資訊檢索Information Retrieval (IR)
資訊檢索是從大量文件中,依使用者的查詢找出相關內容並排序呈現的技術與學科,搜尋引擎是它最常見的應用。
- 英文
- Information Retrieval (IR)
- 台灣常見別名
- 資訊檢索、資訊搜尋、IR
- 簡中用語
- 信息检索、信息搜索
- 類別
- 搜尋引擎運作與資訊檢索
- 提出者與年份
- Calvin Mooers 於 1950 年提出這個名稱;Gerard Salton 等人在 1960 至 1970 年代建立早期實驗系統
- 官方文件
- Manning、Raghavan、Schütze:Introduction to Information Retrieval(2008)
資訊檢索是什麼?
資訊檢索(Information Retrieval,簡稱 IR)直譯就是「把資訊取回來」。想像圖書館的目錄:書太多,不可能每次都一本本翻,所以先建立目錄,讀者查關鍵字,目錄就告訴他哪幾本可能有用。資訊檢索就是這件事的電腦版,處理的對象從書換成網頁、商品說明、PDF 與客服紀錄。
流程分三步:先蒐集文件並建立索引,收到查詢後找出候選文件,最後依相關程度排序呈現。SEO 常說的「爬取、索引、排名」,就是 Google 搜尋用這三步處理整個網路。
舉例(假想情境)
你搜尋「台北 咖啡廳 插座」,Google 不會即時去讀全網,而是先在已建好的索引裡找出提到這些詞的頁面,再依相關性與品質等訊號排序。這整個過程,就屬於資訊檢索。
資訊檢索的時間線與現況
- 1950 年 Calvin Mooers 提出「information retrieval」這個名稱。
- 1960 至 1970 年代 Gerard Salton 與團隊發展 SMART 檢索系統,1975 年與 Wong、Yang 發表向量空間模型。Cranfield 實驗則奠定了用測試集評估檢索效果的方法。
- 1992 年 美國 NIST 開始舉辦 TREC 評測;1994 年 Okapi 團隊在 TREC-3 發表 BM25。
- 1998 年 Brin 與 Page 發表論文,描述 Google 如何把網路規模的檢索做起來。
- 2008 年 Manning、Raghavan 與 Schütze 出版《Introduction to Information Retrieval》,成為標準教科書。
- 近年 向量檢索與混合搜尋興起,檢索也被用來替大型語言模型找資料,也就是檢索增強生成(RAG)。
現況是兩種方法並用:字面比對(例如 BM25)速度快、對型號與專有名詞準確;向量檢索能找出字面不同但語意相近的內容。多數現代搜尋系統會把兩者合併。
為什麼重要
資訊檢索是 SEO 的底層邏輯。頁面要先被爬取與收錄,才有機會被檢索;要被排到前面,內容得和查詢意圖相符。在 AI 搜尋裡,這一步更明顯:AI 回答前要先檢索出幾個頁面當資料,沒被檢索到的內容就不會出現在答案裡。
怎麼檢查
- 到 Search Console 的「網頁索引」報表,確認重要頁面已被收錄,這對應建立索引。
- 用「網址審查」看 Google 實際看到的內容,確認文字不是靠 JavaScript 才出現而被漏掉。
- 到「成效」報表看頁面的查詢與曝光,確認頁面是因為對的查詢被找到。
- 用目標查詢實際搜尋,把前 10 名打開,看它們回答的意圖和你的頁面是否一致。
常見誤解
資訊檢索就是 Google 搜尋。
搜尋引擎只是應用之一,網站的站內搜尋、電商搜尋與 AI 問答前的資料檢索,都屬於資訊檢索。
頁面沒出現查詢的關鍵字,就不可能被找到。
向量檢索可以找出字面不同、語意相近的內容,但對型號與專有名詞,字面比對仍然重要。
找到越多文件,檢索品質越好。
評估看的是前幾名準不準,不是找到的數量。
常見問題
資訊檢索和 SEO 有什麼關係?
SEO 做的事,本質上是讓你的頁面在別人的資訊檢索系統裡被找到、被排前面。了解檢索怎麼運作,才知道為什麼要讓頁面被收錄、用詞要貼近查詢、內容要回答完整問題。
資訊檢索和資料庫查詢差在哪?
資料庫查詢用精確條件取資料,結果是確定的;資訊檢索處理的是沒有固定格式的文字,結果依相關程度排序,同一份文件對不同查詢的相關程度不同。
資訊檢索常見的排序方法有哪些?
傳統做法有 TF-IDF 和 BM25,依詞出現的頻率與稀有度為文件計分。近年加入向量檢索,把查詢和文件轉成向量,用語意接近程度比較。實務上常把兩者合併使用,就是混合搜尋。