搜索：非結(jié)構(gòu)化信息管理的核心

孟凡強(qiáng)　朱洪濤

從異構(gòu)、繁雜、豐富的數(shù)據(jù)中。準(zhǔn)確、快速地找到自己所需要的信息，減少信息搜尋時(shí)間，是知識(shí)工作者面臨的巨大挑戰(zhàn)。

過去的10年，我們經(jīng)過了由信息匱乏到信息過量的轉(zhuǎn)變。在銷售額過30億的企業(yè)，或市級(jí)以上主要政府機(jī)構(gòu)，擁有的IT系統(tǒng)數(shù)量一般會(huì)超過10個(gè)。這些系統(tǒng)中的信息，包括結(jié)構(gòu)化數(shù)據(jù)，也包括非結(jié)構(gòu)化信息，如多格式的文檔、郵件、網(wǎng)頁等。根據(jù)調(diào)查，85％的信息是非結(jié)構(gòu)化的，每三個(gè)月增加一倍。

知識(shí)工作者，面臨著尋找信息的挑戰(zhàn)。根據(jù)調(diào)查，知識(shí)工作者每天30％的工作時(shí)間，用于收集信息；72％的管理者認(rèn)為，知識(shí)沒有在他們的組織中得到重復(fù)利用。從這些異構(gòu)、繁雜、豐富的內(nèi)容中，準(zhǔn)確、快速地找到自己所需要的信息，減少信息搜尋時(shí)間，能夠創(chuàng)造巨大的價(jià)值。

非結(jié)構(gòu)化信息管理的應(yīng)用熱點(diǎn)

知識(shí)管理，有不同的應(yīng)用點(diǎn)。這些應(yīng)用點(diǎn)的設(shè)計(jì)開發(fā)，已經(jīng)考慮了怎么幫助企業(yè)用戶更好地獲取他所需要的知識(shí)。

1)門戶。門戶應(yīng)用的核心在于展現(xiàn)和集成。企業(yè)內(nèi)部所擁有的信息系統(tǒng)的數(shù)量在增多，導(dǎo)致用戶需要登錄和瀏覽多個(gè)系統(tǒng)，門戶可以將多個(gè)系統(tǒng)的應(yīng)用點(diǎn)集中在一個(gè)界面上。第二個(gè)應(yīng)用重點(diǎn)是：怎么能夠高效、快捷、多樣、美觀地對(duì)內(nèi)容進(jìn)行展現(xiàn)，減少程序設(shè)計(jì)量和改版工作量。

2)文檔管理。文檔的價(jià)值，重在重用。無論是記載了既往的經(jīng)驗(yàn)、訣竅、心得、數(shù)據(jù)的工作文檔，還是承載了規(guī)范、方法、工具的工作模版，如果能夠供后來者使用，都能帶來效益和效率的提高。

3)協(xié)同。要點(diǎn)在知識(shí)與業(yè)務(wù)過程結(jié)合。無論是辦公自動(dòng)化系統(tǒng)中的文檔，或是營銷系統(tǒng)中的文檔管理，還是產(chǎn)品數(shù)據(jù)管理中的文檔管理，都是將文檔與業(yè)務(wù)的運(yùn)作結(jié)合起來，在具體業(yè)務(wù)的經(jīng)營管理中，同步進(jìn)行知識(shí)管理。

4)社區(qū)。重在隱性知識(shí)向顯性知識(shí)的轉(zhuǎn)化。隨著Web 2.0應(yīng)用的普及化，博客、論壇、問題庫、圈子、人脈網(wǎng)絡(luò)等在大型企業(yè)內(nèi)部的應(yīng)用，亦逐步增多。由此，企業(yè)的社區(qū)不僅僅是論壇這一個(gè)應(yīng)用。社區(qū)，促進(jìn)了隱性知識(shí)向顯性知識(shí)的轉(zhuǎn)化。

5)E-learning系統(tǒng)。也是企業(yè)知識(shí)管理的應(yīng)用重點(diǎn)之一，使得受制于講師、空間、時(shí)間的面授培訓(xùn)，變成用戶來點(diǎn)播使用的基于網(wǎng)絡(luò)的培訓(xùn)。對(duì)于知識(shí)性的培訓(xùn)來說，這不僅有品質(zhì)的保障，而且大大降低了成本。

