Una soluzione quantistica per la valutazione e il recupero di informazioni
Un'esplosione di informazioni su qualsiasi cosa, sia online che offline, sta creando difficoltà a cittadini e ricercatori che vogliono ottenere il particolare dato che stanno cercando. Benché la ricerca sull'accesso e il recupero delle informazioni (Information Access and Retrieval - IAR) abbia compiuto molti progressi negli ultimi trent'anni, gli esperti non hanno ancora integrato elementi di "contesto" per creare motori di ricerca più avanzati. Il progetto QONTEXT ("Quantum contextual information access and retrieval"), finanziato dall'UE, ha lavorato per creare una migliore tecnologia di motori ricerca integrando perfettamente diverse dimensioni di contesto nei modelli dei motori di ricerca e nei protocolli di valutazione. Il significato di contesto per il team è il bisogno di prendere in considerazione nella ricerca di informazioni specifiche sull'utente, la lingua, il sistema, l'interfaccia e l'interazione. Voleva anche integrare dimensioni socio-psicologiche e altre sfumature sulla ricerca in modo da produrre una ricerca e dei risultati di ricerca migliori. Per raggiungere i suoi obiettivi, QONTEXT ha svelato una nuova visione del paradigma IAR basata sulla teoria quantistica, che vanta molti vantaggi per migliorare le ricerche. La teoria quantistica è in grado di misurare la rilevanza e il contesto in modo più efficace. È meglio per stimare la probabilità della rilevanza e per ragionare in modo logico attraverso documenti e link. Il concetto inoltre è ideale per capire le correlazioni e le dipendenze e per rappresentare documenti complessi in cui le correlazioni classiche non funzionano. Integrare elmenti di contesto sfruttando la teoria quantistica può aiutare i ricercatori e chi cerca informazioni ad accedere e recuperare informazioni più utili e significative di quanto fosse possibile in precedenza.
Parole chiave
Economia della conoscenza, teoria quantistica, accesso e recupero delle informazioni, contesto, motore di ricerca
