La recuperación de conocimientos busca devolver información en una forma estructurada, consistente con los procesos cognitivos humanos en lugar de simples listas de elementos de datos. Se basa en una variedad de campos que incluyen epistemología (teoría del conocimiento), psicología cognitiva , neurociencia cognitiva , lógica e inferencia , aprendizaje automático y descubrimiento de conocimiento , lingüística y tecnología de la información .
Descripción general
En el campo de los sistemas de recuperación, los enfoques establecidos incluyen:
Ambos enfoques requieren que el usuario lea y analice, a menudo, largas listas de conjuntos de datos o documentos para extraer significado.
El objetivo de los sistemas de recuperación de conocimientos es reducir la carga de esos procesos mediante una mejor búsqueda y representación. Esta mejora es necesaria para aprovechar los crecientes volúmenes de datos disponibles en Internet. [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11]
Comparación con recuperación de datos e información.
La recuperación de datos y la recuperación de información son formas más tempranas y básicas de acceso a la información. [12]
La recuperación del conocimiento se centra en el nivel del conocimiento. Necesitamos examinar cómo extraer, representar y utilizar el conocimiento en datos e información. [13] Los sistemas de recuperación de conocimientos proporcionan conocimientos a los usuarios de forma estructurada. En comparación con la recuperación de datos y la recuperación de información, utilizan diferentes modelos de inferencia , métodos de recuperación, organización de resultados, etc. La Tabla 1, que amplía la comparación de van Rijsbergen de la diferencia entre recuperación de datos y recuperación de información, [14] resume las principales características de la recuperación de datos. recuperación de información y recuperación de conocimientos. [15] El núcleo de la recuperación de datos y de la recuperación de información son los subsistemas de recuperación. La recuperación de datos obtiene resultados mediante una coincidencia booleana. [16] La recuperación de información utiliza la coincidencia parcial y la mejor coincidencia. La recuperación de conocimientos también se basa en la coincidencia parcial y la mejor coincidencia.
Desde una perspectiva de inferencia, la recuperación de datos utiliza inferencia deductiva y la recuperación de información utiliza inferencia inductiva. [14] Considerando las limitaciones de los supuestos de diferentes lógicas, los sistemas lógicos tradicionales (por ejemplo, el subconjunto Horn de la lógica de primer orden ) no pueden razonar de manera eficiente. [17] El razonamiento asociativo, el razonamiento analógico y la idea de unificar el razonamiento y la búsqueda pueden ser métodos eficaces de razonamiento a escala web. [17] [18]
Desde la perspectiva de la recuperación, los sistemas de recuperación de conocimientos se centran en la semántica y una mejor organización de la información. La recuperación de datos y la recuperación de información organizan los datos y documentos mediante la indexación, mientras que la recuperación de conocimientos organiza la información indicando conexiones entre elementos de esos documentos.
Marcos para sistemas de recuperación de conocimiento.
Desde la perspectiva de las ciencias de la computación , se ha propuesto e investigado en detalle un marco lógico que se concentra en la confusión de las consultas de conocimiento. [19] Se han investigado los lenguajes de marcado para el razonamiento del conocimiento y las estrategias relevantes, que pueden servir como posibles bases del razonamiento lógico para la recuperación de conocimiento basada en texto. [3]
Desde la perspectiva de las ciencias cognitivas , especialmente desde la perspectiva de la psicología cognitiva y la neurociencia cognitiva, se ha investigado la base neurobiológica para la recuperación de conocimientos en el cerebro humano y puede servir como modelo cognitivo para la recuperación de conocimientos. [20] [21]
Disciplinas relacionadas
La recuperación de conocimientos puede obtener resultados de las siguientes teorías y tecnologías relacionadas: [12]
- Teoría del conocimiento : adquisición del conocimiento, organización del conocimiento, representación del conocimiento , validación del conocimiento, gestión del conocimiento.
- Ciencia cognitiva : psicología cognitiva, neurociencia cognitiva, informática cognitiva, formación y aprendizaje de conceptos, toma de decisiones, interacción persona-computadora .
- Aprendizaje automático y descubrimiento de conocimiento : preprocesamiento, clasificación, agrupamiento, predicción, posprocesamiento, teoría del aprendizaje estadístico .
- Lógica e inferencia : lógica proposicional , lógica de predicados, lógica de atributos, lógica universal , inferencia inductiva , inferencia deductiva, razonamiento asociativo, razonamiento analógico, razonamiento aproximado.
- Tecnología de la información : teoría de la información , ciencia de la información , recuperación de información, sistemas de bases de datos, sistemas basados en el conocimiento , sistemas basados en reglas, sistemas expertos , sistemas de soporte a la decisión , tecnología de agentes inteligentes .
