O que é a abordagem do modelo de linguagem para IR (Ponte-Croft)?

Abordagem do modelo de linguagem para recuperação de informação (IR), proposta por Ponte e Croft, baseada na modelagem probabilística de documentos. A ideia é que para cada documento seja construído um modelo de linguagem — uma distribuição probabilística de palavras características desse documento.

Ao procurar, o sistema avalia a probabilidade de que o modelo de linguagem do documento tenha gerado a consulta dada. Os documentos são classificados de acordo com essa probabilidade: quanto maior a probabilidade, mais relevante é o documento.

Exemplo: se a consulta for "aprendizagem automática", então o documento cujo modelo de linguagem frequentemente contém as palavras "máquina" e "aprendizagem" receberá uma alta classificação.

Isso difere dos modelos clássicos, que se baseiam em correspondências de palavras-chave ou na frequência inversa de documentos (TF-IDF). A abordagem do modelo de linguagem permite considerar de forma mais flexível as estatísticas das palavras e sua distribuição nos documentos.