金融信息和垂直搜索技术结合，未来前景如何？
时间：2023-04-03 03:18:01 | 来源：电子商务
时间：2023-04-03 03:18:01 来源：电子商务
作为一个有过财经搜索经验的产品经理，我把重要的三条经验与大家分享一下。
第一，用户角度。财经搜索的信息聚类，给用户带来的是知识结构网。用户在搜索信息时，通过某个关键字查询，能获取相关聚类信息点。例如：搜索“浦发银行”，能获取相关的上市公司业务、股东背景、关联公司、关联人物、重大事件（增发、并购等）、行业上下游...，这些关联性信息，能有效的帮助用户进行多维度分析。但用户体验的关键点不在获取这些信息，因为这种信息聚类功能F10已经做了。用户体验重点在于，通过聚类信息知识点，快速寻找下一个可能分析的知识点聚类，并快速通过搜索得到，这样层层深入分析，用户可以获取最大、最深层次的知识内容进行分析。其实这背后用户搜索的是一张聚类信息的知识网。
第二，知识网结构。财经知识网构建，是需要花很长时间积累、建立的专业数据库。举例：统计局公布CPI数据，同比上涨1.9%，猪肉价格同比上涨3.4%。可能影响到的上游行业有A、B、C，可能影响到的下游行业有D、E、F，关联的上市公司有G、H，上市公司主营的产品有鲜肉、饲料加工，饲料加工的同业公司有I、J....这些关联的知识点就构建成了一张知识网。这些专业的知识关联一般用户很难联系起来，需要专业的研究人员慢慢构建。
第三，语义分析。这个是做财经搜索最需要技术处理的地方。基本上语义分析技术是需要基于海量历史数据才能做出准确的搜索结果，高质量的结果能极大提示用户体验。例如：搜索浦发银行，能获得历史上全部券商研究报告中重要财务数据：每股收益、主营业务收入、净利润同比、市盈率、市净率等，同时展现时最好能图形化。对这些重要数据的提取，要求对文本处理技术比较成熟。主要是基于规则提取，再不断完善。
目前，我知道的国内做财经垂直搜索的有同花顺“搜牛”、宏爵财经“全景财经搜索”，但都没有做的太好，感觉提示空间还很大。
在线咨询
