2. วัดผลดี มีชัยไปกว่าครึ่ง
If you can’t measure, you can’t control อะไรก็ตามที่คุณวัดไม่ได้ ก็ยากที่คุณจะควบคุมมันได้ การตลาดออนไลน์ก็เช่นเดียวกัน หลายธุรกิจลงทุนไปกับสืื่อหลากหลายชนิด ทั้งลงนิตยสาร หนังสือพิมพ์ วิทยุ โทรทัศน์ แผ่นพับ ใบปลิว หรือ โฆษณาผ่านอินเตอร์เนต แต่กลับละเลยที่จะวัดผลของสื่อเหล่านั้นอย่างมีรูปธรรม เป็นโชคดีของการตลาดออนไลน์ ทีมีทางออกง่ายๆ ในการวัดผลตอบแทน เนื่องจากมีเครื่องมือในการวัดผลอย่าง Google Analytics ซึ่งนอกจะใช้บริการฟรีแล้วยังสามารถ ติดตามพฤติกรรมผู้บริโภคได้อย่างลึกซึ้ง ไม้ว่าเทคโนโลยีที่ใช้จะเป็น website, flash, email หรือ video แม้ว่าจะมีข้อจำกัดเรื่อง pageviews หรือจำนวนหน้าในการเข้าชมจะต้องไม่เกิน 5 ล้าน pageviews ต่อเดือน สำหรับฟรี account หากเกินกว่านั้นก็มาเป็นลูกค้าโฆษณาของ Google ก็สามารถใช้ฟรีโดยไม่มีข้อจำกัด

3. วิเคราะห์เด่น ก็เป็นต่อ
ปัญหา ที่พบในปัจจุบันไม่ใช่ว่าเราไม่สามารถวัดผลได้ แต่การแปลผลที่ได้นั้นมีความสำคัญยิ่งกว่า จะมีประโยชน์อะไรที่มีกราฟสถิติมากมายแต่เราไม่ทราบว่าข้อมูลเหล่านั้นส่งผล อย่างไรต่อเวปไซต์ของคุณ เคล็ดลับก็คือ Segmentation คุณต้องพยายามแบ่งกลุ่มผู้เข้าชม อาทิเช่น มาจาก Search Engine, โฆษณาออนไลน์, หรือพิมพ์ url ตรงๆเข้ามาเลย และทำการวิเคราะห์พฤติกรรมการใช้งานจากข้อมูลที่ Segment เรียบร้อยแล้ว จะทำให้คุณทราบถึงข้อมูลเชิงลึกของลูกค้ากลุ่มนั้นๆอย่างลึกซึ้ง

4. ปรับปรุงเพื่อชัยชนะ
ที่ กล่าวมาคงจะไม่สมบูรณ์ถ้าขาดส่วนการปรับปรุง (Optimization) เพื่อผลตอบแทนที่ดีกว่า เมื่อคุณได้ข้อมูลจากการวิเคราะห์อย่างละเอียด คุณสามารถนำเอาข้อมูลดังกล่าวมาทดสอบ เพื่อปรับปรุงให้มีผลตอบแทนต่อหน่วยสูง
ที่สุดกล่าวอีกนัยหนึ่งก็คือ ต้องพยายามเปลี่ยนจากผู้เข้าชมเป็นลูกค้ามากที่สุด (Conversion) ไม่ว่าจะเป็นการทำรายการซื้อสินค้า สอบถามราคา หรือ ลงทะเบียนจดหมายข่าว

5. SEO
Search Engine Optimization (SEO) แปลตรงๆก็คือ การปรับแต่งเวปไชต์เพื่อ Search Engine เนื่องจากในปัจจุบันมีผู้ใช้งานอินเตอร์เนตจำนวนไม่น้อยที่ค้นหาข้อมูลผ่าน Search Engine อย่าง Google, Yahoo, MSN หรือ Ask.com ทำอย่างไร Search Engine เหล่านี้จึงจะสามารถแสดงผลลัพธ์ในการค้นหาเป็นเวปไซต์ของเราอยู่ในอันดับ ต้นๆ นั่นเป็นที่มาการของ SEO เคล็ดลับหนึ่งก็คือ ส่ง Sitemaps ให้กับ Search Engine ดังๆ ที่ dmoz.org เพื่อการกระจายของ URL ไปยัง Search Engine ทั้งหมดข้างต้นฟรี

