這是資訊架構學–網站應用，第三版的第八章：搜尋系統(Search Systems)，在上一章有可以幫你替網站建立最佳的導覽系統。這一章要說明另一種尋找資訊的形式：搜尋。想到搜尋ㄚ琪很直覺得就是Google了，可是Sophia卻是Yahoo，這當中還真有點差異，但是在工作達人上的搜尋又是怎樣呢？其實很早以前是有另一種搜尋系統的，是Wordpress預設的，但後來ㄚ琪棄守了，今天讓我再來看看，是否有新的搜尋技術，可以讓我變更目前的搜尋方式，現在讓我們讀下去吧。
昨天再去Google的自訂搜尋引擎發現有新版的功能，而這新版的功能看似好像可以符合ㄚ琪的需求，不過完了半天也是還沒搞定，看起來滿複雜的，特別是中文的部份很弱，所以很多是英文的說明，或許過些陣子可以改善，我們就拭目以待吧。
試了幾天的新功能，感覺中文方面的功能好像不是很齊，所以就先繼續使用元來的搜尋功能了。
網站需要搜尋功能嗎?
替網站建構搜尋系統前，先想想下列的問題。
- 網站有足夠的內容嗎？
投資搜尋系統會不會轉移更有用的導覽系統的資源？
你有時間和技術替網站搜引擎做最佳化工作嗎？
有更好的替代方案嗎？
網站用戶討厭搜尋嗎？
綜合上述地問題，可以再度地幫助ㄚ琪思考是否真的需要搜尋功能，不可諱言地，ㄚ琪是覺得對於一個部落格而言，搜尋功能實屬必要，當然導覽系統的充分利用也是需要考慮到的，這個導覽系統ㄚ琪以前倒是沒有特別注意，不過我想從今天開始會好好注意的，另外值得一提的是搜尋引擎最佳化的工作我們是否做得來，當然，現在WordPress已經提供了很好的搜尋，另外像Google也有自訂引擎，可是如果捫心自問，他們是否都做了最佳化，這就比較不清楚了，但是如果我們的技術跟時間不足的話，使用這些預設的功能，其實感覺起來還滿好的說，不過這可能是自我感覺良好吧。更好的替代方案：網站索引是否合適也值得列入考慮。我的客戶是否討厭搜尋，我想就有待各位提供意見了。
如果已經有必要建構搜尋引擎，基本上ㄚ琪想應該會是需要的，否則就沒有這一章內容存在的必要了，你說是不，現在要繼續探討何時建構：
- 有太多資訊要瀏覽而搜尋會有幫助時
搜尋可以協助成片斷的網站
搜尋是學習工具
搜尋應該在那兒，因為用戶希望在那兒
搜尋可以馴服動態性
當有這些條件成立時，我想就是建構搜尋系統的時候吧。 -
搜尋系統詳解
- 這裡有一個來自In Defense of Search的圖解，大體而言者裡頭牽涉到的技術還不少，像是查詢語言、查詢輔助工具、中介資料、控制詞彙、排名與叢集演算法、介面設計等等。這些是否全留給IT來處理，就看你囉。
搜尋不是一種IT玩意
這裡頭就節錄文中有關資訊建築師應該要做的事，『理想上，資訊建築師、IT專家、以及其他專長的人會找出他們各自的需求，討論這些需求對彼此的衝擊如何，最後在評估搜尋引擎程式時，再列出一組統一的需求。可惜的是，因為某些政治因素或者其他理由，這種結果不見得都會成真。這就是為什麼資訊建築師必須準備好大聲疾呼（至少以對等的職責發聲），要選擇和實作最適合用戶的搜尋引擎，而不是選擇那個只能在某人最愛的作業平台上跑的搜尋引擎，或者選擇那個以某人最愛得程式語言寫成的搜尋引擎。』
選擇要搜尋什麼
決定搜尋區域(search zone)
『搜尋區域就是網站中的子網站，其內容的索引工作和網站其餘的內容是分開來做的。當用戶搜尋某一搜尋區域時，他已經由網站的互動介面，表明他只對特定資訊感興趣。理想上，網站中的搜尋區域是對應到用戶的特定需求，可以得到更好的取出效益。把和用戶需求無關的內容剔除掉，用戶應該可以取出更少更相關的結果。
…
所以，要小心：很多用戶在開始搜尋時會忽略搜尋區域，而是傾向隅輸入簡單搜尋字串以搜尋整個網站的索引。所以，用戶可能不會碰觸你細心做出來的搜尋區域，直到他們經由「進階搜尋」介面做第二輪搜尋之時。』這是非常自然的，但是又覺得有點累贅，那麼是否有一種藉由使用者的搜尋經驗直接來決定搜尋區域呢，這樣不是可以減少兩次或多次的搜尋嗎？有IT正在做這一塊嗎？
導覽 vs. 目的地
『大部分網站至少有這兩種網頁：導覽網頁和目的地網頁。目的地網頁就是存放你想要的實際資訊：比賽分數、書評、軟體文件等等。導覽網頁可能含有主頁、搜尋頁、以及幫助你瀏覽網站的網頁。網站的導覽網頁最重要的目的，就是讓你到達目的地網頁。』
