Recuperación de información para respuesta a preguntas en ...

Ponderación
Figura 5. Representación de los documentos en el MEV.
Para obtener los valores asociados a los términos a partir de los cuales se forman los
vectores que representaran a los documentos se han propuesto y estudiado diferentes
métodos. El más simple, denominado, método binario consiste en determinar simplemente
si un término aparece o no en un documento .
{ (1)
Se ha sugerido que no todos los términos que aparecen en un texto son igualmente
importantes. Para considerar esta suposición, se propuso utilizar, en vez del método binario,
la frecuencia de los términos en los documentos, es decir, el número de veces que un
término aparece en un documento (Lunh, 1957). De esta forma, entre más frecuente es un
término en un documento, mayor es su valor asociado.
donde es la frecuencia del término i en el documento M.
A pesar de basarse en una suposición razonable, el simple conteo de términos presenta
algunos problemas. El principal inconveniente que se ha documentado es que si bien un
término frecuente en un texto puede ser importante en ese mismo texto, en el caso de ser
igual de frecuente en el resto de documentos, dicho término podría no ser de utilidad para
discriminar entre textos relevantes e irrelevantes. Orientada a tal inconveniente surgió la
denominada frecuencia inversa del documento (Salton, 1988), definida como:
(2)
[ ] ⁄ (3)
14