La “semantica latente” va mas alla en cuanto pretende extraer conceptos semanticos de los documentos y compararlos con los conceptos que los usuarios desearian recuperar, se da un gran paso, pero no deja de ser una estructura algebraica que se compara con una estructura mental. Se sigue utilizando la logica clasica, no se, pero la logica difusa me parece mas compatible con la subjetividad humana.

Como siempre se terminara eligiendo lo mejor de cada metodo, mientras tanto seguimos teniendo “documentos” por un lado y “personas” por otro que son incapaces de comprenderse.

Saludos cordiales.

Primero decirte que la lógica difusa aplicada a la IR me parece un tema de gran interés, pero a día de hoy la mayoría de buscadores en entornos reales de usuarios basan su lógica sobre el modelo espacio vectorial. Y debe haber alguna razón.

La función tf·idf referenciada es la más básica de todas. Existen muchas más variantes que ofrecen mejores resultados. Por supuesto el sistema de IR no debería basarse únicamente en la aplicación de esta sencilla función.
Además de los tags, habría que ponderar los recursos. Google lo hace mediante PageRank. En el caso de la indización social tenemos ya un ‘pagerank’ implícito. Recursos con muchos usuarios son más relevantes que recursos con pocos usuarios.
Además, se podría ponderar a los usuarios, para que el voto de un usuario X no valga lo mismo que el del usuario Y. Por ejemplo, si el recurso a taggear trata sobre ‘usabilidad’, tendrían más valor los tags asignados por usuarios que almacenen muchos recursos sobre la misma temática, que aquellos asignados por usuarios cuyos recursos asociados traten generalmente sobre otro tema. Además se podría premiar a los usuarios que indicen generalmente de forma más exhaustiva frente a los que normalmente asignan muy pocos tags por recurso.
En mi opinión, si la indización social es susceptible de ser modelada mediante otro que no sea el espacio-vectorial, sería probablemente mediante modelos basados en semántica latente.
Y por supuesto, en todo momento me refiero a indización social y no a indización de autor, dónde el hecho de que no exista frecuencia de asignación conlleva la (casi) imposibilidad de ponderar mediante algoritmos automatizados.

un saludo!

subconjunto difuso

Una subconjunto difuso, es un conjunto que puede contener elementos de forma parcial. Es decir que la propiedad x pertenece a A puede ser cierta con un grado de verdad.

Se mide esta posibilidad de pertenecer (o pertenencia) con un número μA(x) entre 0 y 1, llamado grado de pertenencia de x a A. Si es 0.0, x no pertenece a , si es 1.0, entonces , totalmente, y si 0.0

Desde los mas profundos pliegues de sus maltratados corazones de documentalistas diganme ¿No es esto lo que andamos buscando?

Por lo tanto, una parte borrosa equivale, en concepto de información, a una familia infinita no enumerable de partes clásicas. La teoría de los subconjuntos difusos es por lo tanto muy distinta y mucho más compleja que la teoría de los conjuntos usuales

http://es.wikipedia.org/wiki/Subconjunto_difuso

Si consideramos los tag (sociales o profesionales) como partes de los documentos a los que van asociados, podriamos en efecto utilizar la misma funcion (frecuencia de términos /(frecuencia inversa de Documento).

Pero seguiriamos teniendo los mismos problemas. Al fin y al cabo estariamos haciendo algo parecido a lo del concurso ¿Quien quiere ser millonario? cuando los concursantes utilizan el comodin del publico, la ayuda consiste en el % de personas que eligen una respuesta:

¿Quien descubrio America?

A Emilio Butragueño 2%
B Flemming 3%
C Cristobal Colon 80 %
D Julian Muñoz 15%

Por otra parte la funcion tf/idf solo seria aplicable al tag social pero cuando el profesional asigana un TAG no puede utilizar “el comodin del publico” ni establecer frecuencias de aparicion en los documentos es aqui tambien donde pienso que la logica difusa nos podria ayudar.

Es solo una opinion, que por supuesto no es mia. Lotfi A. Zadeh lo explica muy bien (casi mejor que yo ¡me cachis!)

La lógica difusa o borrosa parte del principio de que las cosas no son blanco o negro, tal como establece la lógica clásica, sino con tonalidades y con múltiples valores, lo cual se adapta mejor al comportamiento humano.