6. SEM
Search Engine Marketing คือการแสดงโฆษณาควบคู่ไปกับผลลัพธ์ของการค้นหาผ่าน Search Engine บางคนเข้าใจ SEM ว่า เพียงลงทุนในโฆษณามากๆผลลัพธ์ก็จะดีเอง หลายครั้งที่อันดับที่ของผลลัพธ์การค้นหาคนที่ลงทุนมากกว่ากลับได้อันดับที่ ต่ำกว่า เคล็ดลับก็คือ การ Benchmark เทียบการลงทุนกับผลตอบแทนจึงจะทราบว่า ความคุ้มค่าในการทำ SEM เป็นอย่างไร

7. Consultant is not needed
หาก มีทั้งบุคคลากรที่เชี่ยวชาญและเวลาในการวัดผลและวิเคราะห์รวมไปถึงการปรับ ปรุงผลลัพธ์ในการทำการตลาดออนไลน์ ที่ปรึกษาการตลาดออนไลน์ก็ไม่มีความจำเป็น แต่ในปัจจุบัน เทคโนโลยีการตลาดออนไลน์ก้าวไปข้างหน้าอย่างรวดเร็ว การมีทีมที่ปรึกษาซึ่งทุ่มเทกับการวิจัย พัฒนา และนำมาใช้จริง จะสามารถลดทั้งต้นทุนและเวลาอีกทั้งเพิ่มความคุ้มค่าให้กับเม็ดเงินทุกบาท ทุกสตางค์ที่คุณลงทุนไป ให้เกิดประโยชน์สูงสุด

ที่มา : http://idealhosting8.blogspot.com/

Directory URL

http://www.dir-traffic.com

http://www.thaiseoboard.com/go/?http://freebacklinktool.com/?affid=orawan

รับวางที่ Sheeplink เมืองทอง ราคาพิเศษ

เพียง 2,000 บาท

รับวางที่ ISPIO กสท .บางรัก ราคาพิเศษ

เพียง 2,200 บาท

ใหม่ล่่าสุด!

รับวางที่ CSLOX รัชดา ราคาพิเศษ
สาย 1Gbps

เพียง 2,500 บาท

เอามาวางเยอะๆลดให้อีกครับ

สนใจติดต่อได้ครับ

http://www.Onairnetwork.net

email/msn: admin@onairnetwork.net

083-739-8895 วิว

084-111-1310 ตั้ม

VPS Server Spec

(Dell PowerEdge R410 Rack Server)

Dell PowerEdge R410
CPU : Intel® Xeon® Processor E5630 (12M Cache, 2.53 GHz, 5.86 GT/s Intel® QPI)
RAM : 32 GB 4×8 DDR3 1333MHz
HDD : 2TB 500×4 SATA2 7200rpm
Card Lan : Broadcom BCM 5716
Network Connection : 2 Gbps

VPS (Virtual Private Server)

VPS (Virtual Private Server) คือ เซิร์ฟเวอร์เสมือน บางครั้งก็หมายถึง Virtual Dedicated Server หรือ เครื่องเซิร์ฟเวอร์ เป็นการจำลอง
แบ่งเครื่อง Server ประสิทธิภาพสูง ออกเป็น Server เสมือนจำนวนหนึ่ง โดย Server เสมือนแต่ละตัวนี้จะถูกเรียกว่า Virtual Machine
และทำงานได้เสมือนกับ Dedicate Server VPS แต่ละเครื่องนี้จะแยกการทำงานออกจากกันโดยสิ้นเชิง สามารถลง OS หรือ โปรแกรมต่างๆ ได้อย่างอิสระ นอกจากนี้ หาก VPS ตัวใดตัวหนึ่งเสียหาย จะไม่มีผลกับการทำงานของ VPS ตัวอื่น ๆ ในระบบ

