CNIRS 中文新聞智能檢索系統
可查詢、可解釋、可評估的中文新聞 Search Engine Demo。
CNIRS 是一個以 Flask、Python 與傳統資訊檢索方法打造的中文新聞檢索系統。它整合 BM25、TF-IDF、Boolean、Hybrid、LM、BIM、WAND、MaxScore、CSoundex、Query Expansion、Clustering、Summarization、Ranking Diagnostics、Evaluation Dashboard 與 Feedback/LTR sandbox，並透過 dothost live demo 與 GitHub Pages 作品頁展示完整 Search Engine Demo。
已驗證 Demo 錄影 1
由 portfolio quality pass 從既有專案 demo 素材複製。
媒體總覽
快速瀏覽這個專案的截圖與錄影展示。
專案連結與 Demo 狀態
專案概覽
這個作品最重要的重點不是單一演算法，而是把一組資訊檢索模組整理成真正可以操作、可以截圖、可以錄影的 Search Engine Demo。 使用者可以從主搜尋頁輸入中文新聞 query，選擇 BM25、TF-IDF、Hybrid、Boolean、LM、BIM、WAND 或 MaxScore 等模型，並搭配來源、主題分類、日期、tags、publisher 等 facets 即時縮小結果。Facet 也可以在沒有 query 的情況下直接瀏覽所有對應文章，這讓系統不只是 search box，也像一個新聞資料探索工具。 每筆搜尋結果都會呈現標題、摘要片段、highlight、score、metadata 與 explanation。使用者可以打開 Why this result 面板檢查 matched terms、component scores、field boost 與 ranking signals，也可以打開文章 detail modal 查看 summary、KWIC、keywords、related news、taxonomy 與完整 metadata。 為了讓作品更像完整 IR 系統，我另外做了 Model Comparison、Evaluation Dashboard、Ranking Diagnostics、Feedback Analytics 與 Analysis Graph。這些頁面讓使用者可以看到同一個 query 在不同模型下的排序差異、demo qrels 指標、BM25/TF-IDF/LM 分數拆解、click/relevance feedback 統計，以及從 query 到 ranking results 的節點式流程圖。 公開展示分成兩層：GitHub Pages 作品頁直接顯示完整 demo 截圖與錄影；真正可互動的 Flask 搜尋系統則放在 `https://neojustin.dothost.net/projects/information-retrieval/`，並可透過 `/api/stats` 驗證遠端語料、索引與模型狀態。
我的角色
獨立開發者 / IR 系統架構與全端實作
問題背景
原本專案比較接近課堂型 IR demo，雖然有許多演算法模組，但缺少穩定 Web App、統一 API、可展示 UI、可解釋結果、真實新聞資料與完整操作流程。
解決方案
我把核心 IR 模組整理成 Flask service layer，建立統一搜尋 API、facet browsing、document detail、model comparison、evaluation、diagnostics、feedback analytics 與 analysis graph，並用 Playwright 產生完整導覽截圖與錄影，再接到 dothost 動態 demo 與 GitHub Pages 靜態作品頁。
目前成果
完成一個可以公開展示的中文新聞檢索系統：live demo 可查詢遠端新聞語料與 API stats，作品頁則整合 cover、截圖、WebM 錄影、技術說明與面試導覽。
作品亮點
- 支援 BM25、TF-IDF、Boolean、Hybrid、LM、BIM、WAND、MaxScore、Fuzzy、CSoundex 等多種 IR 方法。
- 可直接點選 facets 瀏覽所有符合 metadata 的新聞，不需要輸入 query。
- 每筆結果提供 snippet、highlight、component scores、field boost 與 Why this result explanation。
- Document detail 整合 summary、KWIC、keywords、taxonomy、related news 與 metadata facets。
- Model Comparison、Evaluation、Ranking Diagnostics、Feedback Analytics 與 Analysis Graph 都有視覺化頁面。
技術挑戰
- 需要把原本分散的研究型 IR modules 接成一致、可測、可展示的 service API。
- 中文新聞需要處理斷詞、正規化、metadata 清理、taxonomy 與 facet 品質。
- 低資源部署環境不能 eager-load CKIP/BERT 等重型模型，因此需要 optional dependency fallback。
- GitHub Pages 是靜態站，不能直接跑 Flask，所以 portfolio 頁用影片、截圖與 dothost live demo 連結呈現完整效果。
目標使用者
- 作品集審閱者與面試官
- 需要快速理解專案目的、技術棧與成熟度的技術讀者
技術亮點
- 偵測到的主要技術線索：Python, Flask, JavaScript, Bootstrap, Jieba, BM25, TF-IDF, Boolean Retrieval, Language Model Retrieval, SQLite, Chart.js, Playwright, pytest
- 已有 README 作為後續補齊案例研究的依據
- 已連接公開 GitHub repository，可從作品集追溯原始碼
系統架構
此專案目前由 portfolio catalog pipeline 依 README、Git metadata、package/build 設定與素材線索建立案例頁。正式架構說明仍需依實際 source code 補齊；目前可確認的技術線索包含：Python, Flask, JavaScript, Bootstrap, Jieba, BM25, TF-IDF, Boolean Retrieval, Language Model Retrieval, SQLite, Chart.js, Playwright, pytest。
資料流程
目前尚未完成可公開的資料流程說明。若此專案含資料處理、AI pipeline 或後端 API，後續應補上 input、processing、storage、UI/output 的端到端流程。
專案結構
information-retrieval/ README.md # project documentation, when available source files # implementation reviewed by local audit package/build config # detected capability signals
安裝與執行
This project does not expose a verified runnable web command yet. Review the README/source tree and add exact install, run, test, and build commands before interview use. No verified build command was detected. Treat the current portfolio page as a case-study placeholder until build steps are reviewed.
後續改進
- 補齊正式 README、截圖與 demo recording
- 補上架構圖、資料流程與關鍵技術決策
- 確認 build/test 狀態並更新 portfolio release report
面試說明重點
- 先說明此專案目前的成熟度與可展示範圍
- 聚焦在可驗證的技術棧、程式結構與已完成部分
- 不要宣稱尚未部署、尚未錄影或尚未測試的能力已完成
後續規劃
- 持續擴充 qrels 與人工 relevance labels，讓 evaluation 更接近正式 benchmark。
- 將 feedback dataset 擴充到真正 learning-to-rank 實驗。
- 把 semantic retrieval 作為 optional production profile，而不是預設啟動。