Pesquisa priorizada de palavras-chaves em Documentos XML

Resumo

A linguagem XML se estabeleceu como o principal padrão para a disseminação de dados, e vem sendo amplamente empregada para representar e armazenar dados de diversos formatos. Com seu crescente uso, principalmente na Web, o desenvolvimento de técnicas eficientes para busca e recuperação de dados em formato XML vem se tornando cada vez mais importantes, e especialmente as comunidades de Bases de Dados (DB) e Recuperação de Informações (IR) vêm desenvolvendo pesquisas para viabilizar tais técnicas. A padronização da linguagem XML permite representar tanto dados estruturados quanto não-estruturados, o que estimula ambas as comunidades de DB e IR a explorar técnicas híbridas a ambas as comunidades, o que tem levado à integração de pesquisas dos respectivos pesquisadores. Um exemplo dessa integração é o uso de técnicas tradicionais da área de bases de dados para extender a linguagem XML para permitir obter resultados de consultas priorizados (ranked results). Este projeto em particular visa desenvolver técnicas para executar de maneira eficiente consultas por similaridade sobre grandes coleções de documentos representados em XML, em que as respostas sejam priorizadas levando em conta tanto a similaridade dos termos encontrados nos documentos quanto a sua estrutura. A tática para isso será empregar modelos de busca por palavras-chave especificadas nas consultas, criando um ambiente de busca que permita localizar as palavras de interesse que leve em conta a estrutura dos documentos. Dessa maneira, ao invés de depender de linguagens complexas para a representação dos dados e dados consultas, tais como XML-QL, XQL ou XQuery, para realizar as buscas sobre os dados XML, o projeto visa aliar métodos mas simples e intuitivos para representar as consultas por palavras-chaves, mas explorando a estrutura hierárquica dos documentos expressos em XML. Em outras palavras, neste projeto pretende-se desenvolver uma técnica que permita a representação intuitiva das consultas, de maneira que a elaboração das mesmas seja mais amigável ao usuário do que as técnicas atualmente disponíveis, e explorar melhor os mecanismos de ordenação de prioridades que podem ser executados por técnicas de bases de dados, de maneira a identificar as necessidades dos usuários a partir de seu perfil, que é interativa e automaticamente criado durante as sessões de busca realizadas por eles.