VPS ก็ คือเมื่อคุณนำเซิร์ฟเวอร์และส่วนประกอบเข้าด้วยกันจำลองเป็นเซิร์ฟเวอร์ ขนาดเล็กทำงานอิสระด้วยระบบปฎิบัติการส่วนตัว แต่ใช้ฮาร์ดแวร์ร่วมกัน VPS เป็นการจำลองระบบโฮสติ้งที่รวมข้อดีทั้งโฮสติ้งทำงานร่วมกัน Shared Hosting และ เครื่องโฮสติ้ง Dedicated Hosting เข้าด้วยกัน เสมือนว่าเป็นเครื่องเซิร์ฟเวอร์ Dedicated Server แต่ ราคาจะถูกกว่า ส่วนใหญ่ VPS เหมาะสำหรับเจ้าของเว็บไซต์ที่ต้องการสิ่งแวดล้อมของโฮสต์ที่แยก ด้วยเหตุผล ของ ความปลอดภัย และประสิทธิภาพการทำงาน และ การใช้ ความสามารถพิเศษของโฮสติ้ง เช่นการกำหนดไฟร์วอลล์ได้เอง การใช้ SSH และ หมายเลข IP address แบบเฉพาะ..

www.ihotvps.com

การเช่าเซิร์ฟเวอร์ ที่เราให้บริการนั้นแบ่งออกเป็น 4 รูปแบบคือ

1. เช่าเซิร์ฟเวอร์ระบบปฎิบัติการ Windows

2. เช่าเซิร์ฟเวอร์ระบบปฎิบัติการ Linux

3. เช่าเซิร์ฟเวอร์เพื่อตั้ง เมลเซิร์ฟเวอร์

4. เช่าเซิร์ฟเวอร์เพื่อตั้ง VPS เซิร์ฟเวอร์

More Detail : http://www.onededicated.net

ผลลัพธ์การค้นคืนจะมีค่าแค่ True หรือ Falseคือต้องเหมือนกับคำค้น 100% (exact-match)ซึ่งจะไม่มีการเรียงลำดับ โดยการ query จะใช้ Boolean (AND, OR, NOT)

หมายเหตุ: ถ้าต้องการให้เรียงลำดับได้ใน inverted index ที่มีความถี่หรือเก็บ position

ข้อดี

-     ผลลัพธ์สามารถคาดการณ์ได้และอธิบายได้ง่าย

-     สามารถเอา features มาผสมผสานเพื่อทำให้การค้นคืนแบบ booleanน่าสนใจ

-     กระบวนการประมวลผลค่อนข้างมีประสิทธิภาพเพราะวิธีแบบ exact-matchทำให้กำจัดเอกสารปริมาณมหาศาลได้

