Elementos de posicionamiento de los sistemas de pregunta respuesta en la web

Abstract

El presente trabajo surge de la unión de dos elementos los cuales, a pesar de que fueron concebidos por separado, han resultado ser complementarios el uno del otro. Por un lado, están los sistemas pregunta-respuesta, nacidos en la década de los 60 y, por otro lado, el internet, nacido a principios de la década de los 90. Ambos tienen una finalidad que emana del acceso y manejo de la información. Es por ello que cuando les damos un uso conjunto, conformamos dispositivos más sofisticados, útiles y complejos. A través del procesamiento del lenguaje natural (Python), el análisis de datos (R) y la identificación de patrones (Python), se procederá a determinar los elementos de posicionamiento de los sistemas pregunta-respuesta en la web. Es decir, se pretende entender qué factores son relevantes para que un buscador elija un documento determinado y, dentro de dicho documento, la información que se selecciona y se extrae como respuesta. Resulta de interés general profundizar en el estudio del funcionamiento de estos factores debido a la importancia y el gran uso de este tipo de herramientas en multitud de campos, tanto científicos como cotidianos. El problema es lo difuso que es para la población el funcionamiento de éstas, debido a su complejidad y a lo opacos que son los diseñadores con su desarrollo. El trabajo se centra en Google por ser el principal buscador utilizado en la actualidad con una amplia ventaja sobre los demás. Se ha generado el corpus a partir de documentos tanto en inglés como en español y se han aplicado distintos algoritmos para obtener qué factores influyen y determinan su elección. Los resultados del estudio realizado confirman que los factores que más influyen son la relevancia, la fiabilidad y el tiempo de carga del documento para cada consulta.

The present work arises from the union of two elements which, although they were conceived separately, have turned out to be complementary to each other. On the one hand, there are the question-answer systems, born in the 60's, and on the other hand, the Internet, born in the early 90's. Both have a purpose that emanates from the access and management of information. Both have a purpose that emanates from the access and management of information. That is why together they form a more sophisticated, useful and complex device. Through natural language processing (Python), data analysis (R) and pattern identification (Python), we will proceed to determine the positioning elements of question-answer systems on the web. In other words, the aim is to understand which factors are relevant both for a search engine to choose a certain document, and to choose which section within the document to select and extract as an answer. It is of general interest to deepen the study of the operation of these tools due to the importance and the great use of this type of tools in many fields, both scientific and every day. The problem is how fuzzy it is for the population how they work, due to their complexity and how opaque designers are with their development. The work will focus on Google because it is the main search engine used today with a wide advantage over the others. A corpus will be generated from documents in both English and Spanish and different algorithms will be applied to obtain which factors influence and determine their choice. The results of the study will confirm that the most influential factors are relevance, reliability and document loading time for each query.