什么是智能搜索？

智能搜索由人工智能技术提供支持，可消除数据孤岛，帮助员工和客户快速轻松地找到所需信息。最终用户可使用智能搜索，从任何地方（企业内部或外部）和数据集中提取任何格式的信息，包括数据库中的大数据、文档管理系统、数字化内容、网页和纸质文档等。智能搜索和企业搜索是自然语言搜索、AI 搜索或 AI 支持的搜索以及认知搜索的同义词。

智能搜索的历史和演变

企业信息检索系统的出现早于公共互联网。多用户大型机计算机系统最早带来的好处之一，就是它们能够查找与大型文档存储库中的文本字符串完全匹配的内容，从而促进信息发现。

随着桌面计算和企业内部网的发展，企业搜索商用解决方案，例如 IBM Storage and Information Retrieval System (STAIRS) 和本地搜索工具 FAST（后被 Microsoft 收购），成为企业计算的主流。

然而，Google（及其前身 AltaVista）等可公开访问的免费网络搜索引擎的兴起和普及，从根本上改变了用户对信息检索、内容发现和企业搜索平台的期望。

面对企业搜索工具必须审核的数据数量和种类的快速增长，结果检索速度已成为认知搜索算法性能的关键指标。目前的智能搜索解决方案必须建立在能够满足大数据工作负载的性能需求的架构之上。由于云基础架构能够提供必要的可扩展性，并且具备广泛的 API 驱动型集成与自动化功能，因此通常最适合用于智能搜索任务。

智能搜索与传统搜索引擎

企业无法使用 Google 或其他传统搜索引擎来查找特定于业务的问题，例如“为什么我们的新产品发货延迟？”或“上周报告的主要客户挑战有哪些？”。与搜索引擎和 Web 搜索（如 Bing、Google Search 或 AskJeeves）不同，智能搜索能够提供特定于业务的信息和答案。

人工智能是智能搜索的技术后盾，为相关工具提供了以下能力：

理解人类语言。 业务数据不断更新，而且是使用特定于领域的术语编写的。自然语言处理能力使智能搜索应用能够理解和查询来自多个数据源的数字化内容。语义搜索和上下文理解功能使智能搜索可以分解日常语言和复杂文档中语言的细微差别、同义词和关系。
学习文档结构。 像 IBM Watson Discovery 之类的智能搜索工具包含文档理解 AI，可以进行扩展以理解众多数据源。机器学习能力使智能搜索可以学习特定于企业、行业或领域的文档的可视化结构。在这种理解能力的基础上，智能搜索可以快速学习和识别页眉、页脚、图表和表格等元素。借助这些现成可用的功能，它可以识别文档类型，例如合同、采购订单和发票。
利用机器学习。 机器学习和深度学习可创建无缝即时的查询建议，并逐渐提高搜索查询结果的相关性，预测哪些信息可以为用户带来最大价值。
过滤搜索结果。 对搜索进行分面和过滤可缩小查找范围，在大量数据中迅速找到特定信息。
内容分类。 实体抽取功能将文本数据元素划分到预定义的类别，例如人员姓名、产品、对象类型或组织等。

智能搜索如何运行？

连接数据源并采集数据：如果想要从任何地方获得答案和洞察，那么需要连接并搜寻所有非结构化和结构化数据。可使用“连接器”与内容源相连，例如 Salesforce、Box、Microsoft SharePoint、数据库、Web Crawler 或上传的数据。
对内容建立索引：内容索引功能会创建单个统一的搜索索引，用于对搜索结果进行同质排名，而无论其来源是什么。
丰富内容：查询和获取洞察的能力取决于从内容中提取元数据的能力。通过利用现成的自然语言处理扩充能力（如实体抽取和情绪分析），对关键内容进行分类和识别，从而丰富内容。
分析内容：识别文档内容，进行分类，并创建各部分内容之间的语义关联。
提供答案，展示洞察：智能评分算法对段落评分，为用户提供最准确、最相关的段落和片段，以响应他们的查询。

尝试使用智能搜索查询

智能搜索将自然语言查询中的术语与索引化信息中的内容进行比较。

问题：“我可以休假多少天？”
短语和命令：“我要申请抵押贷款。”
关键词：“保险费率。”

智能搜索的优点

发现洞察，推进决策：非结构化文本数据中蕴含着丰富的洞察。智能搜索应用使用自然语言处理技术，确定内容的含义，并在多个数据源（如推文和 LinkedIn 等社交媒体、客户反馈、电子商务报告和维护记录等）之间建立关联，以快速准确地提供实时洞察。
让员工触手可得相关信息：使用智能搜索创建企业搜索平台、知识管理系统、内容管理系统或问答系统，在团队内打造简便的用户体验。
大规模提供客户服务：持续为客户提供正确答案和更出色的体验。客户需要的不仅仅是常见问题解答。如今的客户比以往任何时候都更希望在您的网站和移动应用上获得全面的自助服务 —虚拟客服和智能搜索可以帮助客户实现独立性。一方面客户可以自己获得所需的答案，而另一方面企业可以降低支持成本并提高客户满意度。

智能搜索用例

企业在多个数据源中存储非结构化和结构化格式的文档和数据。员工每个工作日平均要在信息搜索上花费 3 个小时。

从企业的非结构化数据中找到洞察和答案不应是一件难事。是时候借助智能搜索转型为数据驱动型企业了。

节省时间。 许多银行已实现知识发现自动化，可在两分钟内完成之前需要十天才能完成的发现工作。
节约成本。 某能源行业的客户减少了企业知识库中搜索相关信息所花费的时间，节省的时间价值超过 1000 万美元。了解更多信息
减少工作量。 一家保险业客户阅读和分析内部企业数据的工作量减少了 90%。了解更多信息
增加收入。 许多律师事务所使用搜索应用来改进业务流程，从而使工作效率提高了四倍，收入增长达到 30%。了解更多信息