Sistemas Inteligentes de Acceso a la Información

Con el constante crecimiento de la cantidad de información disponible en formato electrónico, representado de una manera especial por Internet y la World Wide Web (Web), se ha hecho imperioso dotar a los usuarios de computadoras de sistemas avanzados de acceso y gestión de dicha información. Los Sistemas Inteligentes de Acceso a la Información (SINAI) son programas de computadoras avanzados que, por medio de técnicas de Inteligencia Artificial, asumen la labor de reducir la sobrecarga de información de sus usuarios.

El objetivo principal de esta asignatura es dotar a los alumnos de conocimientos sobre las técnicas que se emplean para el desarrollo de este tipo de sistemas, concentrándonos en los aspectos que conciernen a los métodos estadísticos de tratamiento del texto y al diseño de interfaces, tomando como referencia la búsqueda de información en la Web.

Puedes descargarte el programa de la asignatura, la presentación de la misma y la ficha de aviso para problemas de asistencia.

Recursos

Temario + bibliografía específica
1. Introducción a los Sistemas Inteligentes de Acceso a la Información (transparencias, problemas y cuestiones, práctica de laboratorio).
  - (BY) Capítulo 1.
  - (HE) Current Topics in Information Access, Introduction.
  - Bruce Croft. What Do People Want from Information Retrieval? (The Top 10 Research Issues for Companies that Use and Sell IR Systems). DLib Magazine, Nov. 95.
  - Marti Hearst, Context and Structure in Automated Full-Text Information Access, PhD Thesis, Berkeley, 1994 (capítulo 1).
  - EAGLES Guidelines on Evaluation of Natural Language Processing Systems.
  - E. Voorhees, D. Harman, Overview of the Eighth Text REtrieval Conference (TREC-8), NIST Special Publication 500-246, 1999.
2. Técnicas básicas de recuperación de información sobre texto (transparencias, problemas y cuestiones).
  - (BY) Capítulos 2,7.
  - http://www.everything2.com/ (disjunctive normal form)
  - C. Faloutsos, D. Oard, 1996. A Survey of Information Retrieval and Filtering Methods. Technical Report, Information Filtering Project, University of Maryland, College Park.
  - C. Charras, T. Lecroq, Handbook of exact string matching algorithms. http://www-igm.univ-mlv.fr/~lecroq/string/, 1997.
  - Boyer R.S., Moore J.S., 1977, A fast string searching algorithm. Communications of the ACM. 20:762-772.
  - (MO) Intelligent Information Retrieval and Web Search, ir.jar y documentación.
3. Problemas y mejoras sobre los métodos tradicionales (transparencias, problemas, práctica y ejemplo para la práctica).
  - (BY) Capítulos 5,7, 10
  - (MO) Intelligent Information Retrieval and Web Search, presentaciones 6, 14.
  - Salton, G., McGill, M.J., An Introduction to Modern Information Retrieval, McGraw-Hill, 1983.
  - The Lexical Database WordNet.
  - C. Manning and H. Schütze, Foundations of Statistical Natural Language Processing, MIT Press. Cambridge, MA: May 1999, capítulo 14.
  - El proyecto de sitios Web adaptativos WebWatcher.
  - BAILANDO Projects: Information Visualization (Marti Hearst), en especial:
    - Information Visualization Tutorials: User Interfaces and Visualization for Information Access (Presented at SIGIR 2003).
  - El sistema de clasificación de correo electrónico ifile.
4. Técnicas para la recuperación de información en la Web (transparencias, problemas).
  - (BY) Capítulo 13
  - (CHA) Capítulos 2, 3 y 7
  - La fuente fundamental de información sobre la Web es el World Wide Web Consortium.
  - La fuente de información científica fundamental sobre la Web son las World Wide Web Conferences.
  - Características de la Web.
    - Estadísticas en Search Engine Watch, Search Engine Showdown, Netcraft.
    - Andrei Broder, Ravi Kumar, Farzin Maghoul, Prabhakar Raghavan, Sridhar Rajagopalan, Raymie Stata, Andrew Tomkins, Janet Wiener. Graph structure in the web. Proceedings of the The Ninth International WWW Conference, May 15-19, 2000, Amsterdam, The Netherlands.
    - Anthony Bonato. A survey of models of the web graph. Proceedings of Combinatorial and Algorithmic Aspects of Networking, 2004.
    - Web Characterization [OCLC - Archived projects].
    - Ziv Bar Yossef, Andrei Z. Broder, Ravi Kumar, Andrew Tomkins. Sic Transit Gloria Telae: Towards an Understanding of the Web’s Decay. Proceedings of the WWW 2004, May 17–22, 2004, New York, USA.
  - Devanshu Dhyani, Wee Keong Ng, And Sourav S. Bhowmick. A Survey of Web Metrics. ACM Computing Surveys, Vol. 34, No. 4, December 2002.
  - Motores de búsqueda.
    - Web Search Engines, Ernest Davis, New York University (curso).
    - Tipos de buscadores.
      - Generalistas: Google, Altavista.
      - Meta-buscadores: MetaCrawler, DogPile.
      - Verticales o temáticos (ejemplos).
        
