Veremos agora os tipos de sistemas de retrieval. Vamos olhar para três deles. E só para deixar claro, é uma introdução.
Teremos uma aula dedicada para cada um deles. O objetivo aqui é te dar uma visão inicial bem geral. Antes de tudo, porque precisamos de diferentes sistemas de retrieval.
Bom, imagine que você está procurando algo em uma biblioteca enorme. Às vezes você sabe exatamente o que quer, como um livro específico. Às vezes você está apenas explorando, esperando encontrar algo interessante.
Diferentes sistemas de retroov funcionam de forma semelhante. Eles te ajudam a encontrar a informação que você precisa da forma que melhor se adapta à sua busca. OK?
Vamos aos três tipos principais. Temos o bullan retrieval model, o vector space model vsm e o probabilistic retrieval model. Começando com o bullan retrieval model, imagine que você está em um site de e-commerce com um sistema de filtros bem rígido.
Você especifica exatamente o que quer e ele te mostra somente essas opções sem surpresas. Então, como é que ele funciona? Busca, você procura por smartphone and Samsung and menos de 1000, né?
O sistema retorna apenas os produtos que são simultaneamente smartphones da marca Samsung e custam menos de 1000. A busca or, por exemplo, iPhone orsung, ele vai te mostrar todos os smartphones que são da Apple ou da Samsung. Busca not.
Você busca por laptop not gaming. Então você vai ver todos os laptops menos os voltados para jogos. Quais os PR?
Você vê exatamente o que pediu e consegue eliminar definitivamente o que não quer. É simples de entender e usar. E os contras aqui é literalmente tudo ou nada.
Ou o produto atende aos critérios ou não atende, né? Não tem classificação por relevância. Agora vamos para o Vector Space Model.
Ainda estamos no nosso site de e-commerce, mas esse modelo é mais flexível. Ele entende que smartphone bom pode significar coisas diferentes para pessoas diferentes e classifica os produtos com base em quão próximos eles estão do que você realmente precisa. Como ele funciona?
Bom, você digita uma descrição do que busca, por exemplo, smartphone com boa câmera para fotos. O sistema classifica os produtos com base em quão bem eles combinam com a sua descrição, considerando coisas como especificações da câmera, eh, avaliações dos usuários e até o histórico de compras, né, similares. Alguns pró.
Esse modelo te ajuda a encontrar produtos que mais combinam com as suas necessidades e também é ótimo para descobrir opções que você não havia considerado, mas que ainda são relevantes. E claro, os contras pode ser um pouco confuso se o sistema não ranquear bem ou se houver produtos demais, né? E pode exigir que você ajuste sua busca para obter os melhores resultados.
Por fim, temos o probabilistic Retrieval Model. Pense em um sistema de recomendação que já analisou milhões de compras e sabe quais são as chances de você gostar de um produto com base no que outros usuários com perfil similar compraram e avaliaram. É um filtro colaborativo.
Como funciona? Você digita smartphone e o sistema usa esse conhecimento para prever quais produtos você provavelmente vai gostar com base em fatores, como seu histórico de navegação, compras anteriores e padrões de usuários similares. Quais os PR?
É como ter um vendedor experiente que sabe o que tá em alta e quanto mais pessoas usam o sistema, melhor ele fica em prever o produto perfeito para você. Mas e os contras? Bom, esse modelo precisa de muitos dados para funcionar bem.
Se suas preferências forem muito únicas, o sistema vai ter dificuldades em trazer bons resultados. Agora, o mais importante é essa visão geral, quando usar cada modelo. Você usaria o Bullyan model se tivesse requisitos muito específicos e não negociáveis, como um smartphone Samsung com 256 GB de armazenamento por menos de R$ 1.
000. O Vector Space Model, se quisesse ver uma variedade de opções que se alinham a suas necessidades, mas estiver aberto a novas possibilidades. E o probabilistic model se estivesse procurando inspiração com base no que outros usuários com perfil similar compraram e gostaram, especialmente se você ainda não tem certeza exata do que quer.
Bom, no fim, conhecer esses sistemas te ajuda a fazer buscas mais eficientes, seja qual for a situação.
