Máquinas de busca web para a web indexam grandes volumes de dados, lidando com
coleções que muitas vezes são compostas por dezenas de bilhões de documentos. Métodos
aprendizagem de máquina têm sido adotados para gerar as respostas de alta qualidade
nesses sistemas e, mais recentemente, há métodos de aprendizagem de máquina propostos
para a fusão de evidências durante o processo de indexação das bases de dados. Estes
métodos servem então não somente para melhorar a qualidade de respostas em sistemas de
busca, mas também para reduzir custos de processamento de consultas. O único método
de fusão de evidências em tempo de indexação proposto na literatura tem como foco exclusivamente
o aprendizado de funções de fusão de evidências que gerem bons resultados
durante o processamento de consulta, buscando otimizar este único objetivo no processo
de aprendizagem.
O presente trabalho apresenta uma proposta onde utiliza-se o método de aprendizagem
com múltiplos objetivos, visando otimizar, ao mesmo tempo, tanto a qualidade de
respostas produzidas quando o grau de compressão do índice produzido pela fusão de
rankings. Os resultados apresentados indicam que a adoção de um processo de aprendizagem
com múltiplos objetivos permite que se obtenha melhora significativa na compressão
dos índices produzidos sem que haja perda significativa na qualidade final do ranking
produzido pelo sistema.
|