上述這些不同的應(yīng)用，外加企業(yè)內(nèi)部建設(shè)的業(yè)務(wù)類、管理類系統(tǒng)，帶來了信息量的膨脹，異構(gòu)的數(shù)據(jù)。用戶如何從這些系統(tǒng)中獲取所需的信息，所費(fèi)的時(shí)間越來越多。

搜索：信息展現(xiàn)的核心應(yīng)用

與企業(yè)內(nèi)部應(yīng)用相比，互聯(lián)網(wǎng)站在內(nèi)容的展現(xiàn)方面積累了諸多經(jīng)驗(yàn)，形成了系列規(guī)則和約定俗成的規(guī)范，值得企業(yè)內(nèi)部知識(shí)管理系統(tǒng)學(xué)習(xí)借鑒：屬性的廣泛應(yīng)用使得前臺(tái)展現(xiàn)的緯度更加多元化，也使得計(jì)算能力得到節(jié)約；Tag的應(yīng)用使得信息分類的顆粒度變得更小、更個(gè)性化、更長尾化；關(guān)聯(lián)性的應(yīng)用可以有效地幫助用戶獲取他所需要的信息，可以增加用戶訪問某一網(wǎng)站或應(yīng)用系統(tǒng)的點(diǎn)擊量；信息展現(xiàn)方式的改進(jìn)使得頁面的樣式改變不需要重寫程序，效率大大提高；用戶自定義使得系統(tǒng)界面及內(nèi)容能夠個(gè)性化。

上述方法可以幫助系統(tǒng)管理員，方便地從業(yè)務(wù)的視角，來幫助用戶獲取知識(shí)。

而對(duì)用戶來說，企業(yè)級(jí)搜索所提供的服務(wù)，與公眾類搜索引擎類似。在企業(yè)內(nèi)部部署后，其提供的核心價(jià)值在于：

搜索的準(zhǔn)確性。專業(yè)的企業(yè)級(jí)搜索軟件基于自己的算法，可幫助用戶更準(zhǔn)確地找到與其關(guān)心的關(guān)鍵詞相匹配的內(nèi)容。當(dāng)搜索用戶并不熟悉的專業(yè)內(nèi)容時(shí)，軟件所提供的搜索結(jié)果，比目錄、屬性甚至人工推薦更值得信賴。搜索準(zhǔn)確性，除依賴于搜索算法外，也依賴于分詞技術(shù)。比如搜索“制造業(yè)商業(yè)智能”，搜索軟件能夠根據(jù)專業(yè)的詞庫將其分解為制造業(yè)和商業(yè)智能兩個(gè)詞對(duì)內(nèi)容進(jìn)行精確搜索。搜索準(zhǔn)確性，也依賴于附件搜索技術(shù)，即對(duì)常見的文本處理文檔，能夠進(jìn)行索引和搜索。

內(nèi)容自動(dòng)分類、摘要和關(guān)鍵詞的自動(dòng)提取。如果人工對(duì)大量的內(nèi)容進(jìn)行入庫處理，如標(biāo)注分類、屬性、Tag、提取摘要，質(zhì)量依賴人工監(jiān)控，不穩(wěn)定。每個(gè)編輯人員，每天處理的內(nèi)容在250篇。隨著信息量的增多，內(nèi)容入庫的成本也在增加。用技術(shù)實(shí)現(xiàn)內(nèi)容自動(dòng)分類，關(guān)鍵詞和摘要的自動(dòng)提取，使得編輯人員的工作從人工入庫變?yōu)閷?duì)機(jī)器分類結(jié)果的審核。這樣，既可以兼具機(jī)器分類和人T分類的優(yōu)勢，又可以幫助提高效率節(jié)約入庫成本。

依賴于上述兩個(gè)核心應(yīng)用點(diǎn)，面向用戶端，在門戶系統(tǒng)、文檔管理系統(tǒng)、業(yè)務(wù)系統(tǒng)、社區(qū)系統(tǒng)、在線培訓(xùn)系統(tǒng)等知識(shí)管理系統(tǒng)中，靈活地使用屬性、Tag、關(guān)聯(lián)性、信息展現(xiàn)方式、用戶自定義等，可以使得用戶獲取信息的效率和質(zhì)量得到非常大的提高。

