\n Un supplemento al thesaurus specifico a un certo testo: aggiunge ad ogni token
\n La radice del thesaurus ha sempre probabilità
\n Una misura probabilistica di quanto un certo token
\n È anche detta sorpresa o informazione di Shannon.\n
\n\n Un albero di token organizzati in una gerarchia di significato.\n
\n\n Una struttura dati che permette di velocizzare le ricerche su testi grandi e semi-statici.\n
\n \n\n Si crea un vocabolario dall'insieme dei token, e ad ogni token del vocabolario si associa una lista di tutte le sue occorrenze (posting list).\n
\n\n L'efficacia ed efficienza dell'indice dipendono dalle strutture di indicizzazione utilizzate per serializzarlo.\n
\n\n Struttura per rappresentare il vocabolario basata su un array di puntatori alle posting list.\n
\n{r`\n ciao → R1, R15, R123\n steffo → R1, R14\n ciano → R1231\n `}\n \n Struttura per rappresentare il vocabolario basata su un albero dei prefissi dei token,:\n
\n{r`\n - [root]\n - c\n - i\n - a\n - o\n - R1\n - R15\n - R123\n - no\n - R1231\n - steffo\n - R1\n - R14\n `}\n \n Struttura per rappresentare il vocabolario che occupa più spazio di un albero ma permette di effettuare certe operazioni più velocemente.\n
\n\n In base alla struttura utilizzata, potrebbe non essere sempre possibile effettuare il terzo passo.\n
\n\n Una procedura che ottimizza un documento per la ricerca.\n
\n\n Passo che trasforma il documento in un insieme di parole (token).\n
\n\n Deve decidere come considerare i simboli tipografici, il case delle lettere e le cifre.\n
\n\n Inoltre, è possibile che disambigui tra i vari significati delle parole (word sense disambiguation).\n
\n\n Passo che elimina dalla lista i token inutili ai fini delle ricerche.\n
\n\n Esse solitamente sono gli articoli e le preposizioni.\n
\n\n Passo che riduce alla radice tutti i token della lista.\n
\n\n Converte i plurali in singolari, passati ai presenti, e così via.\n
\n\n Passo che seleziona i termini più importanti della lista.\n
\n\n Generalmente sfrutta dei parser o dei tagger.\n
\n \n \n\n Passo che classifica il documento in una o più categorie del thesaurus.\n
\n \n\n synonymy\n\n
\n Due parole sono sinonimi quando hanno lo stesso identico significato.\n
\n\n similarity\n\n
\n Due parole sono simili rappresentano concetti con caratteristiche in comune.\n
\n\n relatedness\n\n
\n Due parole sono correlate quando rappresentano concetti vengono usati insieme spesso.\n
\n\n Un modo per misurare la somiglianza tra due parole confrontando solo la loro posizione nel thesaurus.\n
\n\n Calcola la similarità basandosi sull'inverso della distanza tra le due parole
\n Calcola la similarità basandosi sulla profondità dei due nodi e sulla profondità del minimo antenato comune
\n Un modo per misurare la similarità tra due parole attraverso i loro valori di information content.\n
\n\n Calcola la similarità basandosi sull'information content del minimo antenato comune
\n Questa sezione è incompleta. Torna più avanti!\n
\n {props.children}\n\n Procedura che disambigua tra più significati dello stesso token.\n
\n\n Si può realizzare confrontando la somiglianza di ogni significato con tutti gli altri nomi presenti nella frase.\n
\n\n Processo di raccolta e recupero approssimato di informazioni spesso non strutturate.\n
\n\n Riceve in input una query, elabora documenti e restituisce una risposta più rilevante possibile.\n
\n\n Un'applicazione che effettua IR si chiama motore di ricerca.\n
\n\n La richiesta di informazioni effettuata da un utente in linguaggio naturale.\n
\n\n La traduzione dell'UIN in un linguaggio specifico al motore di ricerca.\n
\n\n La complessità di questo linguaggio dipende dall'utilizzatore del motore di ricerca: il suo livello di esperienza, il suo background di conoscenze e il livello di approfondimento desiderato.\n
\n\n Definisce parole chiave da cercare all'interno dei documenti.\n
\n\n In esse, è possibile cercare molteplici parole chiave, concatenarle per formare una frase oppure cercare parole a una data prossimità l'una dall'altra.\n
\n\n Spesso processa il linguaggio naturale per trasformarne le parole specifiche in parole chiave più generiche.\n
\n\n Definisce parti di testo da cercare all'interno dei documenti.\n
\n\n Permettono dunque la ricerca di prefissi, suffissi, sottostringhe e intervalli.\n
\n\n Estendono gli altri tipi di query permettendo l'inserimento di operatori booleani (AND, OR e NOT) tra le parole chiave.\n
\n Permettono di effettuare i precedenti tipi di query su specifiche parti della struttura dei documenti.\n
\n\n Limitano le keyword a un vocabolario predefinito utilizzato anche dai documenti.\n
\n\n Puoi scaricare le videolezioni di Gestione dell'informazione con bbbdl:\n
\n\n bbbdl sync -r https://raw.githubusercontent.com/Steffo99/unimoreinfo-wiki/main/gestionedellinformazione.json\n \n