知识检索的两种方式(超级有意思：通用搜索引擎[初筛-发现]和垂直搜索引擎[单一层面]+定向搜索[精准])

原文： http://ulia203.spaces.live.com/blog/cns!9ac977a14eef83c2!283.entry

//转载评论：我想未来搜索引擎中，平面搜索主要满足生活热点和普通搜索，而垂直搜索作某个行业，某些层面(不同的剖面都可以叫垂直),还得加上专用搜索(或者叫精准搜索)，在我构想得概念里，可能应该有种叫：中国出版物和文献专业检索数据库 这样的搜索才适合专业人士，学者专家使用。

//技术层面上，我认为pagerank所谓公众投票，是基于公众的认知水平的，不适合前沿的学术，科学研究类检索。说的不好听，就是俗人无知。即使在baidu,google的库里有所谓的资料，但可能无法检索出来。

//关于keyword.在好的分词技术，新词发现技术，也是基于统计学的。比如说1000篇文章里同时出现了一个重复出现的文字块，这个文字小块可能就是派生词。比如"地球人都知道"这句广告词,这就是实例。如果很专业，特别是有些根本还未为大家接受，或者说还在论文阶段的词，可能无法收录，也会造成无法收录。比如”长尾“，在这个理论未发布前，这就不是一个词。搜索引擎也是在这个词(或字块)出现后的一段时间，通过统计分析发现这个可能的新词的。然后可能是经过人工再确认，才会参与切词的。大家才能搜索得到。

下午花费三个小时用于检索网络，研究一个量表设计问题，最终仍没能找到满意的答案，很沮丧！又花去了三个小时的时间,用来思考问题的源头——是我的方法出错，选取了错误的key word和检索路径；还是太过信赖网络，寄予了它过于乐观的期望（既笨又固执的孩子:-P）。  

 

    首先关于检索方式：我尝试了通用搜索引擎和垂直搜索引擎，用尽了一切我可以想到的检索方法~查找可以通过校园网获得的大部分免费数据库，直到确信我难以从网络上获得我想要的专业文献。

   

   然后我想可能是方向性问题，也就是我选错了“研究”对象。网络能够提供的信息是有偏的，尤其相对发达的通用商业搜索引擎，垂直搜索的现状是生活时尚类比较完善，学术搜索、尤其是能够提供高质量免费服务的就屈指可数了。所以或许想去图书馆查询成功的概率会更大一些。

 

    建立了一个运筹学决策树模型辅助判断（下方小图，点击可放大）。

 

    这个图中，决策点是知识检索，具体是我要查找的关于量表设计的知识的检索，可以有两种方式解决：分枝一是通过传统的图书馆检索方式，成功率较高为80%；分枝二是通过互联网方式检索，成功率为50%。给定通过两种方式检索成功带来的效益是100；成本分成两部分，时间成本和体力成本。因为我校图书馆已经于19日闭馆（看图书馆的那个阿姨告诉我这个消息的时候笑得那叫一个幸福！我只能回应以苦笑），因此我选择比较有保障且交通便利的图书馆就是国图，来回的时间将近三个小时，路费1.2元（暂且忽略不计），体力消耗相当大；通过网络检索需要经过各种连接，尝试不同的数据检索方式，处理掉大量的冗余信息，因此实现目标要付出的时间成本也不低，但应略低于图书馆检索，枯坐桌前体力消耗是比较少的，但是这种体力消耗对健康是不利的，因此也要计入总分。综上，给两种方式的时间成本赋值，图书馆检索方式为20，网络检索方式为10；给两种方式的体力成本赋值，图书馆检索方式为15，网络检索方式为8。可知预期收益1=100-20-15=65；预期收益2=0-20-15=-35；预期收益3=100-10-8=82；预期收益4=0-10-8=-18；乘以各种预期发生的概率，算出图书馆方式的可能收益=65×0.8-35×0.2=45;网络检索方式的可能收益＝82×0.5-18×0.5=32。虽然两种方式获得收益的可能性都不高，但是保守的图书馆检索的分值（45）仍高于网络检索方式（32），两者之间的差异是否显著仅从辅助个人决策的角度，暂不进行显著性检验。

 

    可见，虽然网络带来了便利（时间和体力上），但是仅从知识检索这一单一任务决策过程中，由于网络检索的成功率低，所以最终结果仍劣于图书馆检索。

   

   说明：这一决策模型中的各项指标均为本人主观评价指标，可推广度不大；如果能够建立起客观评价体系，可能是更有价值的。 另外，通常我们通过网络检索没有找到满意的答案的时候，会再诉诸于包括图书馆检索在内的其他传播渠道，这样的话，这个模型就可以继续延展至下一层；另外人际传播渠道没有考虑在内也是一个严重的不足，以后可以进一步讨论分析。