Comments on: 語意搜尋 (Semantic Search): 挖掘搜尋產業的整座冰山 http://mmdays.com/2007/07/04/semantic-search/ 網路, 產業, 資訊, 觀察, 生活, 電影, 技術, 新知, 科技, 媒體, 趨勢, Web 2.0 Fri, 05 Dec 2008 01:41:35 +0000 http://wordpress.org/?v=2.6.1 By: phy http://mmdays.com/2007/07/04/semantic-search/#comment-11922 phy Wed, 07 Nov 2007 07:11:50 +0000 http://mmdays.com/2007/07/04/semantic-search/#comment-11922 A conceptual architecture of search include crawling, indexing, relevance, ranking, and input & output. The "5%" isn't solely contributed by lack of semantic search; the crawler unable to reach the deep web is part of the problem. With information overflow, ranking is another problem. Semantics only takes care of the relevance issue. However, it does have the potential to boost the precision and recall rates. You should go deeper on the NLP, input, output, crawling, indexing, relevance issues if you want to credit semantic search. A conceptual architecture of search include crawling, indexing,
relevance, ranking, and input & output.

The “5%” isn’t solely contributed by lack of semantic search;
the crawler unable to reach the deep web is part of the problem.
With information overflow, ranking is another problem.

Semantics only takes care of the relevance issue. However, it does have
the potential to boost the precision and recall rates.

You should go deeper on the NLP, input, output, crawling, indexing,
relevance issues if you want to credit semantic search.

]]> By: ghoster http://mmdays.com/2007/07/04/semantic-search/#comment-11921 ghoster Mon, 08 Oct 2007 03:21:55 +0000 http://mmdays.com/2007/07/04/semantic-search/#comment-11921 "現在存在於網路上的搜尋功能，其實只把搜尋的所有潛在能力開發了 5% 而已" 請問一下，這5%的數字從哪裡得知的?THX “現在存在於網路上的搜尋功能，其實只把搜尋的所有潛在能力開發了 5% 而已”

請問一下，這5%的數字從哪裡得知的?THX

]]> By: 個人化搜尋: 搜尋引擎的下一步, Semantic Web 的前一步 « Mr./Ms. Days - 網路, 資訊, 觀察, 生活 http://mmdays.com/2007/07/04/semantic-search/#comment-11920 個人化搜尋: 搜尋引擎的下一步, Semantic Web 的前一步 « Mr./Ms. Days - 網路, 資訊, 觀察, 生活 Fri, 03 Aug 2007 16:00:46 +0000 http://mmdays.com/2007/07/04/semantic-search/#comment-11920 [...] Mr. Saturday 曾經在「語意搜尋 (Semantic Search): 挖掘搜尋產業的整座冰山」一文中介紹過 Semantic Web [...] [...] Mr. Saturday 曾經在「語意搜尋 (Semantic Search): 挖掘搜尋產業的整座冰山」一文中介紹過 Semantic Web [...]

]]> By: CornGuo http://mmdays.com/2007/07/04/semantic-search/#comment-11915 CornGuo Wed, 04 Jul 2007 22:17:08 +0000 http://mmdays.com/2007/07/04/semantic-search/#comment-11915 小弟最近才剛踏入 NLP 與 IR 的領域， 去年年底針對國內某 BSP 展開一些研究， 雖然蒐集了上千萬短句，可能使用的資料量卻是少之又少， 而 typo 與不正確的引述，亦影響了結果輸出的正確性。 這跟一開始想的都不一樣啊，啊啊。 就我來看，我覺得 Semetic Search 在短時間內， 大概只能在專業領域內獲得較佳的表現， 至於現行的 WWW.. 我想還是得仰賴工程師們讓電腦再聰明一點了 (遠) 小弟最近才剛踏入 NLP 與 IR 的領域，
去年年底針對國內某 BSP 展開一些研究，
雖然蒐集了上千萬短句，可能使用的資料量卻是少之又少，
而 typo 與不正確的引述，亦影響了結果輸出的正確性。

這跟一開始想的都不一樣啊，啊啊。

就我來看，我覺得 Semetic Search 在短時間內，
大概只能在專業領域內獲得較佳的表現，
至於現行的 http://WWW.. 我想還是得仰賴工程師們讓電腦再聰明一點了 (遠)

]]> By: Sam http://mmdays.com/2007/07/04/semantic-search/#comment-11917 Sam Wed, 04 Jul 2007 18:25:42 +0000 http://mmdays.com/2007/07/04/semantic-search/#comment-11917 正巧我的論文也是做這方面的研究 應用了Ontology的概念，建置了音樂領域知識的語意搜尋 這一類的語意搜尋的知識，在國外有很多的文獻可以找到 不過語意搜尋目前還是有很多問題有待解決。 正巧我的論文也是做這方面的研究