        Buscadores de buscadores: CompletePlanet, TheInvisibleWeb.
        Noticias: Feedster, Google News, RocketNews.
        Trabajo: Monster, InfoJobs.
        Viajes: Mobilissimo, Viajar, Rumbo.
        Artículos científicos: Citeseer, Google Scholar, The Collection of Computer Science Bibliographies.
    - Implementación.
      - Luiz André Barroso, Jeffrey Dean, Urs Hölzle. Web search for a planet: the Google cluster architecture. IEEE Micro, 23(2): 22-28, March/April, 2003.
      - Sanjay Ghemawat, Howard Gobioff, and Shun-Tak Leung. The Google File System.19th ACM Symposium on Operating Systems Principles, The Sagamore, Bolton Landing (Lake George), New York, 2003.
      - Fabrizio Silvestri. High Performance Issues in Web Search Engines: Algorithms and Techniques. Ph.D. Thesis: TD 5/04, Dottorato di Ricerca in Informatica, Dipartimento di Informatica, Universitá degli Studi di Pisa, May, 2004.
      - Nutch - implementación libre de un buscador de gran escala.
      - IR.JAR - implementación de múltiples algoritmos de crawling, junto con las herramientas básicas de RI.
    - Análisis de enlaces.
      - J. Kleinberg, S.R. Kumar, P. Raghavan, S. Rajagopalan, A. Tomkins. The Web as a graph: Measurements, models and methods. Invited survey at the International Conference on Combinatorics and Computing, 1999.
      - Amy N. Langville, Carl D. Meyer. A Survey Of Eigenvector Methods For Web Information Retrieval. To appear, SIAM Rev, 2005.
      - Sergey Brin, Lawrence Page. The Anatomy of a Large-Scale Web Search Engine. Proceedings of the Seventh World Wide Web Conference, April 14-18, Brisbane, Australia, 1998.
    - Spamming - Tergiversación de rankings.
      - Dennis Fetterly, Mark Manasse, and Marc Najork. Spam, damn spam, and statistics: Using statistical analysis to locate spam web pages. In Proceedings of the 7th International Workshop on the Web and Databases, pages 1--6, Paris, France, June 2004.
      - Por ejemplo, uso de comentarios en blogs.
        
