En tiempos como estos, donde prácticamente todas las instituciones, tanto públicas como privadas, son la digitalización de sus documentos y la producción de jóvenes en formato electrónico, a fin de volver a ellos y que contiene la información tan rápida y eficientemente como sea posible, es necesario que los criterios de búsqueda son claros y concretos, algo que nuestra lengua hace que sea una tarea más complicada que en las lenguas de otros, debido al doble sentido y la ambigüedad de las palabras de muchos segmentos. 

En este contexto, el investigador de la Facultad de Ingeniería, Universidad de Vigo, Juan Otero, se ha desarrollado para su tesis doctoral de un sistema de corrección ortográfica que aborda las cuestiones relativas al tiempo más importante proceso de consultas en un sistema de recuperación la información. 

La principal contribución de su trabajo es, según apuntó el investigador, “para crear un método que es mucho más eficiente que los métodos estándar mundial. 

Titulado análisis léxico robusto, Otero abarca el desarrollo y evaluación de técnicas para el hechizo robusto control y su aplicación en entornos de consultas de recuperación de información que tienen errores. 

Los sistemas de recuperación de información que permita localizar los documentos en una colección que reúne los requisitos de un usuario, expresada en forma de consultas en lenguaje natural, pero la introducción de errores ortográficos comunes o escribiendo en el momento de hacer la investigación, de ahí la importancia desarrollo de herramientas como los que ahora presenta el investigador de Ourense. 

El método de hechizo escrito por Otero fue integrado en la herramienta de etiquetación morfosintáctica Sr. Tagoo, desarrollado en el grupo de investigación de los compiladores y lenguajes de la Universidad de Vigo, que incluye que la tesis del autor. Así, fue tomado de una solución global capaz de resolver de manera eficiente los tres problemas principales que surgen en el momento de proceso de consultas en un sistema de recuperación de información, “la ambigüedad segmentaria, morfosintáctica la ambigüedad y la corrección ortográfica de contexto”, dijo Otero. 

Los resultados de los experimentos, realizados en un entorno de recuperación de información con consultas degradadas se demuestra que “el uso de técnicas de hechizo tiene un impacto muy positivo sobre los sistemas de recuperación de información”, en comparación con otras propuestas formuladas anteriormente. Por otra parte, como una alternativa a la aplicación de algoritmos de corrección de ortografía, avaliouse también “una técnica de recuperación de información basada en n-gramas de caracteres superpuestos, que tiene la ventaja de que no necesita una función adicional en el idioma”, y también ofrece excelentes resultados en lugares donde hay un elevado número de errores en las consultas.