Aula 2 Modelos de Recuperação de Informação

Prévia do material em texto

Modelos de
Recuperação de Informação
Prof. Dr. Bruno Tenório Ávila
Recuperação de Informação
Agenda
Modelos Clássicos de Recuperação de Informação:
• Modelo Booleano
• Modelo Espaço Vetorial
• Modelo Probabilista
Para cada modelo, veremos:
• Representação do documento
• Representação da consulta
• Função de busca
Modelo 
Booleano
Representação do Documento
Representação da Consulta
Função de Busca
Corpus
É dado um corpus C = {d1, d2, ..., dm} consistindo de m
documentos. Neste caso, temos que m = 4;
Documento 1 (d1):
• A lógica como ciência começou a se desenvolver com o 
filósofo Aristóteles. Por meio da leitura dos diálogos de Platão, 
Aristóteles investigou a existência de uma lei que rege o 
pensamento para que se atinja o conhecimento de algo, a 
verdade, sem cair em contradição. Para Aristóteles, a lógica 
seria um instrumento para a ciência e a filosofia. A lógica 
aristotélica estava a serviço de uma explicação da realidade e 
baseava-se na distinção entre verdadeiro e falso.
Corpus
Documento 2 (d2):
• Investigando os tipos de raciocínio, Aristóteles construiu uma 
teoria cujo núcleo é a caracterização e análise dos silogismos. 
Um exemplo típico de silogismos é: “Todo homem é mortal; 
Sócrates é homem; Logo, Sócrates é mortal”. Uma característica 
importante da silogística aristotélica é a utilização de símbolos 
que representam expressões substantivas a fim de estabelecer 
certo rigor nas demonstrações matemáticas.
Corpus
Documento 3 (d3):
• Apesar das limitações para representar todos os tipos de 
inferências, o domínio da lógica silogística de Aristóteles 
prevaleceu até o século XIX, quando George Boole concebeu 
um sistema de símbolos e regras aplicável tanto a números 
binários como a enunciados. Com esse sistema é possível 
codificar proposições em linguagem simbólica e manipulá-las 
quase da mesma maneira como se faz com números. Com o 
trabalho de Boole, a lógica afasta-se da filosofia e aproxima-se 
da matemática.
Corpus
Documento 4 (d4):
• A álgebra booleana é um sistema binário no qual existem 
somente dois valores possíveis para qualquer sistema 
algébrico: 1 ou 0, verdadeiro ou falso. Essa teoria revelou-se 
ideal para o funcionamento de circuitos eletrônicos e foi 
fundamental na idealização da arquitetura dos computadores 
modernos.
Vocabulário
Dado o vocabulário V, ou seja, um conjunto de n termos 
representativos para o corpus em questão:
Por exemplo:
• V = {aristoteles, booleano, computador, falso, filosofia, logica, 
matematica, platao, socrates, verdadeiro}
• n = 10
𝑉 = {𝑡1, 𝑡2, … , 𝑡𝑛}
t1 t2 t3
t10
Representação do Documento
Os documentos são representados como conjunto de 
termos de indexação, sendo tais conjuntos 
representados como vetores de pesos binários de 
tamanho n:
• Cada posição no vetor corresponde a um termo usado na 
indexação dos documentos;
• Cada valor indica apenas se determinado termo está (1) ou não 
(0) presente no documento;
Representação do Documento
Por exemplo:
• Documento d2 contém os termos t1, t7, t9, e não contém os 
termos t2, t3, t4, t5, t6, t8, t10;
• Analogamente, o documento d2 está na interseção entre os 
conjuntos t1, t7 e t9;
t1 t2 t3 t4 t5 t6 t7 t8 t9 t10
d1 1 0 0 1 1 1 0 1 0 1
d2 1 0 0 0 0 0 1 0 1 0
d3 1 0 0 0 1 1 1 0 0 0
d4 0 1 1 1 0 0 0 0 0 1
Operadores Booleanos
Operador Tipo de Busca Diagramas de Venn Significado
E, AND Conjuntiva
Produto lógico
Simbolizado por A E B
O documento é recuperado se 
os dois termos de indexação A 
e B estão associados a ele.
OU, OR Aditiva
Soma lógica
Simbolizada por A OU B
O documento é recuperado 
quando possui pelo menos um 
dos termos A ou B.
