Red de creencia

En recuperación de información, las redes bayesianas de creencia son útiles porque proveen una forma clara de combinar distintas fuentes de evidencia que respalden el ranking dado a un documento.El modelo de redes de creencia,[2]​ introducido en 1996 por Ribeiro-Neto y Muntz, está basado en una interpretación epistemológica de las probabilidades.Como resultado, se obtiene una topología distinta, que provee una separación entre el documento y la consulta dentro de la red.Esta constituye la mayor diferencia entre ambos modelos.El espacio de probabilidades adoptado fue introducido por primera vez por Wong y Yao.Todos los documentos en la colección son incorporados como "términos indexados" y el universo de discursode todos los términos indexados.que pertenecen a él.A cada subconjunto 𝑢 del espacio 𝐾 se asocia un vector 𝑘⃗.De cada término indexado se dice que es un concepto elemental y 𝐾 el espacio de conceptos.De cada u subconjunto de 𝐾 se dice que es un concepto, y puede representar tanto un documento de la colección como una consulta del usuario., se le asocia una variable binaria aleatoria, también referenciada comoen la colección es representado como un concepto compuesto por los términos usados para indexarlo.Análogamente, una consulta 𝑞 es representada como un concepto compuesto por los términos usados para indexarla.se define sobre 𝐾 dado un concepto 𝑐 genérico que representa a una consulta, se define como: 𝑃(𝑐) = ∑𝑢 𝑃(𝑐|𝑢) ∗ 𝑃(𝑢) (1) 𝑃(𝑢) = (½)t (2) La ecuación (1) define 𝑃(𝑐) como el grado de cobertura que ofrece 𝑐 del espacio 𝐾.Como al principio del sistema no hay conocimiento de la probabilidad con la que un concepto ocurre en el espacio 𝐾, podemos asumir que cada concepto 𝑢 es igualmente probable de modo que se cumple (2).En redes de creencia, una consulta 𝑞 es representada como un nodo de la red al cual se le asocia una variable binaria aleatoria a la que haremos también referencia como 𝑞.Esta variable toma valor 1 cuando 𝑞 cubre completamente el espacio de conceptos 𝐾. Análogamente, un documentoes modelado como un nodo de la red al cual se le asocia una variable binaria aleatoria a la que haremos también referencia comocubre completamente el espacio de conceptos 𝐾.En un modelo de red de creencia, el nodo consulta 𝑞 es apuntado por aristas a partir de los nodos que representan los términos indexados que componen el concepto de 𝑞.Los documentos, de igual manera que las consultas, son apuntados por los nodos de términos indexados que componen dichos documentos.El ranking de un documentorelativa a la consulta 𝑞 es interpretado como una relación de coincidencia y refleja el grado de cubrimiento del concepto 𝑞 al conceptoEn redes de creencia este valor está dado por la probabilidad condicional de que ocurra(3) Aplicando el teorema de Bayes:es igual para todos los documentos se puede afirmar que son directamente proporcionales, es decir, se cumple que:Para el modelo vectorial estas probabilidades se calculan de la siguiente forma: Ventajas: Desventajas: