তথ্য পুনরুদ্ধার (Information Retrieval - IR)
তথ্য পুনরুদ্ধার (IR) একটি ऐसा ক্ষেত্র যা অনেক বছর ধরে ডেটাবেস সিস্টেমের সমান্তরাল বিকশিত হয়েছে। ডেটাবেস সিস্টেমের ক্ষেত্রের বিপরীতে, যা কাঠামোগত ডেটার কোয়েরি ও ট্রানজ্যাকশন প্রসেসিং-এ ফোকাস করে, তথ্য পুনরুদ্ধার বহু টেক্সট-ভিত্তিক ডকুমেন্ট থেকে তথ্য সংগঠন ও পুনরুদ্ধারের সাথে জড়িত।
যেহেতু তথ্য পুনরুদ্ধার এবং ডেটাবেস সিস্টেম বিভিন্ন ধরনের ডেটা হ্যান্ডেল করে, কিছু ডেটাবেস সিস্টেম সমস্যা সাধারণত তথ্য পুনরুদ্ধার সিস্টেমে উপস্থিত নही, যেমন: কনকারেন্সি কন্ট্রোল, রিকভারি, ট্রানজ্যাকশন ম্যানেজমেন্ট, এবং আপডেট। কিছু সাধারণ তথ্য পুনরুদ্ধার সমস্যা আছে যা ঐতিহ্যবাহী ডেটাবেস সিস্টেমে সাধারণত দেখা যায় না, যেমন: অকাঠামোগত ডকুমেন্ট, কীওয়ার্ড ভিত্তিক আনুমানিক সার্চ, এবং প্রাসঙ্গিকতার ধারণা।
তথ্য পুনরুদ্ধারের অ্যাপ্লিকেশন
টেক্সট ডেটার প্রচুরতার কারণে, তথ্য পুনরুদ্ধারের অনেক অ্যাপ্লিকেশন পাওয়া যায়। অনেক তথ্য পুনরুদ্ধার সিস্টেম আছে, যার মধ্যে রয়েছে: অনলাইন লাইব্রেরি ক্যাটালগ সিস্টেম, অনলাইন রেকর্ড ম্যানেজমেন্ট সিস্টেম, এবং আরও gầnে বিকশিত ওয়েব সার্চ ইঞ্জিন।
সাধারণ তথ্য পুনরুদ্ধার সমস্যা
একটি সাধারণ তথ্য পুনরুদ্ধার সমস্যা হল একটি ডকুমেন্ট সেটে ব্যবহারকারীর কোয়েরি ভিত্তিক প্রাসঙ্গিক ডকুমেন্ট অবস্থান করা, যা প্রায়শই কিছু কীওয়ার্ড যা একটি তথ্য প্রয়োজন নির্দেশ করে, যদিও এটি প্রাসঙ্গিক রেকর্ডের একটি উদাহরণও হতে পারে।
এটি সবচেয়ে উপযুক্ত যখন একজন ব্যবহারকারীর কিছু অ-hoc (অর্থাৎ, স্বল্পমেয়াদী) তথ্য প্রয়োজন থাকে, যেমন পুরনো গাড়ি কেনার জন্য তথ্য খুঁজে বের করা। যখন একজন ব্যবহারকারীর দীর্ঘমেয়াদী তথ্য প্রয়োজন থাকে (যেমন: একজন গবেষকের আগ্রহ), একটি পুনরুদ্ধার সিস্টেম নতুন আসা ডেটা উপাদান ব্যবহারকারীর কাছে "পুশ" করতে পারলে iniciativa নিতে পারে যদি উপাদানটি ব্যবহারকারীর তথ্য প্রয়োজনের জন্য প্রাসঙ্গিকবোধ হয়।
গুণগত মাপদণ্ড: প্রিসিশন, রিকল, F-স্কোর
টেক্সট রিট্রিভালের গুণমান মূল্যায়নের জন্য দুটি মৌলিক মাপ রয়েছে:
প্রিসিশন (Precision)
এটি পুনরুদ্ধার করা তথ্যের শতাংশ যা আসলে কোয়েরির জন্য প্রাসঙ্গিক (অর্থাৎ, "সঠিক" প্রতিক্রিয়া)। আনুষ্ঠানিকভাবে উপস্থাপিত:
precision = |{Relevant} ∩ {Retrieved}| / |{Retrieved}|
রিকল (Recall)
এটি কোয়েরির জন্য প্রাসঙ্গিক রেকর্ডের শতাংশ যা আসলে পুনরুদ্ধার করা হয়েছে। আনুষ্ঠানিকভাবে উপস্থাপিত:
recall = |{Relevant} ∩ {Retrieved}| / |{Relevant}|
একটি তথ্য পুনরুদ্ধার সিস্টেম প্রায়শই রিকলকে প্রিসিশনের জন্য বা তার বিপরীতে ট্রেড-অফ করতে বাধ্য হয়। একটি সাধারণভাবে ব্যবহৃত ট্রেড-অফ হল F-স্কোর, যা রিকল এবং প্রিসিশনের হার্মোনিক মিন হিসেবে সংজ্ঞায়িত:
F-score = (recall × precision) / (recall + precision)²
হার্মোনিক মিন একটি সিস্টেমকে কষ্ট দেয় যা একটি মাপকে অন্যের জন্য অত্যধিক কুর্বান করে। প্রিসিশন, রিকল, এবং F-স্কোর একটি পুনরুদ্ধারকৃত রেকর্ড সংগ্রহের মৌলিক মাপ। এই তিনটি মাপ সাধারণত র্যাঙ্কড ফাইল দুটি তুলনার জন্য উপযোগী নয় কারণ সেগুলো একটি পুনরুদ্ধারকৃত সেটে ডকুমেন্টের অভ্যন্তরীণ র্যাঙ্কিংয়ের প্রতি সংবেদনশীল নয়।