ข้อเสีย

-     ประสิทธิผลของการค้นคืนอยู่ที่คำค้นของผู้ใช้

-     ถ้าคำค้นเป็นแบบง่ายๆ ผลลัพธ์การค้นคืนอาจจะไม่ดีก็ได้

-     ถ้าต้องการทำให้ผลลัพธ์ออกมาดี คำค้นมีความซับซ้อนทำได้ยาก

Searching by Numbers: คำค้นยิ่งซับซ้อน ปริมาณผลลัพธ์การค้นคืนก็จะยิ่งน้อยลง

Query processing: OR

Brutus OR Caesar

- เข้าไปที่ Inverted Index ค้นคำว่า Brutusแล้วดึงหมายเลขของเอกสารออกมา

- เข้าไปที่ Inverted Index ค้นคำว่า Caesar แล้วดึงหมายเลขของเอกสารออกมา

- จากนั้นนำมารวมกัน (merge) เป็นผลลัพธ์การค้นคืน

Query processing: AND

Brutus AND Caesar

- เข้าไปที่ Inverted Index ค้นคำว่า Brutusแล้วดึงหมายเลขของเอกสารออกมา

- เข้าไปที่ Inverted Index ค้นคำว่า Caesar แล้วดึงหมายเลขของเอกสารออกมา

- จากนั้นนำมารวมกัน (merge) เป็นผลลัพธ์การค้นคืนโดยเริ่มจากเอกสารที่มี id น้อยถ้าเจอเหมือนกันจึงจะนำไปแสดงเป็นผลลัพธ์การค้นคืน

เขียนเป็น algorithm ได้ดังนี้

1. Set answer ให้เป็น set ว่าง
2. p1 คือคำค้นตัวที่ 1 ไม่เป็นค่า null, p2 คือคำค้นตัวที่ 2 ไม่เป็นค่า null
3. ถ้าหมายเลขของเอกสารจากp1 และ p2 เหมือนกันให้เพิ่มเข้าไปใน set ของ answer

7-9. ถ้าหมายเลขเอกสารของ p1 น้อยกว่า p2 ให้เลื่อน p1 ถ้าไม่ใช่ให้เลื่อน p2

ระบบสารค้นคืนเอกสาร (document) ที่ตรงกับความต้องการของผู้ใช้(ผู้ใช้ต้องพึงพอใจ)โดยต้องทำงานได้อย่างรวดเร็ว

Information retrieval

ระบบการค้นคืนสารสนเทศ ที่มีความสัมพันธ์(Relevance)กับคำค้น(query)ที่ผู้ใช้ใส่เข้าไปในระบบ เน้นว่า ”เอกสารหรือสารสนเทศที่ถูกค้นคืนจะต้อง relevant กับคำค้นในเชิงตัวหนังสือ(text)”

Boolean queries

เป็นการใช้ exact match ในการค้นหาโดยใช้ operator AND, OR, NOT จะให้ผล TRUE, FALSE ระบบที่ใช้เช่น Email, Spotlight บน Mac OS X, library catalog

Vector Space Model

เป็นรูปแบบที่ใช้เวคเตอร์เป็นตัวแทนของเอกสารและคำค้น โดยเวคเตอร์จะต้องถูกถ่วงด้วยน้ำหนักคำ(term weight) ซึ่งจะช่วยลดปัญหาของ exact match ซึ่งในการเปรียบเทียบความเหมือนจะใช้ cosine correlation

Recall

สัดส่วนของ relevant document ที่ถูกค้นคืนออกมาได้ ต่อ relevant document ทั้งหมด ใน search engine เราไม่รู้ว่า relevant document มีอยู่เท่าไร

Precision

ความแม่นยำของเอกสารที่ถูกค้นคืนออกมาว่าถูกใจผู้ใช้แค่ไหน ใน search engineส่วนนี้ต้องให้คนมาประเมิน

F Measure

เป็นค่าเฉลี่ยฮาร์โมนิคของ recall กับ precision

False Positive (Type I Error) à ความผิดพลาดที่ไม่ร้ายแรง ไม่จำเป็นต้องแก้ไขก็ได้

สัดส่วนของเอกสารที่ไม่ relevant ที่ถูกค้นคืนออกมา ต่อ เอกสารที่ไม่ relevant ทั้งหมด

False Negative(Type II Error) à ความผิดพลาดที่ร้ายแรง จำเป็นต้องแก้ไข

relevant documentที่ไม่ถูกค้นคืนออกมา มีค่าเท่ากับ 1-recall

Mean Average Precision (MAP)

เป็นค่าเฉลี่ยของ precision ของคำค้นหลายๆคำที่เกี่ยวข้องกัน(relevance) เอาไปทำ ranking

