Vom Standpunkt der Modellierung aus ist das Abrufen von Informationen ein tiefes Feld, das auf verschiedenen Disziplinen basiert, darunter Statistik, Mathematik, Linguistik, künstliche Intelligenz und jetzt Datenwissenschaft. In der Praxis werden diese Modelle auf Text innerhalb von Korpora angewendet, um Muster in den Daten zu erkennen. Die IR-Modelle überschneiden sich nicht nur in ihrer Verwendung, sie können auch mit anderen Modellen wie k-means- oder k-next-neighbour-Modellen "zusammenarbeiten", sondern andere Modelle können aus der Sicht der Computerlinguistik wie LDA / LDI und angewendet werden Themenmodellierung Das Endspiel ist dann eine Art Informationsvisualisierung dieser Entdeckung - nach Rangfolge, Clustering und Aggregation der Arbeit. Das Abrufen von Informationen scheint eine kryptische Disziplin zu sein, aber ernsthafte Anstrengungen, die sehr geschätzt werden, wird den Bereich für ein tieferes Verständnis jedes Modells und die Interaktion zwischen Modellen öffnen. Ich zitiere die Reihe "Synthesis Lectures on Information Concepts, Retrieval and Services" als den besten Ort, um sich mit einer Grundlage für IR zu befassen.
Während ich IR und Informationsextraktion nicht vollständig voneinander trenne, wendet möglicherweise eine Teilmenge der IE-Extraktion auf Konzeptebene IR-Muster zusammen mit AI-basierten Inferenzregeln an, um verwandte Ontologien zu extrahieren. Die grafische Natur dieser Beziehungen wird durch die Ontologiemodellierung in OWL und RDF sowie durch Graphendatenbanken verbessert, die eine weniger strenge oder strenge Beziehungsmodellierung ermöglichen und mehr Beziehungen zur Oberfläche ermöglichen, anstatt per se gesteuert zu werden. Die Fähigkeit, die Informationsextraktion dynamisch auszubauen, hält ihre "Disziplin" für Forscher stark interessant.
Sowohl IR als auch IE spielen sich in unseren eigenen bedeutenden "Entitäten des Augenblicks" ab - einige haben "dynamische Ontologien" genannt - andere sind Palantir - wir benötigen die Muster, Modelle, Simulationen und Visualisierungen dieser bedeutenden Entitäten, um Geschäfte zu machen das Gesicht der Verwandlung neuer Informationsquellen und der Änderung bestehender Informationen. Die konzeptionelle, relationale, definitive, muster- und ontologische Modellierung muss flexibel sein und ihre Visualisierungen müssen gleich sein. Das starke Heben von KI-Engines wie Watson in den Bereichen Informationsextraktion und Inferenz hat die IE- und offen IR-Felder in den Mittelpunkt gerückt. Auch die Allgegenwart der Verarbeitung natürlicher Sprache und des maschinellen Lernens lenkt die Aufmerksamkeit auf IR- und IE-Modelle und -Motoren. Der Einfluss von IR-Modellen auf Suche und SEO sowie auf die Modellierung von Semantic Web ist einer davon. "
