gegevensretrieval

Gegevensretrieval is het proces van het opvragen en terugvinden van relevante gegevens uit een informatiesysteem of verzameling gegevensdragers. Het gaat doorgaans om het formuleren van een query, het doorzoeken van indexen of databases en het presenteren van resultaten die overeenkomen met de informatiebehoefte van de gebruiker. Gegevensretrieval kan zowel betrekking hebben op gestructureerde als ongestructureerde data.

Gegevens kunnen bestaan uit gestructureerde bronnen zoals relationele databases en NoSQL-gegevensopslag, semi-gestructureerde data zoals JSON of XML, en ongestructureerde content zoals documenten, berichten of multimedia. Voor het zoeken wordt vaak gebruikgemaakt van indexeringen, zoals inverted indexes, en van ranking-algoritmen die de waarschijnlijkheid van relevantie bepalen.

Veelgebruikte technologieën zijn querytalen als SQL en SPARQL, en zoekmotoren zoals Elasticsearch of Apache Solr. Naast traditionele boolean- en vector-space benaderingen kunnen systemen ook probabilistische modellen of neurale representaties gebruiken om semantische verwantschap te benutten.

Retrieval-processen omvatten queryformulering, data-extractie, indexing, matching en ranking, evenals filtering op basis van metadata of facetten. De ontwikkeling van gegevensretrieval omvat aandacht voor snelheid, schaalbaarheid, data-kwaliteit en veiligheid.

Toepassingsgebieden zijn onder meer bedrijfs- en intranetzoekportalen, digitale bibliotheken, e-commercezoekfuncties, medische informatiesystemen en wetenschappelijke databanken. Evaluatie van prestaties vindt vaak plaats met maatstaven als precisie, recall, F1-score en metriek zoals MAP of NDCG.