Interpolation

เป็นการเฉลี่ยกราฟ precision-recallโดยการกำหนดค่าใหม่ให้ precision ซึ่งค่าสูงสุดของ precision จะเท่ากับค่าสูงสุดของ recall ในแต่ละระดับ

Discounted Cumulative Gain (DCG)

Relevant document ที่อยู่ rank ต้นๆจะมีค่า gain สูง,Relevant document ที่อยู่ rank ท้ายๆจะมีค่า gain ต่ำ

ซึ่ง DCG ไม่ได้สะท้อนความพึงพอใจของผู้ใช้

Folksonomy

การที่ให้ผู้ใช้(เพื่อน)ช่วย tag

Tag Clouds

กลุ่ม tag ที่มีขนาดเล็กใหญ่ไม่เท่ากัน ถ้ามีการใช้บ่อยๆใช้มาก ก็จะตัวใหญ่

Collaborative Search

การ search แบบช่วยกันเป็นทีมเป็นกลุ่มซึ่งต่างคนต่าง search ต่างก็ใช้คำค้นของตัวเอง แต่สนใจในงานแบบเดียวกัน

Metasearch Engineมีสองความหมาย

1)    คือ engine ที่ส่งคำค้นไปที่ search engine ตัวอื่นๆหลายๆตัวแล้วเอาผลลัพธ์การค้นคืนของแต่ละ search engine มาจัดเรียงใหม่เพื่อคืนผลลัพธ์การค้นคืนให้กับผู้ใช้ àไปให้ชาวบ้านทำงานแล้วเอาผลงานของเค้ามาดัดแปลงเป็นงานของเรา

2)    คือ การค้นคืน ค้นหา metadata

Bag of Words

เอกสารที่ไม่ได้สนใจเรื่องลำดับก่อนหลังของหรือความสัมพันธ์ของคำ(word)เปรียบเสมือนถุงที่บรรจุคำพอเทคำออกมาก็กระจัดกระจายอ่านไม่รู้ความ

Entity Search

เป็นการ search หาตัวแทนที่มีคุณสมบัติหรือคุณลักษณะเหมือน/คล้ายคำค้น (Entity คือตัวแทนที่รู้จักโดยทั่วไปเช่นพนักงาน, นักเรียน, บริษัท ) เช่นใช้คำค้นว่า “biomedical research and technology” ผลลัพธ์การค้นคืนก็จะออกมาเป็น ชื่อองค์กรหรือห้องแล็บด้าน biomedical

Big Table

เป็นชื่อโครงสร้างของฐานข้อมูลของ googleโดยจะเก็บข้อมูลทุกอย่างไว้ในตารางเดียวกันโดยที่สามารถเพิ่ม column ได้เพื่อเก็บ featureใหม่ที่เราสนใจ และไม่ต้องใช้ query language

Zipf’s Law

เป็นกฎที่มาจากการศึกษาของ G.K. Zipfในปี 1935 เกี่ยวกับการจัดลำดับความถี่ของคำที่พบในเอกสารเขากล่าวว่าเมื่อนำคำในภาษาอังกฤษมาจัดลำดับตามความถี่ที่พบในเอกสารจะพบว่ามีจำนวนคำเพียงจำนวนน้อยที่พบบ่อยส่วนจำนวนคำอีกมากมายนั้นพบเพียงน้อยครั้ง(หมายความว่า “คำที่ใช้กันบ่อยๆ(บางทีอาจเรียกว่า stopwords) มีไม่กี่คำ àไม่ควรเอามาทำ index” )

Tokenizing

เป็นกระบวนการตัดคำเช่นเมื่อก่อนจะทำดังนี้ 1) แปลงตัวหนังสือให้เป็นตัวพิมพ์เล็ก(lower case)  2) ตัดอักขระพิเศษทิ้ง 3) คำที่ประกอบด้วยอักขระน้อยกว่า 3 ตัวตัดทิ้ง

Stopwords

คือคำที่เกิดขึ้น, ปรากฎขึ้นบ่อยครั้ง เช่น a,an, the, in, on, at, is, am, are, do, does, did, have, has, had, not, to, for,…