NÃO, NOT Subtrativa
Diferença lógica
Simbolizada por A NÃO B 
(mesmo que A E NÃO B)
O documento é recuperado se 
tem o termo A e não tem o 
termo B.
Operadores Booleanos – Exercício
Dados os conjuntos A = {1, 2, 3, 6, 7, 8},
B = {2, 3, 4, 5, 6, 7} e C = {1, 3, 5, 7, 9, 10}, responda as 
expressões booleanas:
a) A E B, A E C, B E C
b) A OU B, A OU C, B OU C
c) A NÃO B, B NÃO A
d) C E (A OU B)
Representação da Consulta
A representação da consulta é feita através das 
expressões booleanas;
Exemplos:
Consulta
aristoteles AND filosofia t1 AND t5
aristoteles OR filosofia t1 OR t5
aristoteles AND NOT filosofia t1 AND NOT t5
computador AND (aristoteles AND NOT filosofia) t3 AND (t1 AND NOT t5)
Recuperação
O resultado da consulta é o conjunto de documentos 
cuja representação satisfazem às restrições lógicas da 
expressão de busca, ou seja, que fazem a expressão 
booleana assumir o valor lógico VERDADEIRO.
Recuperação
t1 t2 t3 t4 t5 t6 t7 t8 t9 t10
d1 1 0 0 1 1 1 0 1 0 1
d2 1 0 0 0 0 0 1 0 1 0
d3 1 0 0 0 1 1 1 0 0 0
d4 0 1 1 1 0 0 0 0 0 1
Consulta
filosofia AND matematica t5 AND t7
t5 t7
d1 d3 d2 d4
Resultado
d3
Recuperação
t1 t2 t3 t4 t5 t6 t7 t8 t9 t10
d1 1 0 0 1 1 1 0 1 0 1
d2 1 0 0 0 0 0 1 0 1 0
d3 1 0 0 0 1 1 1 0 0 0
d4 0 1 1 1 0 0 0 0 0 1
Consulta
filosofia OR matematica t5 OR t7
t5 t7
d1 d3 d2 d4
Resultado
d1, d2, d3
Recuperação
t1 t2 t3 t4 t5 t6 t7 t8 t9 t10
d1 1 0 0 1 1 1 0 1 0 1
d2 1 0 0 0 0 0 1 0 1 0
d3 1 0 0 0 1 1 1 0 0 0
d4 0 1 1 1 0 0 0 0 0 1
Consulta
filosofia NOT matematica t5 NOT t7
t5 t7
d1 d3 d2 d4
Resultado
d1
Exercício
1) Utilizando o modelo booleano, o corpus de 4 documentos e o 
vocabulário V, qual o resultado das buscas:
a) t6 AND t7
b) t6 OR t7
c) t6 AND NOT t7
2) Escreva em português o tipo de documentos retornados pelas 
expressões de busca abaixo:
a) web OR informação
b) recuperação AND (web OR informação)
c) recuperação AND informação AND web
Função de Busca
Relevância “binária”:
• O documento é considerado relevante se e somente se seu 
“casamento” com a consulta é verdadeiro, isto é se o valor verdade 
da consulta se torna verdadeiro para aquele documento;
• Não é possível ordenar os documentos recuperados, pois todos 
igualmente tornam verdadeiro a expressão de busca;
Exemplo:
Consulta
t1 AND t2 AND t3
t1
t3 t2
Documentos 
apresentados 
ao usuário
Espaço de termos 
de indexação
Análise do Modelo Booleano
Vantagens:
• Modelo simples baseado em teoria bem fundamentada;
• Fácil de entender e implementar em computador;
• Permite uma maior precisão na recuperação;
Desvantagens:
• Assume independência entre os termos usados na indexação;
• Não permite casamento parcial entre consulta e documento;
• Não permite ordenação dos documentos recuperados;
• A necessidade de informação do usuário deve ser expressa em termos de 
uma expressão booleana;
• Nem todo usuário é capaz disso;
Exercício
Trabalho individual para fazer de acordo com o Modelo Booleano:
1. Construir um corpus com 10 documentos (artigos, noticias, etc.)
2. Construir um vocabulário com 10 palavras representativas para todos os 
documentos
3. Construir a representação dos documentos
4. Construir a representação de 10 consultas
5. Listar os resultados das consultas.
Modelo Vetorial
Representação do Documento
Representação da Consulta
Função de Busca
Vocabulário
Dado o vocabulário V, ou seja, um conjunto de n termos 
representativos para o corpus em questão:
Por exemplo:
• V = {aristoteles, falso, filosofia}
• n = 3
𝑉 = {𝑡1, 𝑡2, … , 𝑡𝑛}
Representação do Documento
Os documentos são representados como vetores no 
espaço n-dimensional de termos de indexação, tal que 
cada termo do vocabulário V = {t1, t2, ...,tn} é um eixo de 
um espaço vetorial e wi,j representa o peso do i-ésimo
termo do j-ésimo documento.
