唯有現在是真實的

今天偶然發現了一個還蠻有趣的搜尋引擎：Quintura。

記得以前在找研究方向的時候，有時候會天馬行空想到一些點子，然後再到Google找看看有沒有類似的研究。可是搜尋的過程總讓我覺得很挫折，因為點子都是天馬行空想出來的，我不知道在那個領域中，大家都用什麼詞彙來描述我想到的東西。常常發生的情況是：連換了五六組關鍵字、瀏覽了幾十筆結果，只有兩三筆能夠勉強擦上邊。這時我的耐性通常已經耗盡，最後的結果都是直接把瀏覽器關掉，期待哪天有心情的時候再重新來過（通常這都不會發生:p）

針對這個問題，我曾經寫過一個小程式，想計算檢索關鍵字間的相關程度（是不是常常共同出現），藉此能夠篩選掉不適合的關鍵字，找出比較適合的關鍵字組合。可惜效果和效率都不是很好，而且因為要用Google API抓出各種關鍵字組合下的查詢結果，我很怕讓Google以為我在攻擊它XD。

後來有斷斷續續看一些相關的研究，才知道像"query refinement"是在指怎麼修正使用者下的查詢以找出更適合於搜尋的關鍵字，"term suggestion"是在指搜尋的時候推薦相關字，這些研究都可以幫忙我解決之前提到的問題，Quintura就是提供一個以Ajax為基礎、具interactive term suggestion功能的搜尋引擎。

Quintura網頁下方有一個長約1分鐘的使用教學動畫，很淺顯易懂，所以我也就不在這裡說廢話了XD。這樣的搜尋引擎在漫無目的或是目標難以描述的時候很好用，系統能夠自動幫你找出一些相關字，可以很輕易的加減關鍵字看結果變化來決定要用哪些關鍵字的組合。

關聯字推薦雖然不是一個新的方法，除了Google之外很多搜尋引擎都有這個功能，可是Quintura讓這個功能變得很好用，這是我喜歡Quintura的原因。

另外我還想到一個功能是Quintura可以考慮的，它或許可以允許使用者在瀏覽搜尋結果時，讓使用者標出哪些搜尋結果是相關的（也許是換個底色），之後使用者在換關鍵字時，可以一目了然看出結果的好壞。同時也可以引進社會化搜尋來提升結果的精度與效度。

還有一個也很有趣的搜尋引擎:ChaCha，ChaCha模仿圖書館員服務的模式請真人來幫你找資料。輸入檢索字後，ChaCha會幫你媒合適合的人來幫你查詢，你可以透過互動介面和對方對話。聽說有一萬個人加入ChaCha幫忙查資料，每小時的pay是USD$5。

搜尋引擎還有一段很長的路要走。我認為社會化搜尋應該是搜尋的下一步，未來最終的理想是能直接抓出使用者的搜尋意圖(search intention)，使用者不用將想法model成關鍵字，可以直接透過口語的型式來表述就能找到想要找的標的。我不期待單透過Natural Language Processing(自然語言處理, NLP)就能夠解決這個問題，但如果NLP配合上社會化搜尋所累積的大量資料，應該還是有可為的。

延伸閱讀：

1. The race to beat google (From Read/Write Web)

2. Search 2.0 - What's Next? (From Read/Write Web)

3. In Silicon Valley, the Race Is On to Trump Google (From New York Times)

4. 東拉西扯：當搜尋遭遇社會 (From 對牛亂彈琴 | Playin' with IT)

5. 搜尋這件事 (From 老白說真話 LaoBai's blog)

6. Yahoo! MindSet

technorati tags: Quintura, 搜尋引擎, 搜尋意圖