โดยทั่วไปคำพวกนี้ไม่ควรนำมาทำ index แต่ในกรณีที่เป็นวลีเช่น “to be or not to be” ถ้าไม่เอามาทำ index ก็จะสืบค้นไม่เจอ

Stemming

คือการที่นำคำมาตัด suffixออกซึ่งจะได้ stem ที่มีความหมายหรือไม่ก็ได้ เราจะใช้วิธีการ Porter Stemmer

Word N-Grams

คือวลีที่ประกอบด้วยคำ N คำ ซึ่งถ้ามี 1 คำเรียกว่า unigram, 2 คำเรียกว่า bigram, 3 คำเรียกว่า trigram โดยจะนำWord N-Grams ไปทำ index ซึ่งที่ใช้กัน N จะมีค่าระหว่าง 2 ถึง 3 จะใช้ในการปรับปรุงผลการค้นคืน และทำได้เร็วกว่า POS tagging

POS Tagging

เป็นวิธีในการระบุว่าคำนั้นๆ มี POS(part of speech)เป็นอะไร เช่น noun, verb, pronoun

Indexes

เป็นตัวแทนของเอกสาร มีไว้สำหรับการเปรียบเทียบกับคำค้นเพื่อหาว่าเอกสารใดเหมือนกับคำค้น ก็จะดึงเอกสารนั้นมาเป็นผลการค้นคืน

Inverted Index

เป็นวิธีที่ใช้ index ย้อนกลับไปเพื่อหาตัวเอกสาร เช่น หนังสือจะมี index(ดัชนี) อยู่ท้ายเล่ม เราก็ไปเปิดหน้าดัชนีเพื่อหาคำที่ต้องการว่าอยู่หน้าไหนของหนังสือ

Search Engine Architecture

Software architecture ประกอบไปด้วย ส่วนต่างๆ ของ software, interfaces ที่ถูกสร้างจากส่วนประกอบและความสัมพันธ์ระหว่างส่วนประกอบนั้นๆสถาปัตยกรรมของ search engineถูกกำหนดด้วย effectiveness: ประสิทธิผล (คุณภาพของผลลัพธ์) และ efficiency: ประสิทธิภาพ (ระยะเวลาในการค้น)

1. Indexing Process

1.1  Text Acquisition: การระบุหรือดึงข้อมูลเอกสารต่างๆ มาจัดเก็บสำหรับทำ index

- Crawler: คอยดึงเอกสาร(download) เพื่อเป็นแหล่งข้อมูลของ search engineโดย crawler จะใช้ linksในการค้นหาเอกสาร

- Feeds: ส่ง update หน้า web เช่น RSS (Rich Site Summary à Really Simple Syndication)

- Conversion

• แปลงเอกสารที่มีความแตกต่าง ให้เป็นข้อความที่สอดคล้องกันรวมทั้งmetadata formatเช่น HTML, XML, Word, PDF ไปเป็น XML
• แปลงการเข้ารหัสข้อความสำหรับภาษาที่แตกต่างกันเช่น UTF-8

- Document data store

• เก็บข้อมูลของเอกสาร เช่น ประเภท, วันที่สร้าง, links, anchor text (<a href=”URL” alt=”alternate text for text browser” title=”balloon text when your mouse over the link”>Anchor text</a>เอาไปทำ index, ทำ ranking)
• ทำให้เข้าถึง contents ของเอกสารได้เร็วขึ้น

1.2  Text Transformation: แปลงเอกสารให้อยู่ในรูปที่พร้อมทำ indexด้วยวิธีการบางอย่างขึ้นอยู่กับ model ที่เลือกใช้

- Parser

• เอาเนื้อหามาประมวลลำดับของคำในเอกสารเพื่อรับรู้องค์ประกอบโครงสร้าง เช่น titles, links, headings
• tokenizer (คำที่ถูกตัดเป็นคำๆ)โดยพิจารณาจาก ช่องว่าง, hyphen (-), apostrophe(‘)
• Markup languages เช่น HTML, XML