如果就工作達人來說，會分成分頁跟內容，分頁應該可以類比成導覽網頁，也就是說如果搜尋時也把分頁當成結果列出看起來就有點亂了，但是實際上分頁的目的又好像跟導覽有些微的不同，畢竟還是看格主的使用方法，如果要界定清楚的話，那麼工作達人的分頁，可能就有再重新定義的必要了。另外ㄚ琪也發現，在Google的自訂引擎的使用上，如果搜尋的資訊是分頁有的話，確實會被列為結果顯示，當然這跟這裡所有訴求的目的可能就有點不同了，但是畢竟分頁跟導覽網頁不同，所以這就見仁見智了。
替特定觀眾做索引
『如果你已經決定採用以群眾為導向的組織體系為架構，則根據群眾做切割建立搜尋區域，也是很合理的。』在工作達人裡頭，ㄚ琪其實並沒有掌握到很好的群眾，所以要做這個索引，無形中就變得有點困難，讓我們再加油吧。
以主題做索引
Ameriprise Financial採用鬆散的主題式搜尋區域。新版的搜尋系統還是保有類似這樣的功能，而且看起來更有人性。
替新進內容做索引
這個功能到現在還是一直保有，看起來是很有用的功能。
選擇要替什麼內容元件做索引
『對網站的某些局部內容提供取得管道通常是很有用的，同樣地，讓用戶可以搜尋文件中特定的元件也有其價值。』這就跟ㄚ琪在前面導覽 vs. 目的地那裡提到的困擾一樣。
以Salon.com網站為例，其搜尋系統可以讓用戶善用網站的結構，以下列內容元件支援搜尋：
- 文章主體
標題
URL
網站名稱
連結
影像連結
影像的替代文字(alt text)
說明
關鍵字
遠端錨點連結文字(anchor text)
像這樣的功能，用戶是否清楚並知道如何善用？確實有點矛盾，我想如果一般人如果沒有讀到這裡，我想要思考這些功能的使用及差異，還真有點困難，至少對ㄚ琪來說是如此。
另外，內容元件不是只有增進搜尋精確度而已，還可以讓搜尋結果的格式更有意義。
搜尋演算法
這裡推薦你看這本Ricardo Baeza-Yates 跟Berthier Ribeiro-Neto寫的 Modern Information Retrieval (Addison-Wesley)這本書囉。
樣式比對演算法
『大部分擷取演算法採用樣式比對(pattern matching)的方法，也就是說，它們會比對用戶的查詢字串與網站文件全文的索引，以尋找符合的文字字串。』
檢索和精準
這裡頭有公式：
檢索 = #取出的相關文件 / #在集合中的所有文件
精準 = #取出的相關文件 / #在集合中的相關文件
另一個觀念就是這兩者是負相關，所以說魚與熊掌不可兼得。
其他做法
『當你有「好」文件在手上時，有些演算法會把該文件轉換成相當於一個查詢（這種做法就稱為文件相似化(document similarity)。』
『另一種做法是展示那些已經使用相類似的中介資料做過索引的結果。』不過書中所舉例WebMD，現在已經沒有提供See More Content like this。據我所知以前Google也會有這樣類似的查詢結果，不過這一陣子看來也沒有了。
另外『像是協同過濾法(collaborative filtering)以及引用搜尋法(citation searching)是更進步的作法。』像是CiteSeer會自動以多種方式尋找文件：
- Cited by
Active bibliography (related documents) - Similar documents based on text
Related documents from co-citation
查詢輔助工具
『查詢輔助工具(Query builder)就是可以增加傳尋效能的工具。』常見例子如下：
- 拼字檢查工具
語音工具
詞幹搜尋工具
自然語言處理工具
控制詞彙和彙編詞彙
基本上這些輔助工具看起來只對英文語系的使用有幫助吧，中文語系的看起來可能沒有幫助。
展示結果
要顯示哪些內容元件？
『最簡單的原則就是，對那些已經知道自己要找什麼的用戶而言，資訊就少顯示一點；但是，對那些不確定自己要找什麼的用戶而言，資訊就多顯示一點。』
新的Salon網站看起來只有一個原則了，就是搜尋結果配有摘要，另外不提供摘要的選項，就不知怎麼玩出來了。
要顯示多少文件？
『要顯示多少文件，多數是由兩個因子決定。如果你的引擎的組態是要替每一筆取出的文件顯示很多資訊，可以考慮顯示小一點的結果集，反之亦然。此外，用戶的螢幕解析度、連線速率、以及瀏覽器的設定都會影響能夠有效顯示的結果數量。單純化是最安全的，只顯示一小群結果，但是，提供很多設定值，讓用戶可以根據其需求選取。』