Ictineo: Aunque sería una posible solución, para ponderar el grado con el que un tag describe un recurso no es imprescindible usar lógica difusa. La técnica más sencilla sería usando la más que conocida función tf·idf. En el caso de la indización social, su cálculo más simple sería dividir el número de usuarios que han asignado X tag al recurso Y, por el número de veces que ha sido usado el tag X en el conjunto de los recursos.

Respecto a la relación entre web semántica e indización social que comentan Oskar y Catuxa, aprovecho para recomendar el paper “Ontologies are us” de Mika.
http://www.cs.vu.nl/~pmika/research/papers/ISWC-folksonomy.pdf

Asi el Articulo de coches de Catuxa seria por ejemplo

Automoviles p(1) donde podriamos cuantificar la incertidumbre con un valor de 0 a 1.

Asi si por ejemplo el articulo trataba sobre “Automoviles” pero tambien sobre deportes y algo sobre viajes podriamos asignar:

Automoviles p(1)
Deportes p(0,7)
Viajes p(0,5)

Acerca de tu propuesta, no llego a entenderla del todo, si partimos de una estructura controlada en donde yo como profesional indizo un articulo de coches por AUTOMOVILES, y lueg el usuario lo etiqueta como COCHES, CARROS, BUGAS, etc, estaríamos hablando de un sistema que complementa la indización profesional con la social.

… Y felicidad para todos

Y por que creo que contribuye a la Web semántica?, porque los tags dotan de significado semántico a las cosas, objetos, y demás, se forma un campo semántico propio.

Luis, sí y sí, por supuesto que no hablamos de echar por tierra el trabajo intelectural de un profesional y que reine el libre albedrio, pero trabajar de cara a un sistema complementario es por supuesto la mejor opción.

Como dice Ictineo la tecnologia actual permite compatibilizar ambos sistemas, y nosotros debemos trabajar para ofrecer eso y que cada uno elija.

Kronoss has hablado de algo que pasé por alto en el post: la importancia del etiquetado social, indización como dice Yusef, para ciertos objetos informacionales como son las imágenes y los audiovisuales. Un tipo de información muy poco favorecida en los resultados de las búsquedas si no está convenientemente analizada y descrita.

Y como apuntas, esta práctica colaborativo de describir y asignar palabras claves a los recursos, es la mejor forma de llegar a ese sueño dorado de la Web semántica.

Considero que se podría estudiar la opción de permitir a los usuarios la indización social y a su vez otra opción de indicar o señalar un sinonimo en lenguaje controlado que se le ofrezca. Esto viene porque el idioma es polisémico como ha indicado Yussef, y sería una forma u opción de refinar la indización social.

Por otro lado no le veo relación a la web semantica y los tag actuales. La web semántica no solo busca describir y permitir la recuperación del contenido de forma correcta, sino también buscar información muy concreta dentro de la misma, autor, topónicmos, nombres personales del documento, etc…
Los taggs los veo más como una indización muy generalizada, yo al menos no he utiliza más de 5 o 6, y siempre muy generales porque no sabía muy bien como describir el contenido, no me he parado en los datos concretos donde la web semántica será más util.

Un saludo

oskar

Desde luego que habría que diferenciar entre tipos de tagging, porque ofrecen resultados completamente diferentes (subjetividad-intersubjetividad, exhaustividad,…). Así, de lo que deberíamos estar hablando los profesionales de la información, a mi entender, es de indización de autor y de indización social (consumidores).

Cuando un autor ‘taggea’ sus posts o sus fotos en flickr, está realizando indización de autor. Este tipo de indización no tiene nada de nuevo, ni siquiera en la web 1.0. En el caso de del.icio.us, la indización es social, y es la única que puede representar alguna ‘novedad’ en el panorama de la gestión y recuperación de información (el google bombing puede ser, también, entendido como un proceso de indización social).

Yo creo que se podría utilizar una “doble contabilidad”: la profesional, bajo un protocolo estricto, bien jerarquizada, bien definida, que nos dé una información “controlada” y, muy importante, que nos dejaría tranquilos como profesionales (porque, ¿qué se han creido estos usuarios, acaso saben más que yo que soy profesional de la cosa?) y otra más informal, subjetiva, de andar por casa…a la medida del esquema mental de quien la quiere utilizar. Para rematar la faena una API bien colocadita en los SIGB que permitan visualizar ambas opciones sin estropear el trabajo de lo profesionales pero dando la frescura de los usuarios

Y luego el libre albedrío de cada cual…

Un saludo