Information Retrieval Model with Query Expansion and User Preference Profile

• Hubert Viltres-Sala ^[1] ; Vivian Estrada-Sentí ^[1] ; Juan-Pedro Febles-Rodríguez ^[1] ; Gerdys-Ernesto Jiménez-Moya ^[1]
  1. [1] Universidad de Ciencias informáticas (Habana, Cuba)
• Localización: Revista Facultad de Ingeniería, ISSN-e 2357-5328, ISSN 0121-1129, Vol. 32, Nº. 64 (April-June 2023 (Continuous Publication)), 2023
• Idioma: inglés
• Títulos paralelos:
  • Modelo para la recuperación de información con expansión de consulta y perfil de preferencia de los usuarios
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Comprender la intención de búsqueda del usuario permite identificar y extraer los resultados de búsqueda más relevantes y personalizados de la información disponible según sus necesidades. En el presente artículo se plantea un algoritmo para la recuperación de información relevante que combina las preferencias del perfil del usuario y la expansión de consulta para obtener resultados de búsqueda relevantes y personalizados. El proceso de recuperación de información se valida mediante las métricas de Precision, Recall y Mean Average Precision (MAP) aplicadas a un conjunto de datos que contiene los documentos estandarizados y los perfiles de preferencias. Los resultados permitieron demostrar que el algoritmo mejora el proceso de recuperación de información al arrojar documentos con mejor calidad y relevancia según las necesidades de los usuarios.

  • English

    Understanding the user's search intention enables identifying and extracting the most relevant and personalized search results from the available information, according to the user's needs. This paper proposes an algorithm for relevant information retrieval that combines user preferences profile and query expansion to get relevant and personalized search results. The information retrieval process is validated using Precision, Recall and Mean Average Precision (MAP) metrics applied to a dataset that contains the standardized documents and preferences profiles. The results allowed us to demonstrate that the algorithm improves the information retrieval process by finding documents with better quality and greater relevance to the users' needs.