Dari sudut pandang pemodelan, pencarian informasi adalah bidang mendalam yang didasarkan pada beberapa disiplin ilmu, termasuk statistik, matematika, linguistik, kecerdasan buatan dan sekarang ilmu data. Dalam praktiknya, model ini diterapkan terhadap teks dalam korpora untuk menemukan pola dalam data. Tidak hanya model IR tumpang tindih dalam penggunaannya, mereka dapat "bermitra" dengan model lain seperti k-means atau k-model tetangga terdekat, kemudian model lain dapat diterapkan dari sudut pandang linguistik komputasi seperti LDA / LDI dan pemodelan topik Kemudian, permainan akhir adalah semacam visualisasi informasi dari penemuan ini - setelah pekerjaan pemeringkatan, pengelompokan dan pengumpulan. Pengambilan Informasi mungkin tampak sebagai disiplin samar, tetapi upaya serius, yang sangat dihargai, akan membuka area untuk pemahaman yang lebih dalam dari masing-masing model, dan interaksi antara model. Saya mengutip seri "Ceramah Sintesis tentang Konsep, Pengambilan Informasi, dan Layanan" sebagai tempat terbaik untuk menggali fondasi bagi IR.
Walaupun saya tidak sepenuhnya memisahkan IR dan Ekstraksi Informasi, mungkin subset dari IE, ekstraksi level konsep, memang menerapkan pola IR bersama dengan aturan-aturan inferencing berbasis AI untuk mengekstrak ontologi terkait. Sifat grafis dari hubungan ini sedang ditingkatkan dengan pemodelan ontologi di OWL dan RDF, dan dengan basis data grafik, yang memungkinkan untuk serangkaian pemodelan hubungan yang kurang ketat atau ketat, dan memungkinkan lebih banyak hubungan muncul ke permukaan, daripada dikendalikan per se. Kemampuan menumbuhkan ekstraksi informasi secara dinamis membuat "disiplin" sangat menarik bagi para peneliti.
Baik IR dan IE bermain dalam "entitas saat ini" yang signifikan - beberapa telah menyebut "ontologi dinamis" - beberapa menjadi Palantir - kita memerlukan pola, model, simulasi, dan visualisasi dari entitas signifikan tersebut untuk melakukan bisnis di wajah morphing sumber informasi baru dan perubahan informasi yang ada. Pemodelan konseptual, relasional, definisi, pola dan ontologis harus fleksibel dan visualisasi mereka sama. Pengangkatan berat mesin AI seperti Watson di bidang ekstraksi informasi dan inferensiasi telah membuat sorotan pada IE dan terus terang bidang IR. Di mana-mana pemrosesan bahasa alami dan pembelajaran mesin menyerukan perhatian pada model dan mesin IR dan IE. Dampak model IR pada pencarian dan SEO, dan pada pemodelan web semantik adalah salah satunya "