- Stopping: การกำจัดคำที่ไม่มีเนื้อหาออกไป หรือ stop word (คำที่ไม่มีประโยชน์ใน content) เช่น and, or, the, in ซื้ออาจมีผลกระทบต่อประสิทธิภาพและประสิทธิผลของผลการค้นหา แต่ถ้ากำจัดออกไปหมดอาจมีปัญหาในบาง queriesเช่น ค้นคำที่เป็นวลี

- Stemming: หารากคำเพื่อหาคำที่มีความหมายเหมือนกัน เช่น computer, computing, computeซึ่งจะทำให้ประสิทธิภาพการค้นคืนดีขึ้น แต่ก็ไม่เสมอไปในกรณีที่เป็นการค้นคืนแบบเป็นวลี

- Link Analysis: ใช้ประโยชน์ของ links และ anchor text ในการทำ pagerankโดยการดูความนิยมในการนำ anchor text นั้นมาใช้กับ linksถ้าคำๆ นั้นถูกใช้ระบุหาถึง link นั้นเสมอแสดงว่าคำๆ นั้นสำคัญกับ link นั้น ดังนั้น anchor text มีความสำคัญเพราะจะสามารถเป็นตัวแทนของ link ได้

- Information extraction

- Classifier

1.3  Index Creation (Indexer): สร้าง index โดยนำคำที่เป็นindexที่ถูกเตรียมไว้และสร้างโครงสร้างข้อมูลมาทำ index

- Document statistics

- Weighting

- Inversion

- Index distribution

2. Query Process

2.1  User Interaction

- Query input

- Query transformation

- Results output

2.2  Ranking: เอา query และ index มาเปรียบเทียบความเหมือน

- Scoring

- Performance optimization

- distribution

2.3  Evaluation: สังเกตและวัดผล ประสิทธิภาพและประสิทธิผล (มีหรือไม่มีก็ได้)

- Logging

- Ranking analysis

- Performance analysis

เราต้องการใช้ข้อมูลบางส่วนจากข้อมูลปริมาณมหาศาลโดยระบบคัดเลือก (การจัดการ, การจัดเก็บ, การค้นหา, การค้นคืนแบบมีโครงสร้าง) ข้อมูลที่เราต้องการIR เป็น field ที่เกี่ยวข้องกับ โครงสร้าง, การวิเคราะห์, การจัดระเบียบ, การจัดเก็บ, การค้นหาและการค้นคืนข้อมูล ในเมื่อ IR คือการค้นคืนเอกสาร (document)

อะไรคือเอกสาร(Document)?

Examples: web pages (IR search engines), email (outlook), books (amazon), ข่าว, บทความวิชาการ, ข้อความตัวอักษร, word, powerpoint, pdf, กระทู้, สิทธิบัตร, message log

คุณสมบัติทั่วไป: มีเนื้อหาข้อความ, มีโครงสร้างบางอย่าง เช่น ชื่อเรื่อง, ผู้เขียน, หัวเรื่อง, ผู้ส่ง

Documents vs Database Records

-       database records มีโครงสร้างมีคำจำกัดความที่ชัดเจนแต่ documents ไม่มี

-       database ง่ายต่อการเปรียบเทียบfields

-       database ผลลัพธ์การ queries จะเป็นการค้นหาคำที่ตรงกับคำค้นซึ่งไม่รับประกันว่าผลการค้นจะตรงกับสิ่งที่ต้องการ ส่วน IR จะเป็นการเปรียบเทียบคำว่าเหมือน (คำเหมือน, ความหมายเหมือน) กันมากแค่ไหน