t1 t2 t3
d1 w1,1 w2,1 w3,1
d2 w1,2 w2,2 w3,2
d3 w1,3 w2,3 w3,3
d4 w1,4 w2,4 w3,4
Representação do Documento
aristoteles
falso
d1
0,6
0,2
aristoteles
falso
0,6
0,2
d1
0,4
filosofia
d1 = (0.6, 0.2) d1 = (0.6, 0.2, 0.4)
t1 t2 t3
d1
0.6 
(w1,1)
0.2 
(w2,1)
0.4 
(w3,1)
Representação da Consulta
A consulta q também é representada como um vetor no 
espaço n-dimensional de termos.
Consulta q
aristoteles falso
Representação da consulta q
aristoteles 0,5
falso 0,5
filosofia 0,0
aristoteles
falso
q
0,5
0,5
t1 t2 t3
q
0.5 
(w1,q)
0.5 
(w2,q)
0.0 
(w3,q)
filosofia
0,0
Representação do Documento e da Consulta
Consulta q
aristoteles falso
Documento d1
A lógica como ciência 
começou a se desenvol-
ver com o filósofo 
Aristóteles. Por meio da 
leitura dos diálogos de 
Platão, Aristóteles 
investigou ...
Representação da consulta q
aristoteles 0,5
falso 0,5
filosofia 0,0
Representação do documento d1
aristoteles 0,6
falso 0,2
filosofia 0,4
Representação do Documento e da Consulta
Consulta q
aristoteles 0,5
falso 0,5
filosofia 0,0
Documento d1
aristoteles 0,6
falso 0,2
filosofia 0,4
aristoteles
falso
0,6
0,2
d1
0,4
filosofia
q
0,5
0,5
t1 t2 t3
d1
0.6 
(w1,1)
0.2 
(w2,1)
0.4 
(w3,1)
q
0.5
(w1,q)
0.5 
(w2,q)
0.0 
(w3,q)
Função de Busca
O modelo ordena os documentos recuperados de acordo 
com sua similaridade em relação à consulta:
• Calcula-se a similaridade entre o vetor expressão de busca q e 
cada vetor documento d;
• Similaridade pode ser medida pelo cosseno do ângulo entre q e d;
t1
t2
d
q
θ
𝑠𝑖𝑚𝑖𝑙𝑎𝑟𝑖𝑑𝑎𝑑𝑒 𝑞, 𝑑 = cos(𝜃)
Função de Busca
Similaridade pode ser medida pelo cosseno do ângulo entre q
e d:
• Função inversamente relacionada ao ângulo entre os documentos, 
pois quanto menor é o ângulo entre os documentos, maior o 
cosseno e, portanto, a similaridade entre q e d;
• Varia entre 0 e 1;
• Independe do tamanho do vetor (considera apenas sua direção);
Função de Busca
t1
t2
d
q
θ
t1
t2
q d
t1
t2
q
d
t1
t2
qd
Função de Busca
Calcular o cosseno entre dois vetores arbitrários:
𝑠𝑖𝑚𝑖𝑙𝑎𝑟𝑖𝑑𝑎𝑑𝑒 𝑞, 𝑑𝑗 = cos(𝜃)
=
 𝑖=1
𝑛 𝑤𝑖,𝑗 × 𝑤𝑖,𝑞
 𝑖=1
𝑛 𝑤𝑖,𝑗
2
× 𝑖=1
𝑛 𝑤𝑖,𝑞
2
Função de Busca – Exemplo 1
𝑠𝑖𝑚𝑖𝑙𝑎𝑟𝑖𝑑𝑎𝑑𝑒 𝑞, 𝑑1 =
 𝑖=1
3 𝑤𝑖,1 × 𝑤𝑖,𝑞
 𝑖=1
3 𝑤𝑖,1
2
× 𝑖=1
3 𝑤𝑖,𝑞
2
t1 t2 t3
d1
0.6 
(w1,1)
