| |
關鍵字、以文找文與概念式搜尋三者是完全不同的搜尋方式，透過此三種模式會找出不同的搜尋結果。因此在合於趨勢與需求下，使用者皆期望能有效整合三者所長，以提高檢索資訊時的寬度和深度。宇匯運用行為探勘技術時，則是依個人的行為將個人歸類於特定群體中，再由特定群體的共同行為找到最適合當下情境的推薦。
宇匯強烈理解使用者的期望，因此以自身研發的核心技術發展成嶄新的各類系統，運用智慧比對與推薦技術，讓個人與企業在應用知識時能更加有效率並體驗令人愉悅的使用過程。
|
| |
|
| |
 |
概念搜尋技術 |
A. 概念化學習
1. 快速學習曲線
高效率的概念學習能力，如同一把發現縮短學習時間的鑰匙，能使學習的週期縮短，並減少使用者反覆使用的次數。
(1) 先將資料庫的特徵予以分析與合併。
(2) 資料的收集技術，能使用戶的搜尋概念被有效地表達出來，系統會提高各種概念的學習準確性，並反過來縮短系統學習週期。
(3) 各用戶所呈現的各種不一樣的學習結果，可使系統自動地檢索和修正搜尋結果，並使系統縮短學習時間。
2. 機器自動學習
讓搜尋引擎自動學習是宇匯研發技術的出發點，讓系統的搜尋引擎能利用使用者所給的反饋來進行快速的自動學習。以有效率的方式，學到使用者對系統搜尋結果的接受程度，並結合之前的搜尋概念，以提高使用者的使用效率。
3. 引導系統學習
概念式搜尋的學習能力是一項相當困難的技術。因為當系統只有從某幾項文件學習概念時，所搜尋出的概念很容易偏離使用者的真實想法，而且可能經過一次學習之後，搜尋出來的結果跟上次搜尋出來的結果具有相當大的差異。宇匯解決了這個問題，經由一項「引導系統學習」技術的應用後，概念式搜尋的系統就是在一種受基本控制的情況下進行學習，使系統漸趨調整自己的學習準確度與自由度，在大量資料中迷路或是背離使用者概念的情況就可以被避免。
4. 概念趨近
因為概念是一種動態的個體，因此使用概念式搜尋的系統就必須使搜尋的概念漸漸趨近於用戶想法的可能性。我們的系統經由周延的概念式學習，能仔細地考慮到新和舊反饋訊息之間的差異性與相同之處，使系統搜尋出的結果概念能更加有效率和自然。實際上，這促進使用者之間的概念分享行為，使用者可以從別人的搜尋訓練結果中，借用任何一個概念，並且修改到可以供他／她自己使用。
B. 概念搜尋
一旦系統學會了您的概念，搜尋您所需要的資訊就變得極端快速了。在特別的『分類技術』幫助下，宇匯所提供的概念搜尋引擎就變的非常有效率，能將需要分析的文件以每秒百萬個文件的速度等級進行搜尋後，產生專屬於您的結果。
這對於搜尋效率與傳統知識系統管理者產生了劇烈的衝擊。在傳統的搜尋系統裡，不論是手動或自動產生文件分類的類目，都會影響知識樹的型態，使這種知識樹，一旦被建立之後就不容易被人為修改，如果將來分類類目需要增加或刪除時，大多需要努力的重建各種文件分級，也需要花大量的人力或費用重建。
假使宇匯所提供的分類引擎，能高效率的為我們的系統產生各種概念式的大量資訊，則系統所需的概念學習時間也會縮短，便會使傳統處理知識的方法產生革命性的轉變。
系統管理員和分析員不必每天長時間和費力地維護知識樹。不論手動或自動，管理員也不用為系統每天執行資料分類與維護。系統與管理員之間，唯一剩下的任務就是執行概念學習，一旦概念學習達到了理想的狀態，所有資料就會被有效且準確的完成分類。
系統能自動在學習後的瞬間，調整、刪除或增加各種知識樹，而非系統設計的人員也能開發他們自己的分類方式和知識樹，使個人和企業的知識管理更加靈活、有生產力。
|
|
|
