面向區(qū)域農(nóng)業(yè)信息的垂直搜索引擎研究

李果

摘 要：區(qū)域農(nóng)業(yè)信息對于特定區(qū)域的關(guān)切人群具有重要價值。提出了一種面向區(qū)域農(nóng)業(yè)信息的垂直搜索引擎設(shè)計方法，從信息采集、信息組織和信息服務(wù)3個角度，提升用戶獲取區(qū)域農(nóng)業(yè)信息的體驗。

關(guān)鍵詞：區(qū)域信息；垂直搜索引擎；農(nóng)業(yè)信息

文章編號：1004-7026（2018）13-0061-01 中國圖書分類號：TP391.3 文獻(xiàn)標(biāo)志碼：A

搜索引擎是一種應(yīng)對信息過載的有效方式。但通用搜索引擎在面對狹小細(xì)分領(lǐng)域信息檢索的時候，信息收集不充分、索引數(shù)據(jù)庫不完備，從而導(dǎo)致該領(lǐng)域信息查全率和查準(zhǔn)率低的問題。因此，垂直搜索引擎應(yīng)運(yùn)而生。垂直搜索引擎是指應(yīng)用于搜索某一專業(yè)領(lǐng)域（比如科技論文、汽車、房產(chǎn)等）或者某一類信息（比如地圖、音樂等）的專業(yè)搜索引擎[1]，也被稱為專題或?qū)ｉT搜索引擎，是搜索引擎的細(xì)分和延伸。垂直搜索引擎并不追求大而全，強(qiáng)調(diào)的是專而精，可以在特定領(lǐng)域信息檢索中獲得較好的效果。

區(qū)域農(nóng)業(yè)信息指通過各種渠道傳播的以地方區(qū)域為范圍的涉農(nóng)相關(guān)信息，這些信息對于特定區(qū)域關(guān)切的人來說往往關(guān)乎切身利益，具有重要價值。每天都有大量的各類信息從各個地方產(chǎn)生，但受限于主流媒體有限的版面和時長，只有極少數(shù)信息能被選擇報道傳播，許多區(qū)域信息被埋沒而失去價值。通過建立面向區(qū)域農(nóng)業(yè)信息的垂直搜索引擎，快速、精準(zhǔn)地滿足相關(guān)用戶個性化的信息需求，下文將就幾個關(guān)鍵技術(shù)點(diǎn)進(jìn)行闡述。

1 區(qū)域農(nóng)業(yè)信息搜索基本流程

從信息管理角度看，要實現(xiàn)區(qū)域信息垂直搜索引擎的設(shè)計。首先需要根據(jù)設(shè)定區(qū)域從互聯(lián)網(wǎng)各種渠道采集相關(guān)信息，并建立基本的信息庫。接著對信息庫中的信息進(jìn)行標(biāo)注，從每一條信息中提取若干主題特征。此外為了搜索結(jié)果的有效性，還應(yīng)計算信息的權(quán)重。最后考慮到區(qū)域信息規(guī)模往往不大，可以采用關(guān)鍵詞匹配的方式響應(yīng)用戶搜索，同時采用top-N推薦的方式提升用戶使用體驗。

2 區(qū)域農(nóng)業(yè)信息基礎(chǔ)庫建設(shè)

垂直搜索設(shè)計的首要問題是基礎(chǔ)信息庫的建設(shè)，對于區(qū)域信息，主要有三類：一、穩(wěn)定的信息，產(chǎn)生時間早且不容易發(fā)生變化，比如某地的歷史、地理信息、風(fēng)俗習(xí)慣等；二、較穩(wěn)定信息，信息變化不頻繁但一定周期會發(fā)生更新，比如某地的火車時刻表、農(nóng)業(yè)經(jīng)營場所信息等；三、實時信息，這類信息變化快、數(shù)量大，比如某地的天氣信息、某地的交通路況信息、惠農(nóng)政策信息等。針對不同類別信息需要建立相應(yīng)的信息庫。

3 區(qū)域農(nóng)業(yè)信息采集

對于不同類別信息，信息采集方式不一樣。對于穩(wěn)定的信息，主要是做好前期工作，信息來源不僅僅是互聯(lián)網(wǎng)，還可以是線下信源，傳統(tǒng)方志、實地考察等，確保權(quán)威、準(zhǔn)確。對于較穩(wěn)定的信息，則注意信息抓取的周期，盡量響應(yīng)信息更新。對于實時信息，則需要耗費(fèi)較多計算資源，密切抓取信息源實時更新?；ヂ?lián)網(wǎng)信息來源多樣，在有限資源的前提下，考慮到信息分布呈現(xiàn)的馬太效應(yīng)[3]，盡可能聚焦核心信息源信息進(jìn)行采集可以提升采集效率。

4 區(qū)域農(nóng)業(yè)信息組織

對于已建立好的信息庫，要實現(xiàn)搜索的響應(yīng)功能，需要做好兩個工作。一是對信息進(jìn)行標(biāo)注，提取信息的主題特征，可通過中文分詞進(jìn)行涉農(nóng)詞匯識別，去除無意義的停用詞，提取有意義的涉農(nóng)詞語標(biāo)簽。二是計算信息的權(quán)重值，主要從時間角度和影響力角度進(jìn)行衡量，從時間角度看通常較新的信息具有更大的價值，從影響力角度看主要考慮信息來源和信息引用及互動情況。比如權(quán)威信息源發(fā)布的信息往往重要性高于普通網(wǎng)民發(fā)布的信息，又比如被廣泛轉(zhuǎn)載和評論的信息往往具有較高的價值。

5 區(qū)域農(nóng)業(yè)信息搜索

區(qū)域涉農(nóng)信息規(guī)模通常不大，在信息呈現(xiàn)上，可以以兩種方式：一是提供搜索入口，用戶提交關(guān)鍵詞，然后直接通過關(guān)鍵詞匹配和近似詞匹配的方式，按照權(quán)重和時間順序給出搜索結(jié)果，單純依賴關(guān)鍵詞匹配可能會降低查全率，在信息組織階段可以將信息進(jìn)行基本類別的劃分，當(dāng)關(guān)鍵詞匹配結(jié)果不理想的情況下，可以反饋同類別信息；二是采用topN推薦的方式，列出特定時間段重要性較高的信息，滿足用戶多樣性和新穎度的需求。

6 結(jié)束語

相比通用綜合搜索引擎大而全的方式，垂直搜素引擎強(qiáng)調(diào)專而精，在特定領(lǐng)域信息搜索中具有更高的查準(zhǔn)率。區(qū)域農(nóng)業(yè)信息對于某一地方關(guān)切的用戶具有重要價值，通過垂直搜索引擎采集和挖掘本地信息便具有重要意義。

參考文獻(xiàn)：

[1]王文鈞，李巍.垂直搜索引擎的現(xiàn)狀與發(fā)展探究[J].情報科學(xué)，2010，28（03）：477-480.

[2]楊韜，鄒永利.中文商業(yè)網(wǎng)站信息資源的集中與分散規(guī)律探究[J].現(xiàn)代情報，2007（09）：53-56.