在2007年，sersearch.com網站上，做了一個次世代搜尋引擎的使用者功能投票，在698份的有效票中顯示，38%（262票）的使用者希望搜尋引擎能更瞭解使用者的搜尋字串；而有另外26%（179票）的選票，希望搜尋引擎能提供給使用者更適當（relevant）的搜尋結果，兩者合佔了全部選票的64%。
在Yahoo!於今年所做的一份報告中，整理使用者的資訊需求比重，其中說明了導航式的資訊需求（想去某個網站的需求）只佔了使用者所有資訊需求的約15%~25%，不及於資訊式資訊需求（40%~65%）及交易式資訊需求（20%~35%）。然而，主流的搜尋引擎，將要解決的問題重心放在【搜尋結果的公正排序方法】上，希望能做到不被使用者看破手腳的公正排序方法；正因如此，目前的主流搜尋引擎大多適合解IR（Information Retrieval）領域中導航式資訊需求（Navigational Information Need）；對於常見的另外兩種資訊式需求（Informational Information Need）以及交易式需求（Transactional Information Need），則著墨較少。
我們以目前搜尋引擎的龍頭Google和Yahoo!兩者為例，在網路上尋找資源的方法分為兩種，一種為搜尋引擎、另一種為分類瀏覽架構（如雅虎拍賣的分類瀏覽）。
搜尋引擎雖然可以快速的回傳給使用者大量資料，然而關鍵字的搜尋比較適合程度較進階的網路使用者，根據雅虎最近的報告顯示，有85%的使用者，無法在第一次的關鍵字搜尋就找到想要的結果；另外，目前主流的幾個搜尋引擎，對其搜尋的結果呈現並未經過整理分類，直接一筆一筆的陳列在使用者面前；如果，使用者是想尋找某一特定網站，算是具有相當的便利性。
然而，若是為了學習某一概念而蒐集資料，面對未經整理的搜尋結果，必須一個個網頁點閱，時常會發生重複拜訪某一頁面，或點入不相關的網頁；分類瀏覽架構則因分類架構較不親近使用者，使得使用者不容易跟隨該架構瀏覽網路資源。尤有甚者，分類架構中的瀏覽頁面為網頁提供者所編排好的結果，是網頁提供者希望使用者閱讀的資訊，而非使用者本身想要尋找的資訊。
更快速的回應導航式需求
擁有導航式資訊需求的使用者，由於已經知道自己想要去的網站，只是想由搜尋引擎找到網站的網址連結，所以講求的是快速反應。
由web2.0的重要技術特徵──異步JavaScript和XML（Ajax - Asynchronous JavaScript and XML）可以看出，Web2.0講求對使用者提供更友善與更快速反應的使用介面。其中，有一種流行的應用方式──關鍵字自動補完，可以在使用者輸入搜尋字串的過程中，預測使用者可能想輸入的關鍵字，並且用下拉式選單的方式推薦給使用者。這種關鍵字推薦的方式可以幫助使用者更快速的完成輸入；不過，在更先進的研究中，已經有人開始提出可以直接在推薦的下拉式選單中，先猜測使用者想去的網站，並直接推薦給他，讓使用者可以更快速的到達目的地。
在著名的 ReadWrite 去年9月所發布的百大替代搜尋引擎（The Top 100 Alternative Search Engines）中，大部份的網站提供跨網站的搜尋功能，讓使用者在統一的搜尋介面中，自由的組合要搜尋的網站群組，或是搜尋的資源類別組合。
另外，南韓第一大的搜尋引擎【Naver】，以分類式的結果呈現，成功打敗了google，在當地佔有超過70%的市場。除此之外，KartOO和Vivisimo等網站以自動針對搜尋結果作關鍵字叢集的方法，讓使用者可以根據結果的關鍵字分布，以樹狀結構的方式瀏覽搜尋結果。
更豐富的資訊導覽方式
新興Web2.0網站應用中，提供了以使用者為中心的標籤（Tag）功能，使用者可以針對有興趣的網頁進行標籤，而經由網站上匯集所有被標記的標籤，形成了標籤雲（Tag Cloud），其中標籤字形越大者，表示是越多使用者採用的標籤（熱門標籤），上圖為摘自del.icio.us的標籤雲，使用者可以藉此觀察目前網站上面最熱門的相關主題。
此外，隨著Web2.0的潮流而來的是大量網路服務平台。透過這些平台，使用者自行製造網路內容（web content），彼此分享，結果導致大量的網路資源出現。在面對大量的搜尋結果，已經有許多網站開始嘗試提供使用者更豐富方便資源導覽方式，例如可以讓使用者自己設定搜尋條件區間的多維度搜尋（faceted search），或是利用將關鍵字作叢集或是建立關聯的方式，讓使用者除了搜尋之外，可藉由關聯辭導覽，漸進式的向自己想要的資源趨近。這種透過概念關聯地圖導覽的方法，讓使用者在資源中漫遊的【導覽式搜尋】（exploratory search）方式，目前也是一種趨勢，和多維度搜尋都是幫助使用者更明確的表達自己的資訊需求，讓使用者更輕鬆的搜尋網路資源。目前比較成熟的例子有Quintura和LivePlasma等等網站。
更多元的網路社群互動分析
新的搜尋趨勢中，人的搜尋也是一個重要議題。其中，可簡單分為專家搜尋和一般的尋人服務；目前，目前的研究以專家服務為主，透過尋找專家，增加滿足使用者資訊需求的機會，並進一步幫助使用者完成自己的任務。
以社會網路觀點進行觀察，隨著個人專精的問題領域與水準不同，知識分享行為過程中，個人的角色資訊是動態改變的。
目前，標籤式網路服務針對這些角色（人、標籤、網頁）僅提供兩兩相連之關係，三者之間無法形成密切關聯，無法協助使用者快速尋找到所關注的角色（人、標籤、網頁），這些資源缺乏整合，所以當使用者想同時尋找各種資源時，則必須大費周章的到各站使用同一個關鍵字重複搜尋；而眾所熟知的搜尋引擎（如Google），在搜尋網頁時是依據Page Rank方法篩選內容，其結果雖可提供快速且大量的熱門網頁，但是網頁資料並未經過分類整理，造成使用不便。如果能夠將Tag cloud作為人與資訊的中介，由於資料的標注行為找到了動力而有機會實現理想中的Semantic Web世界。
<延伸閱讀>
沒有留言:
張貼留言