id=])
** [[Modello booleano esteso]]
** Enhanced topic-based vector space model (literature: [http://www.kuropka.net/files/Topic-Sims.pdf], [http://www.logos-verlag.de/cgi-bin/engbuchmid?isbn=0514&lng=eng&id=])
** Latent semantic indexing aka [[latent semantic analysis]]
* I ''modelli probabilistici'' trattano il processo di recupero dei documenti come un esperimento aleatorio multi-livello. Le somiglianze sono quindi rappresentate come probabilità. I teoremi probabilistici come il [[teorema di Bayes]] sono spesso usati in questi modelli.
** [[Binary independence retrieval]]
** Uncertain inference
** [[Language model]]s
** [[Divergence from randomness models]]

=== Classificazione in base alle proprietà dei modelli ===
* ''Modelli senza interdipendenza dei termini'' trattano diversi termini/parole come non interdipendenti. Ciò viene rappresentato spesso nei modelli a spazi vettoriali affermando che i vettori dei termini siano [[ortogonali]], o nei modelli probabilistici affermando che le variabili dei termini siano [[indipendenza stocastica|indipendenti]].
* ''Modelli con interdipendenza dei termini intrinseca'' consentono una rappresentazione diretta delle interdipendenze tra termini. Comunque il grado di interdipendenza tra due termini è definito dal modello stesso. In genere, esso è direttamente o indirettamente derivato (vedi per es. [[dimensional reduction]]) dalla [[co-occurrence|co-occorrenza]] di questi termini nell'intero insieme di documenti.
* ''Modelli con interdipendenza dei termini trascendente'' consentono una rappresentazione diretta delle interdipendenze tra termini, ma essi non riportano come l'interdipendenza tra due termini sia definita. Si riferiscono ad una fonte esterna per stabilire il grado di interdipendenza tra due termini (ad esempio un umano o degli algoritmi sofisticati).

== Note ==
===Annotazioni===
<references group="N"/>
===Fonti===
<references/>

== Bibliografia ==
* Maristella Agosti (Ed), ''Information Access through Search Engines and Digital Libraries'', Springer, Heidelberg, Germany, 2008
* Ricardo Baeza-Yates e Berthier Ribeiro-Neto, ''Modern Information Retrieval'', Addison Wesley, 1999
* Renato Battistin, ''Gli algoritmi per il web: il PageRank e l'HITS'', in «Login», Gruppo Editoriale Informedia, nov. 2005
* Daniel Brown, ''Mastering Information Retrieval and Probabilistic Decision Intelligence Technology'', Chandos Publishing (Oxford), 2004
* S. Chakrabarti, ''Mining the Web: discovering knowledge from hypertext data'', Morgan Kaufmann, 2003
* Fabio Crestani, ''Information retrieval uncertainty and logistics'', Kluwer, 1998
* Robert Korfhage, ''Information Storage and Retrieval'', Wiley, 1997
* Luca Spinelli, ''Panoramica sul web semantico'', in «Login», Gruppo Editoriale Infomedia, nov. 2005
* Luca Spinelli, ''Il mondo dei desktop search'', in «Login», Gruppo Editoriale Infomedia, nov. 2005
* {{Cita libro|autore=C. J. van Rijsbergen| titolo=Information Retrieval| url=http://www.dcs.gla.ac.uk/Keith/Preface.html| anno=1980}}

== Voci correlate ==
* [[Algoritmo]]
* [[Data mining]]
* [[Information brokering]]
* [[OPAC]]
* [[Motore di ricerca]]
* [[PageRank]]
* [[Sistema informativo]]
* [[Thesaurus]]
* [[Web invisibile]]
* [[Common Query Language]]
* [[Coseno di similitudine]]
* [[Ricerca full text]]
* [[CBIR]]
* [[Modello della borsa di parole]]