應用了Ontology的概念，建置了音樂領域知識的語意搜尋

這一類的語意搜尋的知識，在國外有很多的文獻可以找到

不過語意搜尋目前還是有很多問題有待解決。

]]> By: Mr.Thursday http://mmdays.com/2007/07/04/semantic-search/#comment-11919 Mr.Thursday Wed, 04 Jul 2007 17:04:57 +0000 http://mmdays.com/2007/07/04/semantic-search/#comment-11919 語意問題很有趣 也是人工智慧想達成的主要目標 但是就是不容易 就我看來,一方面是電腦只有文字input 近代才有多媒體的input 但是現在即使有比較多input,還是無法像人類一樣 可以隨著年齡的增長,學習到越來越多東西 ------------ 我想1.自然語言(Natural Language Processing) 2.Tim Berners-Lee的Semantic Web(語意網) (XML->RDF->OWL 可參考MIT HayStack in Oxygen Project) 3.Ontology(可參考Stanford Protege軟體) 以及4.邏輯推理引擎或是知識引擎 算是目前要解決語意問題所需要的四大方法 至於計算神經學有沒有辦法解決 這也就是我有興趣研究的部分了 ------------ 目前我對語意的看法...比較理論上的看法 分類如下: 語意問題: 尋找"關係"(relation), 無論是概念(concept)的關係 或是字彙(word)的關係 關係的組成(Ontology->用人工建立(X),機器學習(尚待解決)) 字彙關係: 一字多義 多字一義 多字多義(?) 關係的學習: 抽象化能力(abstraction) 關係的應用: 語意相似搜尋(similarity) 字辨(disambiguity) 了解意義(understand meaning)-->順道解決自然語言難題(NLP:Natural Language Processing) 語意的應用: 語意解決則很多問題可比較順利解決了,像是機器翻譯 ------------ 參考中的理論: categorical theory manifolds(local vs. global properties-->it's like semantic!) automated ontology knowledge base (可參考Daphne Koller: From Knowledge to Belief) more: 文章中提到的vertical knowledge base ------------ 加油! 語意問題很有趣
也是人工智慧想達成的主要目標
但是就是不容易
就我看來,一方面是電腦只有文字input
近代才有多媒體的input
但是現在即使有比較多input,還是無法像人類一樣
可以隨著年齡的增長,學習到越來越多東西
————
我想1.自然語言(Natural Language Processing)
2.Tim Berners-Lee的Semantic Web(語意網)
(XML->RDF->OWL 可參考MIT HayStack in Oxygen Project)
3.Ontology(可參考Stanford Protege軟體)
以及4.邏輯推理引擎或是知識引擎
算是目前要解決語意問題所需要的四大方法
至於計算神經學有沒有辦法解決
這也就是我有興趣研究的部分了
————
目前我對語意的看法…比較理論上的看法
分類如下:
語意問題: 尋找”關係”(relation),
無論是概念(concept)的關係 或是字彙(word)的關係
關係的組成(Ontology->用人工建立(X),機器學習(尚待解決))
字彙關係: 一字多義 多字一義 多字多義(?)
關係的學習: 抽象化能力(abstraction)
關係的應用: 語意相似搜尋(similarity) 字辨(disambiguity) 了解意義(understand meaning)–>順道解決自然語言難題(NLP:Natural Language Processing)
語意的應用: 語意解決則很多問題可比較順利解決了,像是機器翻譯
————
參考中的理論:
categorical theory
manifolds(local vs. global properties–>it’s like semantic!)
automated ontology
knowledge base (可參考Daphne Koller: From Knowledge to Belief)
more: 文章中提到的vertical knowledge base
————
加油!

]]> By: Mr. Monday http://mmdays.com/2007/07/04/semantic-search/#comment-11916 Mr. Monday Wed, 04 Jul 2007 14:29:46 +0000 http://mmdays.com/2007/07/04/semantic-search/#comment-11916 這個的確很難，不過的確是個方向，連Xerox都說要開發semantic search engine了。 這個的確很難，不過的確是個方向，連Xerox都說要開發semantic search engine了。

]]> By: william http://mmdays.com/2007/07/04/semantic-search/#comment-11918 william Wed, 04 Jul 2007 08:57:46 +0000 http://mmdays.com/2007/07/04/semantic-search/#comment-11918 台灣的 IQ網際智慧 公司，做這類自然語言查詢技術已經很久了。 台灣的 IQ網際智慧 公司，做這類自然語言查詢技術已經很久了。

]]>