0.2 
(w2,1)
0.4 
(w3,1)
q
0.5
(w1,q)
0.5 
(w2,q)
0.0 
(w3,q)
=
𝑤1,1 × 𝑤1,𝑞 + 𝑤2,1 × 𝑤2,𝑞 + (𝑤3,1 × 𝑤3,𝑞)
𝑤1,1
2 +𝑤2,1
2 +𝑤3,1
2 × 𝑤1,𝑞
2 +𝑤2,𝑞
2 +𝑤3,𝑞
2
n = 3 j = 1
=
0.6 × 0.5 + 0.2 × 0.5 + (0.4 × 0.0)
0.62 + 0.22 + 0.42 × 0.52 + 0.52 + 0.02
=
0.3 + 0.1
0.36 + 0.04 + 0.16 × 0.25 + 0.25
= 0.76
Função de Busca – Exemplo 1
1) Calcule a similaridade entre a consulta e o documento 
d2 representados abaixo:
t1 t2 t3
d1
0.6 
(w1,1)
0.2 
(w2,1)
0.4 
(w3,1)
d2
0.4 
(w1,2)
0.0 
(w2,2)
0.0 
(w3,2)
q
0.5
(w1,q)
0.5 
(w2,q)
0.0 
(w3,q)
𝑠𝑖𝑚𝑖𝑙𝑎𝑟𝑖𝑑𝑎𝑑𝑒 𝑞, 𝑑2
=
 𝑖=1
3 𝑤𝑖,2 × 𝑤𝑖,𝑞
 𝑖=1
3 𝑤𝑖,2
2
× 𝑖=1
3 𝑤𝑖,𝑞
2
=
0.4 × 0.5 + 0.0 × 0.5 + (0.0 × 0.0)
0.42 + 0.02 + 0.02 × 0.52 + 0.52 + 0.02
=
1
2
= 0.70
Função de Busca – Exemplo 1
1) Calcule a similaridade entre a consulta e o documento 
d2 representados abaixo:
t1 t2 t3
d1
0.6 
(w1,1)
0.2 
(w2,1)
0.4 
(w3,1)
d2
0.4 
(w1,2)
0.0 
(w2,2)
0.0 
(w3,2)
q
0.5
(w1,q)
0.5 
(w2,q)
0.0 
(w3,q)
aristoteles
falso
0,6
0,2
d20,4
filosofia
q0,5
d1
Função de Busca – Exemplo 1
2) Calcule a similaridade entre a consulta e o documento 
d3 representados abaixo:
t1 t2 t3
d1
0.6 
(w1,1)
0.2 
(w2,1)
0.4 
(w3,1)
d2
0.4 
(w1,2)
0.0 
(w2,2)
0.0 
(w3,2)
d3
0.4 
(w1,3)
0.0 
(w2,3)
0.4 
(w3,3)
q
0.5
(w1,q)
0.5 
(w2,q)
0.0 
(w3,q)
𝑠𝑖𝑚𝑖𝑙𝑎𝑟𝑖𝑑𝑎𝑑𝑒 𝑞, 𝑑3
=
 𝑖=1
3 𝑤𝑖,3 × 𝑤𝑖,𝑞
 𝑖=1
3 𝑤𝑖,3
2
× 𝑖=1
3 𝑤𝑖,𝑞
2
=
0.4 × 0.5 + 0.0 × 0.5 + (0.4 × 0.0)
0.42 + 0.02 + 0.42 × 0.52 + 0.52 + 0.02
=
1
2
= 0.50
Função de Busca – Exemplo 1
2) Calcule a similaridade entre a consulta e o documento 
d3 representados abaixo:
t1 t2 t3
d1
0.6 
(w1,1)
0.2 
(w2,1)
0.4 
(w3,1)
d2
0.4 
(w1,2)
0.0 
(w2,2)
0.0 
(w3,2)
d3
0.4 
(w1,3)
0.0 
(w2,3)
0.4 
(w3,3)
q
0.5
(w1,q)
0.5 
(w2,q)
0.0 
(w3,q)
aristoteles
falso
0,6
0,2
d20,4
filosofia
q0,5
d1
d3
Função de Busca – Exemplo 1
3) Calcule a similaridade entre a consulta e o documento 
d4 representados abaixo:
t1 t2 t3
d1
0.6 
(w1,1)
0.2 
(w2,1)
0.4 
(w3,1)
d2
0.4 
(w1,2)
0.0 
(w2,2)
0.0 
(w3,2)
d3
0.4 
(w1,3)
0.0 
(w2,3)
0.4 
(w3,3)
d4
0.0 
(w1,4)
0.2 
(w2,4)
0.0 
(w3,4)
q
0.5
(w1,q)
0.5 
(w2,q)
0.0 
(w3,q)
𝑠𝑖𝑚𝑖𝑙𝑎𝑟𝑖𝑑𝑎𝑑𝑒 𝑞, 𝑑4
=
 𝑖=1
3 𝑤𝑖,4 × 𝑤𝑖,𝑞
 𝑖=1
3 𝑤𝑖,4
2
× 𝑖=1
3 𝑤𝑖,𝑞
2
=
0.0 × 0.5 + 0.2 × 0.5 + (0.0 × 0.0)
0.02 + 0.22 + 0.02 × 0.52 + 0.52 + 0.02