== Altri progetti ==
{{interprogetto}}

== Collegamenti esterni ==
* {{Collegamenti esterni}}
'''Sistemi di Information Retrieval in campo scientifico'''
* {{Cita testo|lingua=en|url=http://www.ihop-net.org/UniPub/iHOP/|titolo=iHOP|urlarchivio=https://web.archive.org/web/20051017154959/http://www.ihop-net.org/UniPub/iHOP/ }} Sistema di information retrieval nel settore biomedico
* {{Cita testo|lingua=en|url=http://www.sphinxsearch.com/|titolo=Sphinx}} motore che effettua ricerche su interi testi
* {{Cita testo|lingua=en|url=http://www.lemurproject.org/|titolo=Lemur}} Toolkit di modellizzazione del linguaggio
* {{Cita testo|lingua=en|url=http://www.wumpus-search.org/|titolo=Wumpus}} motore di ricerca multi utente
* {{Cita testo|lingua=en|url=http://www.indexdata.dk/zebra/|titolo=Zebra}} motore di ricerca che accetta in input anche e-mail, XML, MARC e operatori booleani
* {{Cita testo|lingua=en|url=http://www.seg.rmit.edu.au/zettair/|titolo=Zettair|accesso=14 maggio 2006|dataarchivio=11 maggio 2008|urlarchivio=https://web.archive.org/web/20080511191425/http://www.seg.rmit.edu.au/zettair/|urlmorto=sì}} motore di ricerca testuale già noto col nome di Lucy
<br />
'''Software di Information Retrieval Open Source'''
* {{cita testo|url=http://ir.dcs.gla.ac.uk/terrier|titolo=Terrier}} TERabyte RetrIEveR, motore di ricerca con funzioni di information retrieval
* {{cita testo|url=http://www.galaxquery.com/galatex/|titolo=GalaTex}} versione open source dello standard XQuery (ricerca testuale su documenti in XML)
* {{cita testo|url=http://www.htdig.org/|titolo=ht://dig|urlarchivio=https://web.archive.org/web/20080408200702/http://www.htdig.org/ }} software per effettuare ricerche mirate dentro intranet o singoli domini web
* {{cita testo|url=http://www.cs.uni.edu/~okane/source/ISR/isr.html|titolo=Toolkit Mumps}} software per effettuare esperimenti di information retrieval
* {{cita testo|url=https://lucene.apache.org/java/docs/|titolo=Lucene (Apache)}} tecnologia per la ricerca testuale
* {{cita testo|url=http://www.nzdl.org/html/mg.html|titolo=MG-1.3|accesso=5 maggio 2018|dataarchivio=18 aprile 2006|urlarchivio=https://web.archive.org/web/20060418000941/http://www.nzdl.org/html/mg.html|urlmorto=sì}} serve per indicizzare e compattare i documenti ricercati
* {{cita testo|url=http://www.xapian.org/|titolo=Xapian}} piattaforma IR scritta in Open Muscat
<br />
'''Principali gruppi di ricerca sull'Information Retrieval'''
* {{cita web|url=http://trec.nist.gov|titolo=Text Retrieval Conference (TREC)|lingua=en}}
* {{Cita testo|url=http://ir.dcs.gla.ac.uk/|titolo=Wiki|accesso=14 dicembre 2019|dataarchivio=13 marzo 2016|urlarchivio=https://web.archive.org/web/20160313021855/http://ir.dcs.gla.ac.uk/|urlmorto=sì|lingua=en}}presso l'Università di Glasgow. C'è anche la {{cita testo|url=http://ir.dcs.gla.ac.uk/wiki|titolo=Wiki|accesso=14 maggio 2006|dataarchivio=24 novembre 2015|urlarchivio=https://web.archive.org/web/20151124065507/http://ir.dcs.gla.ac.uk/wiki|urlmorto=sì}}
* {{Cita testo|lingua=en|url=http://ciir.cs.umass.edu/|titolo=Center for Intelligent Information Retrieval}} presso l'Università del Massachusetts
* {{Cita testo|lingua=en|url=http://www.ir.iit.edu/|titolo=IIT Information Retrieval Lab|urlarchivio=https://web.archive.org/web/20060424064838/http://www.ir.iit.edu/ }} presso l'Istituto di Tecnologia dell'Illinois