        MT-Blacklist Anti-Spam for blogs system.
  - Directorios Web.
    - Algunos ejemplos: Yahoo!, Open Directory Project, LookSmart.
    - ChienChung Huang, ShuiLung Chuang, LeeFeng Chien. LiveClassfier: Creating Hierarchical Text Classifiers through Web Corpora. Proceedings of the WWW 2004, May 17–22, 2004, New York, USA.
  - Estudios de usuarios (Web log mining) y evaluación.
    - Craig Silverstein, Monika Henzinger, Hannes Marais, Michael Moricz. Analysis of a Very Large AltaVista Query Log. SRC Technical Note 1998 - 014, Digital Systems Research Center, October 26, 1998.
    - Amanda Spink, Bernard J. Jansen, Dietmar Wolfram, Tefko Saracevic. From E-Sex to E-Commerce: Web Search Changes. IEEE Computer Magazine, 35(3), 107-109.
    - Caroline M. Eastman, Bernard J. Jansen. Coverage, Relevance, and Ranking: The Impact of Query Operators on Web Search Engine Results. ACM Transactions on Information Systems, Vol. 21, No. 4, October 2003, pages 383–411.
    - Daniel E. Rose, Danny Levinson. Understanding User Goals in Web Search. Proceedings of the WWW 2004, May 17–22, 2004, New York, USA.
    - Más estudios es Search Engine Watch: Ratings and Reviews
    - ETestingLabs (ahora Veritest de LionBridge) reports, especialmente el de Google
  - Algunas herramientas avanzadas.
    - Búsqueda con agrupamiento de documentos: WiseNut, Vivisimo.
    - Refinamiento de la consulta con análisis local - Teoma.
    - Respuesta a preguntas en lenguaje natural - Ask Jeeves.
    - Acceso gráfico a directorios - WebBrain.
    - Meta-búsqueda con aprendizaje - SavvySearch, ahora Search.com
      - Adele E. Howe, Daniel Dreilinger. SAVVYSEARCH: A Metasearch Engine That Learns Which Search Engines to Query. AI Magazine, Vol. 18, No. 2, pp. 19-25, 1997.
    - Agentes de ayuda a la búsqueda y navegación.
      - Bernard J. Jansen, Udo Pooch. Assisting the searcher: utilizing software agents for Web search systems. Internet Research: Electronic Networking Applications and Policy, Volume 14, Number 1, 2004, pp. 19-33.
      - WebMate: A Personal Agent for World-Wide Web Browsing and Searching.
      - WebGlipmse - Sistema de búsqueda local que combina búsqueda y navegación en vecindad
      - Alexa Internet - Barra de ayuda a la navegación
  - Direcciones de trabajo futuro.
    - Marcia J. Bates. After the Dot-Bomb: Getting Web Information Retrieval Right This Time. First Monday, volume 7, number 7 (July 2002).
Bibliografía básica
- (BY) Baeza-Yates, Ricardo; Ribeiro-Neto, Berthier. Modern information retrieval. Addison-Wesley, 1999 (Z699.35 .I53 B34 Biblioteca UEM, edificio C).
Bibliografía complementaria
- (CHA) Chakrabarti, Soumen. Mining the Web: discovering knowledge from hypertext data. Morgan Kaufmann Publishers, 2003 (QA76.9 .D343 C43 Biblioteca UEM).
- (FR) Frakes, William B.; Baeza-Yates, Ricardo. Information retrieval: data structures & algorithms. Prentice Hall, 1992 (QA76.9 .D35 I54 Biblioteca UEM).
- (WI) I. Witten, E. Frank, Data Mining: Practical Machine Learning Tools and Techniques with Java Applications, Morgan Kaufmann Publishers, 1999 - 2005 (QA76.9 .D3 W58 - QA76.9 .D343 W58 Biblioteca UEM).
Enlaces
- Cursos
  - (MO) Intelligent Information Retrieval and Web Search, Raymond Mooney, Universidad de Texas.
  - (HE) Current Topics in Information Access, Marti Hearst, Universidad de Berkeley.
  - (MA) Text Information Retrieval, Mining, and Exploitation, Chris Manning, Universidad de Stanford.
  - (GA) Sistemas de Acceso Inteligente a la Información, Manuel Carlos Díaz Galiano, Manuel García Vega, Universidad de Jaén.

Nota sobre las transparencias: Los alumnos deberán asumir que el material proporcionado por el profesor (apuntes de cátedra, transparencias) no reflejan en ningún caso los contenidos de la asignatura, debiendo ser completados por medio de los apuntes obtenidos en las clases impartidas por el profesor, y por medio del estudio y documentación suplementaria (incluyendo especialmente la bibliografía).

José María Gómez Hidalgo