Dicaso上線至今結束，創造超過三萬瀏覽量，服務五千多次搜尋，真的很感謝大家這兩週的愛護與使用！[2016.07.22更新]
其實一開始，就抱持著短線目標，沒有打算持續經營或是創業，以有趣好玩的心態出發，讓辛苦的專題作品曝光，同時也透過使用者行為的觀察，瞭解什麼樣的東西會討人喜歡，大家會怎麼下關鍵字搜尋文章。在這兩週內，平日要實習，假日要到實驗室做老師接的專案，能維護的時間不多，已經盡力讓 Server 正常運作，並改善網頁呈現的一些問題了。
儘管如煙火般曇花一現，但這段時間收到的搜尋紀錄以及流量來源，才是重要的資產，發現很多有趣的事情，也激發了更多想法，希望未來有機會實踐出來
期末專題與現在的 Dicaso
Dicaso 是我們的資訊檢索與探勘 (IR) 期末專題，實作文章搜尋 (資訊檢索) 與熱門文章預測 (資料探勘) 兩大功能，也因為有之前架設 HiTicket 以及玉山黑客松的參賽經驗，可以比較得心應手把網頁搞定 (其實模板都一樣拉 XD)，迅速整合前後端與資料庫，服務大眾。
各位目前看到的 Dicaso，僅提供文章搜尋與圖片牆服務，預測熱門度的部分因為需要包成 API，還需要一些時間，不過根據這幾天使用者的回饋，大致上也有了未來發展的想法，期待有很快地能釋出改版
土炮自建的搜尋引擎
透過 Dcard API，我們抓取八個看版的文章進行實驗，文章發表時間由 2013/05 至 2016/06，替大約 30 萬篇文章進行搜尋索引，並獨立架設一個 Search Server，處理 Query。 在建立模型前，我們先對文字做些前處理：
- 過濾中文 Stopword，例如：的、了
- 過濾項目符號、標點符號、特殊字符、網址
- 將全型英文字元與數字轉為半型小寫
- 利用Jieba來進行中文斷詞，使用繁體中文字典檔，並且加入自定義的特殊名詞，例如：「提拉米蘇」、「蘇打綠」
- 替發問類型文章做標籤
之後會將標題與內文合併，以 Uni-gram 的形式建立模型。這裡使用 Vector Space Model (VSM)，平滑方式為 Laplace Smoothing，並透過 Scikit-Learn 套件 TFidfVectorizer 來加速開發。用戶輸入查詢關鍵字後，我們會根據 IDF 轉換出一組 Query Vector，透過 Dot Product Similarity 計算排序分數，並根據文章 ID 到我們的 MongoDB 抓取內文，最後將搜尋結果顯示在網頁上。
因為搜尋結果沒有驗證依據，我們只能憑肉眼判斷好壞，下圖是搜尋“我失戀了怎麼辦”的結果比較。左邊將標題權重增加，效果顯著提升
關鍵字廣告
如同 Google, Yahoo 搜尋引擎一樣，我們最後加入了關鍵字廣告，並且把關鍵字索引加入 Model 中，因此用戶只要搜尋特定關鍵字，就會出現預先設定好的推薦廣告。不過分析 Log 發現，都沒人搜尋我們埋的特定關鍵字阿哈哈！
有趣的事情
上線之後，獲得許多關注，看到 Google Analytics 後台的數字，實在是嚇了一跳
Google Analytics 偵測的目前線上人數
當然也有不懷好意的攻擊，好在我們使用的是 NoSQL 資料庫，對於傳統的 SQL injection 免疫
因為有需求，所以存在
這不是笛卡爾的我思故我在，而是要打造一款用戶會喜歡的產品。我們都希望文章搜尋可以全文檢索，可以有文章圖片預覽，而對於進階使用者，希望有圖片牆，圖片過濾等功能。以這樣的思考方向出發，檢視了這三天的流量以及回饋，確實是驗證了我們的預期假設，而這樣的方式，也將持續套用在不同看板上，針對不同的看板做出相對應的服務！
資源本來就有，只是要以什麼樣的面貌來呈現，並加以應用。我想笛卡索提出的 Dcard 圖片牆，並不是先驅，文章搜尋更是在 Google 面前耍大刀，可是做這些事情就是改善現有問題，滿足需求，笛卡索因此而存在！