=
1
2
= 0.70
Função de Busca – Exemplo 1
3) Calcule a similaridade entre a consulta e o documento 
d4 representados abaixo:
aristoteles
falso
0,6
d20,4
filosofia
q0,5
d1
d3
t1 t2 t3
d1
0.6 
(w1,1)
0.2 
(w2,1)
0.4 
(w3,1)
d2
0.4 
(w1,2)
0.0 
(w2,2)
0.0 
(w3,2)
d3
0.4 
(w1,3)
0.0 
(w2,3)
0.4 
(w3,3)
d4
0.0 
(w1,4)
0.2 
(w2,4)
0.0 
(w3,4)
q
0.5
(w1,q)
0.5 
(w2,q)
0.0 
(w3,q)
d4
Recuperação
Associa pesos positivos não-binários aos termos dos 
documentos e da expressão de busca;
Isso permite casamento “parcial” entre consulta e documento:
• Esses pesos são usados para calcular um “grau de similaridade” 
entre consulta e documento;
O usuário recebe um conjunto ordenado de documentos 
como resposta à sua consulta:
• Mais interessante do que apenas uma lista desordenada de 
documentos;
Recuperação – Exemplo 1
Consulta
aristoteles falso
Resultado (em ordem)
d1, d2, d4, d3
t1 t2 t3 similaridade
d1 0.6 0.2 0.4 0.76
d2 0.4 0.0 0.0 0.70
d3 0.4 0.0 0.4 0.50
d4 0.0 0.2 0.0 0.70
q 0.5 0.5 0.0
Cálculo dos Pesos dos Documentos
Este modelo pode utilizar diferentes fórmulas para:
• Calcular os pesos dos vetores:
• Número de ocorrências dos termos no documento;
• TF-IDF (mais usado);
• Calcular a medida de similaridade entre consulta e 
documentos:
• Cosseno (mais usado);
• Jaccard, Coeficiente de Pearson, etc.
Essa escolha depende de quem constrói o SRI, e não do 
modelo Espaço Vetorial.
Cálculo dos Pesos dos Documentos
Número de ocorrências:
• Contagem dos termos em um documento;
• Por exemplo, documento d1: aristoteles 4 
falso 1
filosofia 2
t1 t2 t3
d1 4 1 2
d2 2 0 0
d3 1 0 1
d4 0 1 0
Cálculo dos Pesos dos Documentos
TF-IDF:
• Term Frequency (TF):
• Frequência do termo no documento;
• Quanto maior, mais relevante é o termo para descrever o documento;
• Inverse Document Frequency (IDF):
• Inverso da frequência do termo entre os documentos da coleção;
• Termo que aparece em muitos documentosnão é útil para distinguir 
relevância;
• Peso associado ao termo varia entre 0 e 1 e tenta balancear os 
dois fatores acima.
Cálculo dos Pesos dos Documentos
O cálculo do peso wi,j pelo método TF-IDF é dado por:
𝑤𝑖,𝑗 = 𝑡𝑓𝑖,𝑗 × 𝑖𝑑𝑓𝑖
onde 𝑡𝑓𝑖,𝑗 =
𝑓𝑖,𝑗
𝑚𝑎𝑥𝑙 𝑓𝑙,𝑗
e 𝑖𝑑𝑓𝑖 = log
𝑚
𝑚𝑖
.
