Modelo de relevancia probabilística

El modelo de relevancia probabilística ^{[ 1 ] [ 2 ]} fue ideado por Stephen E. Robertson y Karen Spärck Jones como un marco para futuros modelos probabilísticos . Se trata de un formalismo de recuperación de información útil para derivar funciones de clasificación utilizadas por los motores de búsqueda y los buscadores web para clasificar los documentos coincidentes según su relevancia para una consulta de búsqueda determinada.

Se trata de un modelo teórico que estima la probabilidad de que un documento d _j sea relevante para una consulta q . El modelo asume que esta probabilidad de relevancia depende de la consulta y de la representación del documento. Además, asume que existe una porción de todos los documentos que el usuario prefiere como conjunto de respuestas para la consulta q . Este conjunto de respuestas ideal se denomina R y debería maximizar la probabilidad general de relevancia para ese usuario. La predicción es que los documentos de este conjunto R son relevantes para la consulta, mientras que los documentos que no están presentes en el conjunto no son relevantes.

${\displaystyle sim(d_{j},q)={\frac {P(R|{\vec {d}}_{j})}{P({\bar {R}}|{\vec {d}}_{j})}}}$

Este marco presenta algunas limitaciones que deben abordarse mediante un mayor desarrollo:

• No existe una estimación precisa para las probabilidades de la primera carrera.
• Los términos del índice no tienen ponderación.
• Se asume que los términos son mutuamente independientes.

Para abordar estas y otras inquietudes, se han desarrollado otros modelos a partir del marco de relevancia probabilística, entre ellos el Modelo de Independencia Binaria del mismo autor. Los derivados más conocidos de este marco son el esquema de ponderación Okapi (BM25) y su refinamiento multifísico, BM25F.