Método de retroalimentación de relevancia en recuperación vectorial que actualiza el vector de consulta original formando una combinación lineal ponderada del query original y los centroides (vectores promedio) de los documentos juzgados relevantes y no relevantes, típicamente q' = αq + β(1/|R|)Σv_r − γ(1/|NR|)Σv_nr con pesos ajustables α, β, γ.

Principio

Desplazar el vector de la consulta hacia el centroide de documentos juzgados relevantes y alejarlo de los no relevantes en el espacio vectorial; los pesos determinan el grado de adaptación y equilibran la intención original con la evidencia del feedback.

Demostración

Escenario ilustrativo → Usuario marca dos documentos devueltos como relevantes y uno como no relevante. Reconocimiento → Calcular el centroide de los dos vectores relevantes y el del no relevante. Acción → Actualizar el vector de consulta usando α, β, γ elegidos y relanzar el ranking. Consecuencia → Los documentos cercanos al centroide relevante aumentan su puntuación; si el feedback es fiable, la precisión para documentos similares mejora.

Aplicación incorrecta

Aplicar Rocchio con conjuntos de feedback muy pequeños o ruidosos (p. ej. un único documento etiquetado erróneamente como relevante) y un β grande provoca deriva de la consulta. La posibilidad parece verosímil porque el centroide parece informativo; el error semántico es tratar feedback escaso como representativo de la necesidad informativa completa.

Consecuencia

Cuando los juicios de usuario son fiables y la representación vectorial captura la estructura temática, Rocchio puede enfocar la recuperación y mejorar la efectividad; cuando el feedback es escaso o ruidoso, puede degradar el rendimiento amplificando señales idiosincráticas.

Inversión

Si el espacio vectorial representa mal la semántica (p. ej. sinonimia no resuelta) o el feedback refleja intenciones diversas, el desplazamiento centroidal lineal puede ser ineficaz o dañino. En esos casos, enfoques no lineales o de aprendizaje para ranking que usan características más ricas pueden ser preferibles.

Límite

Claramente dentro: modelos vectoriales ponderados por término que aplican actualizaciones lineales basadas en centroides. Caso límite: retroalimentación por pseudo‑relevancia usa los top‑k como R sin etiquetas explícitas de usuario. Claramente fuera: mecanismos de feedback que entrenan rerankers discriminativos o afinan representaciones neuronales en lugar de aplicar actualizaciones lineales vectoriales.

Tensión semántica

Tensión entre ajuste rápido e interpretable de la consulta (eficiencia, transparencia) y métodos supervisados de reranking más flexibles pero complejos que modelan interacciones y no linealidades en el feedback.

Síntesis

Rocchio formaliza la intuición geométrica —acercar la consulta a ejemplos relevantes y alejarla de negativos— ofreciendo una adaptación de feedback simple y transparente cuyo éxito depende de la calidad de la representación y la fiabilidad del feedback.