- tfi,j é a frequência do termo ti no documento dj normalizada.
- fi,j é o número de ocorrências do termo ti no documento dj.
- maxl {fl,j} é o número de ocorrências do termo mais comum tl em dj.
- idfi é o inverso da frequência do termo ti no corpus.
- mi é o número de documentos que contêm o termo ti.
- m é o número total de documentos no corpus.
Cálculo dos Pesos dos Documentos – Exemplo 2
tfi,j t1 t2 t3 maxl {fl,j} 
d1 1.0 0.25 0.5 4
d2 1.0 0.0 0.0 2
d3 1.0 0.0 1.0 1
d4 0.0 1.0 0.0 1
fi,j t1 t2 t3
d1 4 1 2
d2 2 0 0
d3 1 0 1
d4 0 1 0
t1 t2 t3
mi 3 2 2
idfi log(4/3) = 0.12 log(4/2) = 0.30 0.3
wi,j t1 t2 t3
d1 1.0 x 0.12 = 0.12 0.08 0.15
d2 1.0 x 0.12 = 0.12 0.0 0.0
d3 1.0 x 0.12 = 0.12 0.0 0.3
d4 0.0 x 0.12 = 0.00 0.3 0.0
wi,j = idfi x tfi,j
𝑖𝑑𝑓𝑖 = log
𝑚
𝑚𝑖
𝑡𝑓𝑖,𝑗 =
𝑓𝑖,𝑗
𝑚𝑎𝑥𝑙 𝑓𝑙,𝑗
Cálculo dos Pesos da Consulta
Os pesos para a consulta q são:
• Se o i-ésimo termo existe na consulta, então 𝑤𝑖,𝑞 = 1;
• Caso contrário, 𝑤𝑖,𝑞 = 0,5. t1 t2 t3
q w1,q w2,q w3,q
aristoteles
falso
q
d
d
0,5
1,0
1,0
Cálculo dos Pesos da Consulta – Exemplo 2
t1 t2 t3
q 1 1 0,5
Consulta
aristoteles falso
Análise do Modelo Vetorial
Vantagens:
• Pesos associados a termos nos documentos e buscas;
• Permite casamento parcial dos documentos com a expressão de busca;
• Ordena documentos de acordo com o grau de similaridade com a consulta;
Desvantagens:
• Assim como o modelo booleano assume independência entre os termos 
usados na indexação;
• É menos intuitivo que o modelo booleano;
• Não é possível especificar relações frasais ou de sinonímia, nem a exclusão 
de termos na busca;
Recuperação – Exemplo 2
1) Faça a recuperação da consulta “aristoteles falso” 
usando o Modelo Vetorial e o método TF-IDF:
Dica: use as representações dos documentos e da consulta do 
Exemplo 2 calculadas anteriormente.
Consulta
aristoteles falso
Recuperação – Exemplo 2
Resultado (em ordem)
d1, d2, d4, d3
t1 t2 t3 Similaridade
d1 0,12 0,08 0,15 0,88
d2 0,12 0,00 0,00 0,67
d3 0,12 0,00 0,30 0,56
d4 0,00 0,30 0,00 0,67
q 1 1 0,5
Exercício
2) Trabalho individual para fazer de acordo com o Modelo Vetorial e 
o método TF-IDF:
1. Construir um corpus com 5 documentos (artigos, noticias, etc.).
2. Construir um vocabulário com 5 palavras representativas para todos os 
documentos.
3. Construir a representação dos documentos.
4. Construir a representação de 5 consultas.
5. Listar os resultados das consultas.
Referências
ROWLEY, J. A Biblioteca Eletrônica. Briquet de Lemos / Livros, 2002. 
(Capítulo 7);
BAYEZA-YATES, RIBEIRO-NETO. Modern Information Retrieval. 
Addison Wesley: 1999;
FERNEDA, E. Introdução aos modelos computacionais de 
recuperação de informação. Rio de Janeiro: Ciência Moderna, 
2012.
Modelos de 
Recuperação de 
Informação
Aula 2 – Recuperação de Informação 
Prof. Dr. Bruno Tenório Ávila
brunotavila@gmail.com
Depto. de Ciências da Informação, UFPE