Redes Bayesianas para Recuperação de Informação Estruturada
1. Redes Bayesianas para Recuperação de Informação Estruturada Carlos Estombelo (estombelo @ gmail.com) Adolfo Neto (adolfo.usp @ gmail.com) Projeto Tidia-Ae (FAPESP) Laboratório de Informática em Saúde e ImagCom (LISI) Departamento de Física e Matemática (DFM) Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto (FFCLRP) USP – Ribeirão Preto Ribeirão Preto, 21 de setembro de 2007
2.
3.
4.
5.
6.
7.
8.
9.
10.
11. Fases do Desenvolvimento do EPSIR Algoritmo de Aprendizagem Consultas Avaliadas do INEX 2003 Tabelas de Parâmetros da Rede Bayesiana do EPSIR Consulta Qualquer EPSIR RP hs e ERR TREINAMENTO: EXECUÇÃO: Consultas Avaliadas do INEX 2003 EPSIR Lista pontuada de doxels AVALIAÇÃO DE DESEMPENHO:
12.
13.
14.
15.
16.
17. Aprendizagem com Redes Bayesianas Na figura vemos a independência na rede bayesiana: conhecendo a relevância de um periódico, a relevância da coleção de periódicos não tem nenhuma influência na relevância dos artigos deste periódico. Sejam X e Y independentes dado Z então: P(X|Y,Z) = P(X|Z). Isto quer dizer que se o objetivo é saber a probabilidade de X então tanto faz o valor de Y se você ja sabe o valor de Z. No caso deste trabalho seria: P(Xi | pai(Xi))
18. Aprendizagem com Redes Bayesianas Na figura vemos um pedaço de uma rede bayesiana utilizada para representar uma consulta sobre uma base de documentos. Os nós “Baseline model i for Nj (Mi)” representam a relevância dos nós relativamente a uma consulta usando um modelo como o Okapi.
19. Aprendizagem com Redes Bayesianas No modelo a probabilidade que o elemento X esteja no estado {I, B, E} depende somente do estado de seu pai e do resultados dos modelos baseline (R, -R) Tabela de probabilidades condicionais associadas ao nó X [Parâmetros a serem aprendidos] Para reduzir ou limitar o número de parâmetros livres, os doxel se agrupam em categorias e estes doxel utilizaram a mesma tabela de probabilidades condicionais