* {{Cita testo|lingua=en|url=http://www.lti.cs.cmu.edu/Research/projects.html|titolo=Progetti di Information Retrieval|accesso=2 ottobre 2017|dataarchivio=6 agosto 2010|urlarchivio=https://web.archive.org/web/20100806032837/http://www.lti.cs.cmu.edu/Research/projects.html|urlmorto=sì}} presso l'Università Carnegie Mellon
* {{Cita testo|lingua=en|url=http://research.microsoft.com/ir/|titolo=Gruppo di Information Retrieval}} presso il Microsoft Research Cambridge (USA)
* {{Cita testo|lingua=en|url=http://iis.ist.psu.edu/|titolo=Intelligent Information Systems|accesso=8 giugno 2020|dataarchivio=26 aprile 2006|urlarchivio=https://web.archive.org/web/20060426073059/http://iis.ist.psu.edu/|urlmorto=sì}} Laboratorio di ricerca (USA)
* {{cita web|url=http://irsg.bcs.org/|titolo=BCS IRSG: British Computer Society - Gruppo di specialisti di Information Retrieval|lingua=en}}
* {{Cita testo|lingua=en|url=https://www.acm.org/sigir/|titolo=ACM SIGIR: Gruppo d'interesse speciale sull'Information Retrieval}} presso l'Università Queen Mary di Londra
* {{Cita testo|lingua=en|url=http://www2.unine.ch/iiun/page4246.html|titolo=Gruppo di Information Retrieval|urlarchivio=https://web.archive.org/web/20050909113049/http://www2.unine.ch/iiun/page4246.html }} presso l'Università di Neuchâtel (CH)
* {{Cita testo|lingua=en|url=http://www.dcs.vein.hu/CIR/|titolo=Centre for Information Retrieval|accesso=13 marzo 2018|dataarchivio=4 gennaio 2007|urlarchivio=https://web.archive.org/web/20070104115514/http://www.dcs.vein.hu/CIR/|urlmorto=sì}} Ungheria
* {{Cita testo|lingua=en|url=http://ims.dei.unipd.it/|titolo=Information Management Systems}} Università di Padova, Italia
* {{Cita testo|lingua=en|url=http://www.di.uniba.it/~swap/|titolo=Semantic Web Access and Personalization Research Group}} Università degli Studi di Bari, Italia
<br />
'''Approfondimenti'''
* {{cita web|url=http://www.laterza.it/bibliotecheinrete/Cap02/Cap02_00.htm|titolo=Definizione e analisi sull'Information Retrieval}}
* {{cita web|url=http://www-db.stanford.edu/~backrub/google.html|titolo=The Anatomy of a Large-Scale Hypertextual Web Search Engine|lingua=en}}
* {{Cita testo|lingua=en|url=http://innovationsinsearch.com/|titolo=Innovations in Search|accesso=10 settembre 2018|dataarchivio=13 giugno 2006|urlarchivio=https://web.archive.org/web/20060613062130/http://innovationsinsearch.com/|urlmorto=sì}} Conferenza del 27-29 settembre 2005
* {{cita web|url=http://www.cs.technion.ac.il/~gabr/resources/resources.html|titolo=Risorse per l'elaborazione di testi, discorsi e lingue naturali|lingua=en|accesso=14 maggio 2006|urlarchivio=https://web.archive.org/web/20100815061632/http://www.cs.technion.ac.il/~gabr/resources/resources.html|urlmorto=sì}}
* {{Cita testo|lingua=en|url=http://www.stanford.edu/class/cs276/cs276-2005-syllabus.html|titolo=Corso di Information Retrieval e Web Mining|urlarchivio=https://web.archive.org/web/20060503222830/http://www.stanford.edu/class/cs276/cs276-2005-syllabus.html }} Università di Stanford
* {{Cita web|lingua=es|url=http://es.geocities.com/usabilidadaccesibilidadinfo|titolo=Usabilidad y Accesibilidad en la Recuperación de Información|urlmorto=sì|urlarchivio=https://web.archive.org/web/20080101000000/http://es.geocities.com/usabilidadaccesibilidadinfo}}
* {{Cita web|lingua=es|url=http://es.geocities.com/metadatosxmlorganizacion/index.html|titolo=Metadatos y documentos XML/RDF para recuperacion|urlmorto=sì|urlarchivio=https://web.archive.org/web/20080101000000/http://es.geocities.com/metadatosxmlorganizacion/index.html}}

{{Controllo di autorità}}
{{Portale|telematica}}

[[Categoria:Recupero dell'informazione| ]]

[[sv:Informationsåtkomst]]