Recuperación de información para respuesta a preguntas en ...

Usualmente, los lematizadores se basan en analizadores morfológicos para determinar la
categoría gramatical de cada palabra y así determinar la raíz correcta.
En el presente trabajo se consideró que lematizar podría ser de mucha utilidad debido a que
comúnmente los usuarios de información legal plantean su situación en presente, por
ejemplo, ¿Cuáles son los requisitos que deben cumplir…?. Por otra parte, en los textos
legales, el tiempo verbal más usado en español es el futuro de mandato o legislativo para
expresar el carácter preceptivo: “los requisitos que deberá cumplir el personal…”. Al
lematizar posiblemente los términos de búsqueda concuerden con los de un documento y
con ello se ayuda a su recuperación, siempre y cuando el mecanismo de recuperación
considere o esté basado precisamente en tal situación.
2.2.3. Stemming
En el área de recuperación de información, a lematizar se le conoce como el proceso de
encontrar la “raíz” de una palabra dada; esta raíz es llamada en inglés stem. Debido a lo
anterior, a este proceso se le conoce en inglés como stemming y solamente consiste en
“cortar” la palabra. Por ejemplo, dadas las palabras constitución, constitucional,
constituciones, la raíz de ellas sería constituci-. Los principales algoritmos de stemming han
sido desarrollados para el idioma inglés, el más conocido es el algoritmo de stemming de
Porter (Porter, 1997).
2.3. IRS
Para investigar la capacidad del modelo y métodos de implementación del mismo se
compararon sus resultados con los de enfoques ya utilizados en el dominio legal, los cuales
se eligieron también tomando en cuenta que como característica principal no consideraran
las referencias o estructura de los textos legislativos. Esto se hizo con la finalidad de
determinar si el desempeño del modelo propuesto aprovecha o no la inclusión de tales
características de los documentos. Se eligió el modelo del espacio vectorial, el software
libre de recuperación de información Lucene, y el sistema de recuperación de pasajes,
también libre, JIRS. A continuación se describen brevemente tanto Lucene como JIRS
debido a que posteriormente el análisis de resultados se realiza precisamente con base en su
mecanismo de recuperación.
36