[轉錄] 語意搜尋引擎
語意搜尋引擎
http://mmdays.com/2008/09/22/semantic_search_engine/
Posted By Mr. Thursday
今天上網尋找東西或資訊，無論是用Google還是Yahoo，我們用的都是關鍵字 (keyword)
搜尋。關鍵字搜尋對一些專有名詞的資訊搜尋效果不錯，然而有時候我們只知道比較廣泛
的概念，想要找比較詳細的資訊卻不知道該下什麼關鍵字，或著是同義字很多，像是
Apple是指水果的蘋果，還是蘋果電腦？或是我們想用自然語言的問句，來界定我們關鍵
字的上下文意義，避免找到有這個關鍵字，應用情境 (context) 卻不是想要尋找的情況
。「語意搜尋引擎」想要達成的目標就是如此，當少數關鍵字的意思並不明確，無法清楚
定義出情境 (context) 或是排除同義字，或是想從廣泛的概念搜尋比較詳細特定的概念
，就可以運用語意搜尋引擎來找找。
目前有哪些搜尋引擎呢？針對 Wikipedia 內容來做語意搜尋的搜尋引擎有 Powerset 和
Cognition，Cognition除了包含Wikipedia的內容外，也針對法律 (legal) 內容和醫學
(medicine) 內容做搜尋。Hakia 則是針對整個網路的內容做語意搜尋。除此之外，最近
也有 Evri 這個語意搜尋引擎，使用類似資料庫裡面 entity-relationship (ER) 的瀏覽
方式，讓使用者可以根據事情之間意義上的關係，從一個網頁連到另外一個網頁，讓超連
結 (hyperlink) 不是只有關鍵字的連結，而是經由事物的屬性意義的連結。下面就讓我
們先看一下這些搜尋引擎的 DEMO 吧！
http://tw.youtube.com/watch?v=b00bfZ8UDqs
影片1 Powerset demo
http://link.brightcove.com/services/link/bcpid910498365/bctid1576332516
影片2 Evri demo at D6
從上面的影片可以看到，語意搜尋引擎通常會附加自然語言的問句輸入，原本只要打幾
個關鍵字迅速又方便，但是需要整個句子來清楚表達所要搜尋的事情的時候，自然語言問
句輸入功能就是一大幫手。其次，語意搜尋引擎通常會對搜尋結果做個整理，然而整理的
方式不是單純地使用 clustering的方式依照關鍵字出現頻率或順序來歸類，而是根據字
的意思來歸類，通常會整理成一個樹狀的結構，讓比較特定細節的概念包含在比較一般廣
泛的概念字下面，或是經由一個事情的各種屬性放射狀投射到其他頁面，都是根據意義來
連結整理，而不是單純文字的連結。最後是應用的範圍，Wikipedia 應用最多，Powerset
和Cognition都有搜尋Wikipedia的語意內容。再來就有專門領域的搜尋，像是Cognition
有搜尋法律和醫學的語意內容。針對整個網路內容的語意搜尋結果不知道如何？目前
Hakia和Evri是想要搜尋整個網路的語意資訊。也許下次如果Google關鍵字找不到想要的
東西，或是感覺搜尋過程中有些迷失方向，那麼不妨試試這些語意搜尋引擎，說不定就可
以找到你想要的資訊了！
關於這些搜尋引擎的技術，一搬來說就是自然語言處理上的技術最多，細節我就不清楚，
但是斷詞和自然語言一些基本功能，對於語意搜尋引擎來說應該都是基本要具備的功能了
！其次就是文法剖析上的技術，就看各家發展的特點了。最重要的就是能夠分辨同義字
(synonym)，以及分辨上義字 (hypernym) 和下義字 (hyponym)。上義字是比較廣義的字
，下義字是比較特定詳細的字，譬如說：紅色(red)是顏色(color)的下義字，因為紅色是
比較特定詳細的概念，顏色(color)則是紅色(red)的上義字，因為顏色是比較廣泛一般的
概念。
目前這些語意搜尋引擎除了Powerset已經被Microsoft買下以外，其他還在各自發展，有
的像是 Evri 還只有 beta 功能可以測試而已。因此目前這些語意搜尋引擎都是讓各位有
另外一種選擇，當你搜尋的資訊需要有比較清楚的語意辨識，或是用關鍵搜尋的結果不大
滿意，可以用這些語意搜尋引擎試試看。未來則是希望這種屬於人工智慧議題的語意搜尋
技術能夠更加成熟，讓搜尋過程能夠更貼近和人溝通的經驗，機器也能夠更聰明地提供人
類搜尋服務了！
相關連結
Powerset
http://www.powerset.com/
Cognition
http://www.cognition.com/
Hakia
http://www.hakia.com/
Evri
http://www.evri.com/
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.122.220.82
※ 編輯: erilinda 來自: 140.122.220.82 (09/23 23:39)
推
09/23 23:51, , 1F
09/23 23:51, 1F
→
09/23 23:53, , 2F
09/23 23:53, 2F
→
09/23 23:57, , 3F
09/23 23:57, 3F
推
09/24 00:03, , 4F
09/24 00:03, 4F