傳統OPAC的典藏文件通常是獨立的個體，必須建立其關聯性，才能將文件產生更大的效益與價值。而LSI是讓這些文件產生關聯的方法技術之一。
而講義所提到的一詞多義和一義多詞：對於一詞多義可能使得搜尋結果中包含很多不是user真正要查找的結果，一義多詞將使得搜尋結果中遺漏很多user真正要查找的結果。
LSI是將許多文件用"text-document"的矩陣(matrix)來表示，透過SVD等運算方式將query的結果換成向量投射在低維度的空間，並假設每一個singular value 和singular vector都代表著欲檢索文件的潛在語意，比對後就可產生檢索的結果。
相關步驟有：
Step1. 建立特徵矩陣
Step2. 奇異值分解運算
Step3. 產生語意指標及文件分類
相對於Google所使用的page rank，LSI注重每個文件的concept，關聯性強的文章會顯示在前面的檢索結果頁面上，但是從老師們的對話中，LSI似乎會捨去一些關聯性低的query，使得較冷僻的資訊無法被搜尋引擎找到。
LSI在文件的分類上是有幫助的，但在檢索(search)上，query如果太短就會限制semantic的分析效果。
而台灣、韓國等地會產生local search engine > global search engine的現象，小蝶老師認為大概是因為這些local的搜尋引擎會操縱搜尋結果，讓結果產生的項目是大部分人都會點閱的熱門資訊。像海角七號這個關鍵字，在google搜尋的結果就有可能會跟yahoo.tw搜尋的結果面向不一樣。
--------------------------------------------------------------
嗯...這堂課對我來講是個新的知識.....所以目前還沒辦法完整架構出我懂的部分.....整個有點混亂...
不過整堂課我印象最深的有2句話和1件事
- 第一句話是：使用者會打出的關鍵字，都不是他們所想要找的。
我會用進階查詢，我更常用布林邏輯，但....我承認有些時候，還是會打出一些愚蠢的關鍵字....尤其是在找不到東西時....關鍵字就會亂下了....我現在想不出來什麼愚蠢的例子，不過可以確定的是，例子太多了!!我下次打蠢字的時候...我會記得附上來的.....
愚蠢1:老師提到的鴻海hire退休員工，我想找相關資訊...我打了"鴻海 聘用 退休"...什麼都找不到...
- 第二句話是：用產業來看研究，It's not fair.
這是我常常犯的錯誤，看完一篇paper後，我會想到一些現實的例子。尤其是在知識管理的部份，大學時我對知識管理很有興趣，看了一些文獻，但我都會想：這用在企業上的效益如何?更精確的是，有哪個企業會花大錢來做知識管理?企業講的是收益，而知識管理偏偏就不是馬上做了就可以看的到效果的東西。久而久之就會覺得整個知識管理限於空談，跟實務無法結合。
但今天我有了另外一個觀點，產業與研究通常是分開的，研究必須縮小變數，以求對該變數精準的控制與描述，而產業則是許多研究問題的集合體，不能用單一研究來概括整個產業狀況。
- 最後一件事：教授們的專業互動
曾老師最後提出的一些問題，包括page rank、LSI當前的問題等，無一不是針對Mu教授的專業提出質疑(我有感受到火藥味)，但當兩人甚至連小蝶老師都掺一腳後，我發現從他們的對話中，我越能越勾勒出整個LSI的輪廓，這就是傳說中的學術討論!!可以讓思考更加清晰，連結更多的訊息。我覺得這短短的10分鐘是我整堂課受益最多的時候。
--------------------------------------------------------------會後有私底下跟老師出去吃飯，個人覺得他還蠻健談的...對台灣充滿了好奇...
下禮拜會陸續帶他到淡水、鶯歌等地方觀光，有興趣的同學跟所辦報名喔!!
沒有留言:
張貼留言