信息分類能給網站設計帶來巨大好處
信息分類學是網站開發(fā)人員的好伙伴，它可以幫助我們達成在設計網站時需要考慮的兩個非常重要卻又容易忽視的目的：用戶滿意度和投資回報程度。如果在設計時對信息分類考慮較少甚至不予考慮，那么就算效率再高的搜索引擎也難以圓滿實現這兩個目的。
盡管近些年來搜索引擎技術越來越先進，但在互聯網上的信息搜索不論成功與否仍然存在問題。使用過搜索引擎的人都有過這樣的體驗，有時候你什么結果也搜索不到，而有時候你會得到上百萬條搜索結果。實際上，第二種結果更加難以處理，要想從百萬條搜索結果中找到你真正需要的信息，簡直是大海撈針。而目前互聯網的蓬勃發(fā)展正在不斷加重這種信息冗余的問題。就算是在信息量較少的企業(yè)內部網中，如果網站在開發(fā)前沒有經過認真規(guī)劃，同樣會出現上述問題。
在互聯網出現以前，公眾獲取信息或知識的一個主要途徑就是圖書館。借助專業(yè)的信息檢索，圖書管理員知道如何通過布爾邏輯、加號、減號以及其他符號完成復雜的查詢工作。這種復雜的查詢依賴于對信息架構的正確分類和明確標記。但是當互聯網興起時，人們認為解決信息查詢問題的方法就是將大量信息一股腦的拋到這個信息高速路上，而沒有考慮該如何組織這些信息。
這種局面造就了搜索引擎，這個在整個互聯網上辛苦搜集信息的工具。不幸的是，我們中的大多數人都沒有受過圖書管理方面的培訓，無法準確告訴搜索引擎我們所需信息的關鍵詞。而互聯網在經過幾年的迅速發(fā)展后，在我們面前的互聯網已經成為了一個無邊無際的電子信息海洋。它帶給我們的好處就是超級豐富的信息量。然而由于沒有良好的內容結構，我們無法在這些信息內容中快速找到所需信息，甚至根本就找不到所需信息，更糟的是也許我們找到的只是一堆不需要的東西，而我們卻還在這堆垃圾中挑來揀去的尋找根本沒有的東西。
缺乏結構性帶來的問題
無結構性的互聯網內容帶來的問題無法用量化的標準來說明，因為借助搜索引擎，搜索者很少知道為什么會搜到這個結果或者這個信息來源何處。因此，我們將網絡內容缺乏結構性帶來的各種問題總結如下：
不成功的搜索所浪費的時間。
由于搜索者無法找到所需信息，因此信息收集存儲的投資回報很低，比如數據倉庫和內容管理。
由于不完整或者不精確的信息造成的決策失誤。
不成功的搜索給搜索者帶來的不良體驗會破壞公司形象、公司與客戶/合伙人間的關系，以及內部人員的關系。
分類學給網站開發(fā)帶來的益處
生命科學家用分類學將所有的生物進行有組織的分類。圖書管理學家和信息科學家們也將這種技術和方法用于信息搜索和數據檢索。借助于這種技術和方法，我們可以開發(fā)一種網絡分類框架，將先前無法快速訪問的容轉換為具有結構性的Web內容以便于訪問。
分類學牽扯到網站開發(fā)的很多方面，比如網站設計、內容管理以及網站內容的搜索過程。下面讓我們具體來看看分類學是如何給這些方面帶來益處的。
分類學給網站設計帶來的益處
分類學具有兩個方面：結構分類和視圖分類。網站設計所涉及的更多的是視圖分類，它通過將信息按主題分組達到將網站內容邏輯化的目的。在利用外觀分類實施網站設計時，我們可以利用直觀的組織和標識來建立一個有效的網站導航系統。當網站內容被合理的組織并有了清晰明了的標識后，網站訪問者就可以輕松的導航和定位所需內容，這種體驗可以有效提高訪客的回頭率。
分類學給網站內容管理帶來的益處
圖書館根據美國國會圖書館分類系統（Library of Congress Classification System）或者杜威圖書分類系統（Dewey Decimal System）對書籍和雜志進行組織。每一項都用一系列標準屬性來標記，比如圖書編目號碼、主標題、標題和作者等等。然后，這些書籍和雜志可以放心地入庫，以后可用人工或計算機化的卡片編目來方便地檢索。
同樣，企業(yè)也可用結構分類來組織其信息資源如文檔、網頁等等。結構分類提供了一個層次化的分類系統，它基于一個已經定義好的范圍和背景。在內容管理過程中，可采用結構分類的標準術語來統一分類及標記信息資源。在內容管理工作流中，內容管理員通過提供一個層次化的類別列表以推行分類結構。
最終的結果就是，企業(yè)或公司范圍內的所有信息都存儲到一個內容管理系統中，而且每項信息都與一個或多個類別相關聯。之后就可通過一個視圖分類或者搜索引擎，在網上更有效地檢索這些分類信息資源，這和傳統的圖書館檢索并沒有多大的區(qū)別。內容管理系統最終的目標就是使企業(yè)的內容達到最大的可用性。因此將結構分類集成到內容管理過程中，就能改進內容管理系統的可用性。
分類學給網站搜索帶來的益處
無論視圖分類還是結構分類，在網站搜索過程的不同階段都會被涉及。搜索執(zhí)行之前，搜索引擎首先要遍歷一個目標范圍的內容，并為其建立索引。有的搜索引擎如Autonomy，可利用結構分類的方法通過對一個示范性的文檔集進行分析來學習每個類別的特征。這種學習能力有助于對搜索結果的相關性進行精細的調節(jié)。
在搜索執(zhí)行期間，結構分類可以通過網站的多級分層結構作為視圖分類顯示出來，就像Yahoo的目錄列表那樣。站點訪問者可瀏覽每個類別的Web內容列表，或者向下深入到某個更具體的類別，再在該類別的范圍中執(zhí)行一次搜索。例如，他們可進入Computers & Internet → Software → Natural Language Processing類別后再執(zhí)行搜索。
搜索執(zhí)行后，搜索結果可根據一個或多個由系統定義的結構分類進行組織。例如，Convera's RetrievalWare可采取多種方式對搜索結果進行分類，比如按國家、語言或者主題等。這種分類能力顯著緩解了信息汪洋的問題。你不再需要在返回的大量結果中逐個尋找所需的內容，只需按國家、語言或者主題等等進行篩選。例如，在Yahoo上搜索"content management system"會返回3790000個結果（2003年4月20日的搜索結果）。如果按主題對它們進行分類，比如按"最佳操作"、"工具"等等，就能快速找到最佳結果。
在Web搜索過程中全面集成分類學，可提供更有效的搜索體驗。這將顯著減少因搜索失敗或查找錯誤信息所浪費的時間，從而可確保一個有效的決策過程。
