La intención ambigua se refiere a palabras clave cuyo objetivo no está claro y que requieren información adicional. Si una consulta es vaga, el búsqueda no puede determinar con precisión la intención del usuario.

Un método común para procesar consultas de búsqueda consiste en obtener un conjunto de documentos coincidentes y luego clasificarlos mediante una función de puntuación de importancia. Este método sencillo suele funcionar bien para consultas de búsqueda específicas y particulares. Sin embargo, en ocasiones esta técnica falla.

Cuando una consulta de búsqueda es muy general (por ejemplo, «camisetas»), no está claro cómo determinar qué resultados coincidentes son los más relevantes. Peor aún, cuando la consulta es ambigua (por ejemplo, «bebidas para mezclar»), no solo no está claro cómo determinar los resultados coincidentes, sino mucho menos cómo ordenarlos.

¿Puede un motor de búsqueda detectar instantáneamente cuándo una consulta tiene una intención amplia o ambigua? No existe un método único perfecto, pero aquí hay algunas señales útiles: ciertas búsquedas tienden a generar conjuntos de resultados muy pequeños.

Por otro lado, las consultas amplias e imprecisas suelen generar un gran número de resultados. Si este número es elevado, la pregunta es discutible o posiblemente demasiado general.

Diferencia en los resultados de búsqueda al utilizar una intención ambigua.

Un indicador más fiable que el tamaño del conjunto de resultados es su varianza. Esta diferencia puede verificarse mediante la similitud de los resultados emparejados (p. ej., el intervalo coseno utilizando una versión de incrustación de palabras) o mediante un histograma que resuma el conjunto de resultados (p. ej., el empeoramiento de la circulación grupal). Una gran diferencia indica una investigación ambigua o demasiado amplia.

La singularidad de los resultados. Otro indicador es la diversidad de los resultados en relación con los del conjunto total de registros, que se suele medir mediante la divergencia de Kullback-Leibler .

Para un estudio más profundo de este tema, así como de las estrategias , sugiero el argumento de Claudia Hauff sobre "Anticipar el rendimiento de las consultas y los sistemas de acceso".

Análisis de consultas e intención ambigua

Las búsquedas breves tienden a ser amplias y, además, suelen ser más inciertas. Procesar la consulta con una clase gramatical o un etiquetador de reconocimiento de entidades puede generar una evaluación mucho más precisa. Hauff analiza este tipo de métodos en su sección sobre predictores de pre-recuperación.

Un enfoque aún más moderno aprovecharía las representaciones vectoriales de palabras

En cambio, las consultas amplias y poco claras tienen tasas de clics más bajas y menos clics en posicionados . Las búsquedas amplias y ambiguas también tienen mayores costos de paginación, mejora de preguntas y reformulación de preguntas.

Es posible utilizar consultas etiquetadas para entrenar una versión del sistema de comprensión que identifique consultas vagas y amplias; sin embargo, cualquier enfoque basado en los hábitos históricos del investigador es propenso a sesgos de presentación.