في عالم البحث الذكي، حيث أصبح استرجاع المعلومات فعلاً حيوياً يتطلب التطوير المستمر، جاء الإطار الجديد كامي (CAMI) ليحدث ثورة في الطريقة التي نتعامل بها مع معلوماتنا.

تُعتبر عمليات إدخال البيانات المعززة بمؤشرات معنوية جزءًا هامًا من تحسين استرجاع المعلومات، حيث تضيف هذه العمليات عمقًا للدلالة عبر تصنيفات إضافية مثل الاستعلامات الاصطناعية أو الملخصات المولدة. ومع ذلك، يأتي تحديات هذه العمليات في شكل العوائق الحاسوبية، حيث تُبرز المساحة التكوينية لأنماط الإثراء والحاجة لتقييم شامل للقواميس.

هنا يأتي دور كامي (CAMI) الذي يقدم حلاً مبتكراً من خلال إعادة هيكلة عملية بناء المؤشرات كمسألة اختيار محفظة متعددة الأهداف، مما يتيح تقليل التكاليف وتحسين الأداء. يتبنى الإطار ثلاثة آليات رئيسية:
1. **مرحلة اكتشاف الوكالة**: حيث تقترح نماذج تمثيلية خاصة بالمجموعة المستهدفة.
2. **إجراء البحث ذي الوحدة الذرية**: الذي يقيم أزواج نماذج الإثراء بشكل منفصل لتحديد المحفظات التناغمية.
3. **جدول تعزيز مدرك للثقة**: يقوم بتقليص التكوينات غير الواعدة، مما يفصل بين تحسين المصاريف وحجم القاعدة.

تظهر النتائج التجريبية استخدام كامي (CAMI) بكفاءة عبر مجموعات استرجاع بيانات متنوعة، حيث سجل الإطار تحسنًا يصل إلى 9.4% في نسبة الاسترجاع مقارنة بالمعايير السابقة. ومع خفض الميزانية اللازمة مقارنة بأساليب البحث العشوائية، يصبح استخدام كامي خيارًا عمليًا ملائمًا للسيناريوهات الإنتاجية.