O artigo relata um experimento de simulação
computacional de um sistema de recuperação da
informação composto por uma base de Ãndices textuais
de uma amostra de documentos, um software de rede
neural artificial implementando conceitos da Teoria da
Ressonância Adaptativa, para automação do processo
de ordenação e apresentação de resultados, e um
usuário humano interagindo com o sistema em
processos de consulta. O objetivo do experimento foi
demonstrar (i) a utilidade das redes neurais de
Carpenter e Grossberg (1988) baseadas nessa teoria
e (ii) o poder de resolução semântica com Ãndices
sintagmáticos da abordagem SiRILiCO proposta por
Gottschalg-Duque (2005), para o qual um sintagma
nominal ou proposição é uma unidade linguÃstica
constituda de sentido maior que o significado de uma
palavra e menor que uma narrativa ou uma teoria.
O experimento demonstrou a eficácia e a eficiência de
um sistema de recuperação da informação
combinando esses recursos, concluindo-se que um
ambiente computacional dessa natureza terá
capacidade de clusterização (agrupamento) variável
on-line com entradas e aprendizado contÃnuos no
modo não supervisionado, sem necessidade de
treinamento em modo batch (off-line), para responder a
consultas de usuários em redes de computadores com
desempenho promissor.
This article reports an experiment with a computational
simulation of an Information Retrieval System
constituted of a textual indexing base from a sample of
documents, an artificial neural network software
implementing Adaptive Resonance Theory concepts
for the process of ordering and presenting outputs, and
a human user interacting with the system in query
processing. The goal of the experiment was to
demonstrate (i) the usefulness of Carpenter and
Grossberg (1988) neural networks based on that
theory, and (ii) the power of semantic resolution based
on sintagmatic indexing of the SiRILiCO approach
proposed by Gottschalg-Duque (2005), for whom a
noun phrase or proposition is a linguistic unity
constituted of meaning larger than a word meaning
and smaller than a story telling or a theory meaning.
The experiment demonstrated the effectiveness and
efficiency of an Information Retrieval System joining
together those resources, and the conclusion is that
such computational environment will be capable of
dynamic and on-line clustering with continuing inputs
and learning in a non-supervised fashion, without
batch training needs (off-line), to answer user queries
in computer networks with promising performance.