Comparing Text: นำคำค้นที่ได้ไปเปรียบเทียบกับเนื้อหาของเอกสาร แล้วตัดสินใจว่าเหมือนมากหรือน้อย ถ้าเหมือนมากคะแนนสูง อยู่บนๆ เหมือนน้อยคะแนนน้อยอยู่ล่างๆ เพราะการค้นคำที่เหมือนกันทุกประการ จะทำให้คำที่มีความหมายเหมือนกันถูกกำจัดออกไป ดังนั้น IR คือการค้นหาคำที่เหมือนกับคำค้นให้มากที่สุด ไม่ว่าจะเหมือนมากหรือเหมือนน้อย

Dimensions of IR

Vertical Search: การค้นข้อมูลเฉพาะทาง เช่น ข้อมูลที่เกี่ยวข้องกับดาราที่เราสนใจ ไม่ว่าจะเป็นภาพ, วีดีโอ, ข้อความ

Enterprise search: เป็นการค้นข้อมูลภายในองค์กร

Literature search: ค้นหาบทความวิจัย

IR Tasks

-       Ad-hoc search:การค้นหาเอกสารที่เกี่ยวข้องกับคำค้น

-       Filtering:การกรองข้อมูลโดยดูจาก profile ผู้ใช้เมื่อมีเอกสารใหม่เข้ามาถ้าตรงกับ profile ก็จะแสดงเอกสารที่เกี่ยวข้องนั้น เช่น ระบบ recommend ของ amazon

-       Classification:การจำแนกข้อมูล

-       Question answering:ระบบตอบคำถาม เป็น advance IR

Big Issues in IR

-       Relevance (ความเกี่ยวพันธ์): เอกสารที่มีข้อความหรือเนื้อหาที่ผู้ค้นต้องการ ซึ่งมีปัจจัยมากมายที่ใช้ตัดสินใจว่าอะไรที่เป็นเอกสารที่ผู้ค้นต้องการคำค้นเดียวกันแต่ผู้ค้นต่างกันอาจต้องการเอกสารต่างกัน

• Topical relevance:เอกสารมีความเกี่ยวพันธ์กับคำค้นที่ผู้ใช้สนใจเช่น ผู้ใช้ค้นข้อมูลใน googleในส่วนแสดงผลค้นคืนก็คือ topical relevance แต่ link ที่ผู้ใช้ click เข้าไปคือ user relevance
• User relevance:เป็นเอกสารที่ผู้ใช้สนใจ

Retrieval model (ตัวแบบการค้นคืน)เป็นตัวกำหนดมุมมองความเกี่ยวพันธ์

Ranking algorithms (ขั้นตอนการจัดอันดับ)ที่ใช้ใน search engines ก็เป็นส่วนหนึ่งของ retrieval model

Model ส่วนใหญ่จะใช้คุณสมบัติทางสถิติของตัวอักษรมากกว่าทางภาษา

-       Evaluation (การประเมินผล): การประเมินผลส่วนใหญ่จะใช้คนขั้นตอนการทดลองและการวัดผล จะใช้การเปรียบเทียบผลลัพธ์ของระบบกับสิ่งที่ผู้ใช้คาดหวัง การที่จะดูว่าระบบ IR ดีหรือไม่ดี วิธีที่ง่ายที่สุดคือใช้ test collection (ชุดทดสอบ)ของเอกสาร, queries และการตัดสินความเกี่ยวพันธ์ซึ่งโดยส่วนมากใช้ขององค์กร TREC ที่ได้จัดทำไว้แล้ว

-       Users and Information needs:

• การประเมินผลการค้นคืนต้องให้ผู้ใช้เป็นศูนย์กลาง
• คำที่ใช้ค้น อาจไม่ใช้ตัวแทนของคำค้นที่ดี
• การโต้ตอบระหว่างระบบกับผู้ใช้มีความสำคัญ เพื่อเข้าใจความต้องการของผู้ใช้
• การปรับปรุงเทคนิคการค้นคืน เช่น การแนะนำคำค้น, ข้อเสนอแนะเพื่อปรับปรุงอันดับผลการค้น