1)搜索結(jié)果展現(xiàn)方式的多樣化。可按時(shí)間、相關(guān)度等排序；用戶或管理員可配置搜索選項(xiàng)。從而將豐富內(nèi)容的威力，充分地發(fā)揮出來。

2)推出高質(zhì)量的推送服務(wù)。根據(jù)用戶的特點(diǎn)，如性別、區(qū)域、行業(yè)、職業(yè)、興趣、愛好等，向用戶提供推送服務(wù)。如暢享網(wǎng)所經(jīng)營的、面向機(jī)構(gòu)用戶的商務(wù)資訊庫KNET中，就提供“我所關(guān)注的競爭對(duì)手”、“我所關(guān)注的客戶”“我所關(guān)注的行業(yè)”、“我關(guān)注的管理知識(shí)”、“我所關(guān)注的信息化知識(shí)”等推送服務(wù)。

3)提高單用戶的訪問量。搜索結(jié)果頁，可以實(shí)現(xiàn)實(shí)時(shí)的推送，即用戶在瀏覽某一內(nèi)容時(shí)，系統(tǒng)自動(dòng)匹配及推送他可能關(guān)心的其他內(nèi)容。亦可以提供動(dòng)態(tài)的相關(guān)分類或關(guān)鍵詞，為用戶動(dòng)態(tài)提供相關(guān)的數(shù)據(jù)、文章、人員、應(yīng)用系統(tǒng)等。這可以大大提高單用戶訪川單一系統(tǒng)的點(diǎn)擊量。在很多情況下，這可以幫助用戶更迅速、更準(zhǔn)確地定位他所需要的內(nèi)容。

4)結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化信息的關(guān)聯(lián)。將非結(jié)構(gòu)化信息與結(jié)構(gòu)化數(shù)據(jù)，關(guān)聯(lián)起來。在用戶搜索非結(jié)構(gòu)的文章時(shí)，可以將結(jié)構(gòu)化的相關(guān)數(shù)據(jù)、人員、訂單等展示給用戶。當(dāng)用戶搜索結(jié)構(gòu)化的數(shù)據(jù)、人員、訂單、財(cái)務(wù)、材料等信息時(shí)，可將非結(jié)構(gòu)化的文件展示給用戶。

建立高質(zhì)量搜索系統(tǒng)的難點(diǎn)

從當(dāng)前的實(shí)踐來看，建立高質(zhì)量的企業(yè)級(jí)搜索系統(tǒng)，有如下值得關(guān)注的難點(diǎn)：

軟件的選擇或開發(fā)。搜索軟件是高質(zhì)量搜索系統(tǒng)的基礎(chǔ)所在。從技術(shù)來源上說，自己開發(fā)搜索軟件，因?yàn)槊媾R算法、性能等技術(shù)難題，可行性小。采用商品化的搜索軟件，是可行辦法。需要從市場上不多的專業(yè)搜索軟件中，選擇合適的搜索軟件。

專業(yè)詞庫的建立。建立企業(yè)級(jí)搜索系統(tǒng)的機(jī)構(gòu)，對(duì)搜索的準(zhǔn)確性比一般機(jī)構(gòu)有更高的要求。搜索引擎自帶的詞庫，不足以勝任對(duì)搜索準(zhǔn)確性的高要求。根據(jù)自身機(jī)構(gòu)的專業(yè)特點(diǎn)，建立分級(jí)、分類的專業(yè)詞庫，是基礎(chǔ)的、繁雜的、高價(jià)值的工作。

搜索軟件的實(shí)施。搜索軟件提供的是搜索和分類兩個(gè)核心應(yīng)用點(diǎn)。如何充分地應(yīng)用兩個(gè)核心應(yīng)用點(diǎn)，進(jìn)行用戶搜索頁、搜索結(jié)果頁、文章閱讀頁的設(shè)計(jì)?如何提供與用戶自身個(gè)性化特點(diǎn)相匹配的內(nèi)容的推送服務(wù)，從而提高用戶獲取信息的效率和主動(dòng)性?從而使得搜索在非結(jié)構(gòu)化信息的應(yīng)用系統(tǒng)中無處不在，大大提高系統(tǒng)的用戶友好性。這都依賴于對(duì)搜索軟件的有效實(shí)施。