לעתים, היום, תוצאות החיפוש במנועי חיפוש אינן כל כך רלוונטיות  ו"חכמות" כפי שהיינו מצפים. בנוסף, לעתים הן חוזרות על עצמן במקום לספק מידע חדש או תובנות.

,Matthew Lease  פרופסור חבר בבית הספר למידע באוניברסיטת טקסס באוסטין, מאמין שיש דרכים טובות יותר לגייס את כוח המחשוב עם מוח האדם כדי ליצור מערכות אחזור מידע חכמות יותר.

בתחילת אוגוסט 2017, בפגישה השנתית של האגודה לבלשנות חישובית בונקובר שבקנדה, Lease ושותפיו הציגו 2 פרסומים שמתארים את מערכות אחזור המידע החדשות שלהם. לצורך המחקר שלהם הם גייסו את מחשוב העל במרכז למחשוב מתקדם באוניברסיטת טקסס -אחד ממרכזי מחשוב העל המובילים בעולם.

שני הפרסומים שהוצגו הם::

• Aggregating and Predicting Sequence Labels from Crowd Annotations

• Exploiting Domain Knowledge via Grouped Weight Sharing with Application to Text Categorization

במאמרים שהוצגו הם מתארים כיצד הוא ושותפיו מפתחים גישות חדשות בתחום אחזור מידע על ידי  שילוב של בינה מלאכותית , תובנות ופרשנות של  בני אנוש לתכנים תוך שימוש במיקור המונים, ומידע שמצוי במספר מקורות ייחודיים לתחום כגון WordNet, לקסיקון סמנטי של השפה האנגלית שפותח על ידי אוניברסיטת פרינסטון. פיתוחים אלה  יתרמו למנועי חיפוש כלליים  ולמנועי חיפוש ייעודיים  בתחומים מסוימים כגון בתחום הביו-רפואי או טקסטים שאינם בשפה האנגלית .

לכתבה בנושא

לרשימה מלאה של פרסומים בטקסט מלא שהוצגו בפגישה השנתית של האגודה לבלשנות חישובית בונקובר שבקנדה