- Lingüística : lingüística computacional , comprensión del lenguaje natural , procesamiento del lenguaje natural .
Los temas enumerados debajo de cada entrada sirven como ejemplos y no forman una lista completa. Y se deberían agregar muchas disciplinas relacionadas a medida que el campo madure.
Referencias
- ^
Frisch, AM Recuperación de conocimientos como inferencia especializada, Ph.D. tesis, Universidad de Rochester , 1986.
- ^
Kame, M. y Quintana, Y. Un sistema de recuperación de conocimientos basado en gráficos, Actas de la Conferencia Internacional IEEE de 1990 sobre Sistemas, Hombre y Cibernética, 1990: 269-275.
- ^ ab Martin, P. y Eklund, PW Recuperación de conocimientos y la World Wide Web, IEEE Intelligent Systems , 2000, 15(3): 18-25.
- ^
Oertel, P. y Amir, E. Un marco para la recuperación de conocimientos de sentido común, Actas del séptimo Simposio internacional sobre formalizaciones lógicas del razonamiento de sentido común , 2005.
- ^
Travers, M. Una representación visual de las estructuras del conocimiento, Actas de la segunda conferencia anual de la ACM sobre hipertexto e hipermedia, 1989: 147-158.
- ^
Yao, YY Sistemas de soporte de recuperación de información, Actas de la Conferencia internacional IEEE de 2002 sobre sistemas difusos, 2002, 1092-1097.
- ^
Zhou, N., Zhang, YF y Zhang, LY Visualización de información y recuperación de conocimientos [en chino], Science Press, 2005.
- ^
Robert Loew, Katrin Kuemmel, Judith Ruprecht, Udo Bleimann, Paul Walsh. Enfoques para la recuperación personalizada de conocimientos, Internet Research , 17(1), 2007
- ^
Stefanía Mariano, Andrea Casey. El proceso de recuperación del conocimiento: un estudio de caso de una empresa estadounidense de investigación, ingeniería y consultoría de alta tecnología . VINE: Revista de sistemas de gestión de la información y el conocimiento , 37(3), 2007.
- ^
Jens Gammelgaard, Thomas Ritter. La matriz de recuperación del conocimiento: codificación y personificación como estrategias separadas, Journal of Knowledge Management, 9(4), 133-143, 2005.
- ^
JEL Farradane. Análisis y organización del conocimiento para su recuperación, ASLIB Proceedings, 22(12), 607-616,1970.
- ^ ab Yiyu Yao, Yi Zeng, Ning Zhong, Xiangji Huang. Recuperación de Conocimiento (KR). En: Actas de la Conferencia Internacional IEEE/WIC/ACM de 2007 sobre Inteligencia Web, IEEE Computer Society , Silicon Valley , EE. UU., 2 al 5 de noviembre de 2007, 729-735.
- ^ Bellinger, G., Castro, D. y Mills, A. Datos, información, conocimiento y sabiduría, http://www.systemsthinking.org/dikw/dikw.htm Archivado el 17 de octubre de 2016 en Wayback Machine.
- ^ ab van Rijsbergen, Recuperación de información de CJ, Butterworths, 1979.
- ^
Zeng, Y., Yao, YY y Zhong, N. Recuperación de conocimientos basada en estructuras granulares [en chino], Actas de la Conferencia Conjunta de la Séptima Conferencia de Computación Rough Set y Soft , el Primer Foro de Computación Granular y el Primer Foro de Inteligencia Web, 2007.
- ^
Baeza-Yates, R. y Ribeiro-Neto, B. Recuperación de información moderna, AddisonWesley, 1999.
- ^ ab Fensel, D. y van Harmelen, F. Unificación del razonamiento y la búsqueda a escala web, IEEE Internet Computing, 2007, 11(2): 96, 94-95.
- ^
Berners-Lee, T., Hall, W., Hendler, JA, O'Hara, K., Shadbolt, N. y Weitzner, DJ Un marco para la ciencia web, fundamentos y tendencias en la ciencia web, 2006, 1 (1 ): 1-130.
- ^ Chen, BC y Hsiang, J. Un marco lógico de recuperación de conocimiento con confusión, Actas de la Conferencia Internacional IEEE/WIC/ACM de 2004 sobre Inteligencia Web, 2004: 524-528.
- ^
Tranel, Daniel, Damasio, Antonio. La neurobiología de la recuperación del conocimiento. Ciencias del comportamiento y del cerebro, 22(2): 303-303, 1999.
- ^
Jennifer H. Pfeifer, Matthew D. Lieberman , Mirella Dapretto. "Sé que eres, pero ¿qué soy yo?": Bases neuronales de la recuperación del conocimiento social y personal en niños y adultos, Journal of Cognitive Neuroscience , 19(8), MIT Press , agosto de 2007.
