Re-ranqueamento contextual não supervisionado para recuperação de texto

A recuperação de informação (RI) é um campo fundamental da ciência da computação que possibilita a busca eficiente por conhecimento em grandes coleções de documentos. Por meio de uma revisão aprofundada da literatura, são discutidos modelos tradicionais de recuperação, técnicas de avaliação e a evolução das representações textuais desde abordagens esparsas como TF-IDF e BM25 até representações densas baseadas em aprendizado profundo. Apesar desses avanços, o ranqueamento dos resultados ainda é tipicamente calculado de forma independente para cada documento, desconsiderando as relações de vizinhança existentes entre os itens recuperados. Como contribuição central, este estudo avalia técnicas de re-ranqueamento não supervisionado que exploram justamente essas relações contextuais entre documentos, uma abordagem com histórico de bons resultados em benchmarks de recuperação de imagens, mas ainda pouco investigada para texto. Para examinar sua transferência ao domínio textual, foi conduzido um experimento com nove conjuntos de dados públicos, quatro modelos de recuperação e três métodos de re-ranqueamento baseados em aprendizado de variedades, configurados em nove valores do parâmetro de vizinhança, totalizando 972 configurações executadas. Entre as 36 combinações de conjunto e recuperador, a melhor configuração selecionada aumentou a Precisão@20 em 35 casos, com ganho máximo de 19,8%; no caso restante, a variação foi inferior a 0,01%. Os resultados fornecem evidência de que o sinal contextual baseado em informações de ranqueamento pode complementar recuperadores esparsos e densos no domínio textual, sustentando a hipótese de transferência no escopo avaliado.

Resumo (inglês)

Information Retrieval (IR) is a fundamental field in computer science that enables efficient knowledge discovery within large document collections. Through a comprehensive literature review, traditional retrieval models, evaluation techniques, and the evolution of textual representations are discussed, from sparse approaches such as TF-IDF and BM25 to dense representations based on deep learning. Despite these advances, result ranking is still typically computed independently for each document, disregarding the neighbourhood relationships among the retrieved items. As its central contribution, this study explores unsupervised re-ranking techniques that exploit precisely these contextual relationships among documents, an approach well established in image retrieval but still largely unexplored for text. To examine their transfer to the textual domain, an experiment was conducted with nine public datasets, four retrieval models, and three manifold-learning-based re-ranking methods, configured across nine neighbourhood parameter values, totalling 972 executed configurations. Among the 36 dataset–retriever combinations, the selected best configuration increased Precision@20 in 35 cases, with a maximum gain of 19.8%; in the remaining case, the variation was below 0.01%. The results provide evidence that rank-based contextual information can complement sparse and dense retrievers in the textual domain, supporting the transfer hypothesis within the evaluated scope.