查全(recall)與查準(precision)
有些檢索原理是將各種不同相關程度的結果全部都檢索出來，有些則只檢索出少部分高度相關的結果。這個概念就是查全(recall)與查準(precision) 。
查全(recall)＝檢得的相關文件筆數/資料庫中或網站中所有相關文件筆數
查準(precision) ＝檢得的相關文件筆數/資料庫中或網站中所有文件筆數
比如說網站中有1000篇文件，搜尋結果是100篇；事實上網站中相關的文件共有200篇。查全率是：100/200＝0.5，而查準率是：100/1000＝0.1。
搜尋系統設計應該強調查全還是查準呢？取決於網站的使用者！
如果網站的使用者是做法律研究、追蹤某個領域科學研究的最新發展、或者為企業併購進行研究，那麼使用者要的應該是查全（high recall）。再比如我們在搜尋引擎中輸入自己的名字做 ego-surfing時，也是希望找到所有有出現自己名字的網頁都找到，再一一瀏覽過濾。查全要面對的問題是，搜尋結果中會出現很多不相關的資訊。
另一種情況是只要找到幾篇真的很好的文件就好了。比如說上網找有關「簡報技巧」的資訊時，我只想要找到幾篇好文章學會簡報技巧，而不想要找網路上所有有關簡報技巧的文件全部都找全。這時我要的是高精確率的結果，是查準；不想知道到底有多少相關資訊，只要找到最優質的資訊即可。
那麼既查準又查全不是兩全其美嗎？可惜魚與熊掌難兼得！資訊結構師必須權衡兩者，決定那種方式對使用者最有用，再選擇一個最符合需求的搜尋引擎。
有些搜尋引擎提供自動切截（automatic stemming），將搜尋結果放大到搜尋相同字根的所有單字。如果是強切截（strong stemming）的話，搜尋computer時，可能搜尋到所有comput字根的單字，包括：computers, computation, computational, computing。這種搜尋方式可以搜尋到較多的文件，恴謂較高的查全率（higher recall）。
相反地，無切截（no stemming）時，輸入computers只會檢索到包含computers的文件，勿略所有其他的同字根的單字。弱切截（weak stemming）則只將搜尋擴大到包含複數詞彙，輸入computer，會檢索到包含computer和computers的文件。無切截和弱切截的查準率較強切截高，但查全率較低。該用那種搜尋系統呢？答案取決於使用者的資訊需求是屬於那種類型。
此外，還得考慮內容結構如何。如果在HTML或XML中有欄位（fields）設計，搜尋引擎可以「看到」，可以搜尋。那麼如果想要知道費曼博士的書，限定在作者欄位搜尋 Richard Feynman，可以得到較高的查準率；如果沒有欄位設計的話，只能以Richard Feynman在網站中做全文檢索，搜尋結果可能是只在文章中提到費曼博士，壓根兒都不是費曼博士的著作。
Document similarity（類似文件）
如果手邊已經有一篇很好的文件，可以利用一些原理搜尋到更多類似的文件，這就是所謂的Document similarity（類似文件）。搜尋引擎的做法是將這篇很好的文件中的頻繁字（stop words），例如： the, is ,he 等，加以刪除後，留下一組語意豐富的詞彙，代表這篇文件。然後以該組詞彙搜尋到更多類似結果。另一種方法是搜尋有用到相同metadata的文件（當然這得要該文件有用metadata做index才做得到）。
Collaborative filtering（協同過濾）
根據Wikipedia，協同過濾是藉由蒐集大量使用者的偏好資訊（collaborating）來自動預測（filtering）個別使用者偏好的方法。協同過濾的基本假設是：很多使用者的一致行為傾向於和未來的行為一致；協同過濾的協同是指很多的其他使用者所表現出來的一致的行為，過濾是用來幫助個別使用者過濾最適的資訊或者偏好行為。所以亞馬遜網路書店用其他使用者上網買書的行為（消費者會一起買的書是相同主題或興趣的）來做協同過濾，推薦使用者類似的書籍。
除了亞馬遜網路書店以外，2005年 Tim Spalding所建的線上個人圖書館LibraryThing是另一個好範例，使用者可以免費或付費註冊後將個人的館藏或喜歡讀的書建上去，並為每本書貼上書籤、寫書評，其他人就可以透過書籤和書評來搜尋或瀏覽相關圖書。例如：下圖是Tuesdays with Morrie 的搜尋結果，這本書有2千4百多位會員有收藏，有49位會員寫書評，下面的標籤雲則是會員們為這本書所貼的標籤，由標籤字體可以知道大部分人對這本書的認知（biography, death, inspirational）。接下來就是利用協同過濾所提供的「推薦」，如果您喜歡看Tuesdays with Morrie，您應該也會喜歡看Mitch Albom的另兩本書（在天堂遇見的五個人和for one more day），還有Morrie教授的現身說法等20本書。
想知道更多協同過濾的網站應用，請參考Wikipedia或google。
Citation Searching（引文檢索）
下圖是利用CiteSeer.IST （賓州州立大學所建的科技文獻數位圖書館）搜尋到的結果，每篇文章均提供下列幾種自動搜尋更多相關文獻的方法：- Cited by
現在正在看的這篇文章有被那些文章引用？文獻的引用與被引用關係隱含著某種相關，也許是作者有交集，也許作者間原本就互相認識。 - Active bibliography (related documents)
和cited by相反， Active bibliography 提供這篇文章的參考文獻（或稱書目），是作者在寫這篇文章時所參考引證的相關文獻，當然有相當程度的相關性。 - Similar documents based on text
當正在看的這篇文章轉譚成搜尋策略進行搜尋，找到相關的文獻。
- Related documents from co-citation
從共引文獻找到的相關文獻。如果其他作者在寫文章時，也參考引用相同的文獻，表示這兩篇文章應該有某種相關性存在。換句話說，A篇文章後面的參考文獻與B篇文章後面的參考文獻中，如果有相同的文獻，就表示A和B這兩篇文章有共引關係（co-citation）， A、B兩篇文章一定有共通性存在，一定都探討到某一個主題。
以上所介紹是幾種常見的搜尋原理，當然還有很多原理原則可以應用。不管用什麼方法，最重要的是找到最符合使用者需求的結果。所以citation searching通常對學術研究取向的使用者有用，對一般使用者可能沒有太大的加值。所以，資訊結構師在設計或選擇搜尋引擎時，請先了解使用者希望從我們的網站找到什麼樣的資訊。
Collaborative filtering. (2007, April 19). In Wikipedia, The Free Encyclopedia. Retrieved April 21, 2007, from http://en.wikipedia.org/w/index.php?title=Collaborative_filtering&oldid=123986565
Morville, P., & Rosenfeld, L. (2007). Information architecture for the World Wide Web (3rd ed.). Cambridge, MA: O'Reilly. pp. 159-162.
沒有留言:
張貼留言