Búsqueda contextual

La búsqueda contextual es una forma de optimizar los resultados de búsqueda web en función del contexto proporcionado por el usuario y el ordenador utilizado para introducir la consulta. ^{[ 1 ]} Los servicios de búsqueda contextual se diferencian de los motores de búsqueda actuales, que se basan en la recuperación de información tradicional y devuelven listas de documentos según su relevancia para la consulta. En cambio, la búsqueda contextual intenta aumentar la precisión de los resultados en función de su valor para cada usuario. ^{[ 2 ]}

La forma básica de búsqueda contextual es el proceso de escanear el texto completo de una consulta para comprender lo que el usuario necesita. Los motores de búsqueda web escanean las páginas HTML en busca de contenido y devuelven una calificación de índice basada en la relevancia del contenido para la consulta ingresada. Las páginas HTML que tienen una mayor frecuencia de palabras clave de la consulta dentro de su contenido no obtienen una calificación más alta. Los usuarios tienen un control limitado sobre el contexto de su consulta según las palabras que usan para buscar. ^{[ 3 ]} Por ejemplo, los usuarios que buscan la sección de menú de un sitio web pueden agregar "menú" al final de su consulta para proporcionar al motor de búsqueda el contexto de lo que necesitan. El siguiente paso en la contextualización de la búsqueda es que el propio servicio de búsqueda solicite información que limite los resultados, como Google solicitando un rango de tiempo dentro del cual realizar la búsqueda.

Algunos servicios de búsqueda, incluidos muchos metabuscadores, solicitan información contextual individual a los usuarios para aumentar la precisión de los documentos devueltos. Inquirus 2 es un metabuscador que actúa como intermediario entre la consulta del usuario y otros motores de búsqueda. Al buscar en Inquirus 2, los usuarios introducen una consulta y especifican restricciones como la categoría de necesidad de información, el número máximo de resultados y los formatos de visualización. ^{[ 4 ]} Por ejemplo, un usuario que busca artículos de investigación puede especificar que los documentos con "referencias" o "resúmenes" tengan mayor prioridad. Si otro usuario busca información general sobre el tema en lugar de artículos de investigación, puede especificar que el atributo GenScore tenga mayor peso. ^{[ 5 ]}

El contexto proporcionado explícitamente aumenta la precisión de los resultados; sin embargo, estos servicios de búsqueda suelen tener una experiencia de usuario deficiente. Aprender la interfaz de programas como Inquirus puede resultar complicado para usuarios generales sin conocimientos de métricas de búsqueda. Algunos aspectos del contexto proporcionado aparecen en los principales motores de búsqueda con mejor interacción con el usuario, como Google y Bing. Google permite a los usuarios filtrar por tipo: imágenes, mapas, compras, noticias, vídeos, libros, vuelos y aplicaciones. ^{[ 6 ]} Google cuenta con una extensa lista de operadores de búsqueda que permiten a los usuarios limitar explícitamente los resultados para que se ajusten a sus necesidades, como restringir ciertos tipos de archivos o eliminar ciertas palabras. ^{[ 7 ]} Bing también utiliza un conjunto similar de operadores de búsqueda para ayudar a los usuarios a delimitar explícitamente el contexto de sus consultas. Bing permite a los usuarios buscar dentro de un rango de tiempo, por tipo de archivo, por ubicación , idioma y más. ^{[ 8 ]}

Existen otros sistemas en desarrollo que trabajan en la inferencia automática del contexto de las consultas de los usuarios basándose en el contenido de otros documentos que visualizan o editan. El proyecto Watson de IBM tiene como objetivo crear una tecnología cognitiva que aprenda dinámicamente a medida que procesa las consultas de los usuarios. Ante una consulta, Watson crea una hipótesis que se evalúa comparándola con su base de conocimientos actual, basada en preguntas anteriores. A medida que se comparan términos relacionados y documentos relevantes con la consulta, la hipótesis de Watson se modifica para reflejar la nueva información proporcionada a través de datos no estructurados, basada en la información obtenida en situaciones previas. ^{[ 9 ]} La capacidad de Watson para aprovechar el conocimiento previo permite que las consultas se filtren automáticamente para encontrar contextos similares y así proporcionar resultados precisos.

Los principales servicios de búsqueda como Google, Bing y Yahoo también tienen un sistema para inferir automáticamente el contexto de las consultas de los usuarios. Google rastrea las consultas anteriores de los usuarios y los resultados seleccionados para personalizar aún más los resultados para esas personas. Por ejemplo, si un usuario busca constantemente artículos relacionados con animales, animales salvajes o cuidado de animales, una búsqueda de "jaguar" clasificaría un artículo sobre gatos jaguar por encima de los enlaces a coches Jaguar. ^{[ 10 ]} De forma similar a Watson, los servicios de búsqueda se esfuerzan por aprender de los usuarios basándose en experiencias previas para proporcionar automáticamente contexto a las consultas actuales. Bing también proporciona contexto automático para consultas específicas basándose en el contenido de la consulta misma. Una búsqueda de "pizza" devuelve una lista interactiva de restaurantes y sus calificaciones según la ubicación aproximada del ordenador del usuario. El servidor de Bing infiere automáticamente que cuando un usuario busca un alimento, está interesado en documentos relacionados con la compra de ese alimento o en encontrar restaurantes que lo vendan.