搜尋結果彙整分析及呈現方式

有一些研究對使用者所輸入的查詢關鍵字及查詢結果，去觀察分析對於搜尋 結果的好壞是取決於給定查詢關鍵字的好壞、難易度，進而可預測查詢關鍵字的 有效性。另一些研究著重在查詢結果的呈現上，在搜尋過程中，使用者可能並不 知道要如何使用哪些關鍵字來代表他們的搜索需求。所以這部份研究在探討，對 於查詢結果要如何的分類、摘要呈現給使用者，讓使用者能快速瞭解，甚至可以 比較多重結果的不同。

<1> 預測查詢關鍵字的有效性

論文[5]認對於關聯式資料庫查詢，使用者所給予查詢關鍵字的好壞，嚴重地 影響到系統回傳的結果。若是好的查詢字則並不會因為系統所使用的計算模型有 了變化，而造成整個回傳結果有著顯著地差異。系統回傳的結果好壞，通常與查 詢字是否下的夠明確或是檢索的方法有關，而此該論文著重在於查詢字的判斷避 免太過普及的字造成得到的結果過於分散，藉由前後的排序差異程度，判斷其查 詢字的難易度。而具體明確的查詢字所得到的結果，才是容易符合者的搜尋意 圖。

<2> 搜尋結果彙整呈現方式

在一般使用搜尋引擎進行查詢，搜尋引擎會回傳符合關鍵字的文件內容和摘 錄一段查詢結果片段(Search Result Snippet)給使用者。但若要使用一般搜尋引擎 查詢結果片段(Search Result Snippet)之技術，套用到結構性資料查詢上是不適用 的。由於結構性資料多數都是轉換成圖形結構的格式，與一般搜尋引擎的文字文 件資料格式上並不同。論文[12]提出對於 XML 格式資料，利用使用者所輸入的查 詢關鍵字以及查詢於 XML 資料的結果，彙整出簡潔、清楚的查詢結果片段，讓 使用者快速掌握資訊且可以同時瀏覽多個片段，迅速判斷是否符合該搜尋意圖。

論文[15]則是認為 50%的關鍵字查詢類型屬於資訊探索的查詢，查詢結果本 身就具有多個面向的相關結果。該論文提出彙整查詢結果片段和排名等技術，可 以從結構性資料中自動區分不同面向的查詢結果，幫助使用者找到相關結果，並

且可以直接快速地瀏覽，比較多個面向相關結果的不同。

由於結構性資料的特性是有具有綱要資料(Meta Data)，描述資料所對應的屬 性，對於資料庫就是屬性欄位。論文[21]利用結構性資料具有屬性特性，視屬性 欄 位 為 摘 要 面 向 (Facet) 選 擇 的 其 中 一 個 考 量 。 所 提 出 特 定 查 詢 面 向 選 擇

(Query-Specific Facet Selection)作為摘要的評斷標準，除了依據查詢字和資料本身 相關性之外，再加上根據事先收集的查詢記錄檔，用機器學習方法學習每個查詢 字中的重要面向。所整理摘要出的結果是能對於每個不同的查詢，找出適合且包 含不同屬性欄位和屬性值呈現給使用者。

論文[7]認為使用者並不知道實際資料庫所擁有的內容，無法清楚地了解自己 所需要的資訊，就無法給予明確的關鍵字。該論文提出一個 ReDRIVE 系統，可 透過使用者所給予查詢字之搜尋結果進行處理，再透過推薦的機制，讓使用者使 用面向查詢(facet Search)的方式點選，讓使用者找到的查詢結果更符合本身需求 或是找尋到額外有興趣的主題資料。

總結上述關聯式資料庫之關鍵字查詢結果彙整呈現方式相關研究，目的都是 增進關鍵字查詢對於關聯式資料庫之效果，有從查詢關鍵字中預測查詢之有效性。

也有針對要回傳給是使用者的查詢結果探討如何彙整呈現，或是透過推薦的機制，

讓使用者參考立即動態調整的查詢條件。可自行決定本身的搜尋喜好，更能找到 符合的結果。