另外有一個重要建議，就是一定要讓使用者知道文件總數。
列出結果
『列出結果的方法，常見的有兩種：排序和等級。』基本上現在的Google這兩方面都處理的很好，只不過排序上好像只限部份的網頁的查詢，像是部落格之類的比較多。
按字母排序
這排序法，砍起來就只對英文的abc有用了，中文看起來沒啥大用。
按年表排序
像是工作達人就是以修改的時間來做排序的，為什麼要這樣做，只不過是因為ㄚ琪還一直在改部落格，這樣子的排序方便我做修改。
按相關性分等級
這個演算法通常是按下列項目之一或其中幾項決定的：
- 取出的文件中含有多少個查詢字串中的術語？
這些術語在文件中出現的頻率多高？ - 這些術語出現的位置有多近？
術語出現在何處？
查詢術語出現所在文件的受歡迎度
依照受歡迎程度分等級
這是Google的PageRank，ㄚ琪不再贅述。
以用戶或專家的平比分等級
『愈來愈多的情況下，用戶願意評比資訊的價值。用戶評比可以作為結果排序的基礎。』像是Digg的情況。
以訂單付費分等級
『由於看板廣告行銷不再是最可行的經濟模式，訂單付費(pay-for-placement，PFP)變成Web搜尋中愈來愈常見的東西。』像Yahoo! Search Marketing就是這樣，這到是很新鮮的結果顯示，有空再多研究。
群組結果
『另一種替代和分等級的做法看來是有希望的：依照某個共同的方面把結果群組起來。微軟和加州大學柏克萊分校的研究人員所做的絕佳作法研究出，當結果按類別和等級群組時，可以改善效能。可以參考Dumais, S.T., Cutrell, E. 跟 Chen, H.的 “Optimizing search by showing results in context.” Proceedings of CHI ’01, Human Factors in Computing Systems (April 2001).
匯出結果
印出、寄送、或儲存結果
考序列印文件和寄送文件的功能加進工作達人，這可能算新的創舉，我可以想想看。搜尋了一下發現有Print Friendly and PDF Button這個外掛可以用。
選擇結果的一部分
儲存搜尋
『在某些情況下，你想保留的是搜尋本身，而不是結果。對於你想按時追蹤的動態領域而言，儲存搜尋特別有用。你可以手動定時執行一個儲存下來的搜尋，或者予以排程，使得查詢定期自動重新執行。』
『當結果變得比較「可攜」時，就可以使用RSS或Atom做同步發表。』像Google Alerts的使用，這也是ㄚ琪常使用的服務之一。
設計搜尋介面
考慮的因素：
- 搜尋的專業能力和動機的程度
資訊需求類型
被搜尋的資訊種類
被搜尋的資訊數量
搜尋盒
進階搜尋：說不
支援修改功能
在結果頁中重複搜尋
說明結果來自何處
說明用戶做了什麼
整合搜尋與瀏覽
用戶被絆住時
這個單位倒是ㄚ琪很想看的，用戶被絆住時通常有兩類，一是搜尋結果是0，Orz，另一種則是結果太多，這時該怎麼辦？
第二個問題較好解決，很多搜尋引擎都已經可以有效改善。
但是第一個問題可就大了，書中的建議是使用「無盡頭」策略解決這種問題。可做的選擇如下：
- 修改搜尋。
提供搜尋技巧或其他改進搜尋的建議。
瀏覽的工具。
如果搜尋和瀏覽無法運作，就與人接觸。
上哪兒學更多？
接下來又要看更多的書了：
- Modern Information Retrieval 由Ricardo Baeza-Yates 跟 Berthier Ribeiro-Neto 合著(Addison-Wesley)。
- Concepts of Information Retrieval
由 Miranda Lee Pao (Libraries Unlimited)所著，已經絕版。
- On Search, the Series 由Tim Bray所著(http://www.tbray.org/ongoing/When/200x/2003/07/30/OnSearchTOC)。
學習搜尋工具的網站：http://www.searchtools.com/
以及http://searchenginewatch.com/
這一章看了好久才看完，當然提到了一些觀念希望可以對工作達人有用。