Intranätscrawler

De flesta intranät går inte att söka i utifrån: de kräver inloggning, bygger sidorna med JavaScript och gömmer hälften av innehållet i PDF-bilagor. Den här integrationen crawlar dem ändå och gör innehållet sökbart för assistenten.

Det är den mest använda integrationen i vår flotta, med ett tjugotal driftsatta instanser.

Vad det är

En konfigurerbar crawler och söktjänst för webbaserade intranät. Den loggar in via SAML eller vanligt inloggningsformulär, renderar JavaScript-tunga sidor i en riktig webbläsare, plockar ut texten ur PDF- och Word-dokument och indexerar allt med flerspråkiga inbäddningar. Assistenten söker sedan semantiskt — den hittar rätt avsnitt även när användaren inte råkar använda samma ord som dokumentet.

Konfiguration och omcrawlning sköts i ett webbaserat admingränssnitt.

Använd det till

• “Vad säger vår resepolicy om hotellstandard?”
• “Hitta rutinen för avvikelserapportering.”
• “Vem kontaktar jag för att få behörighet till lönesystemet?”
• “Vad gäller vid föräldraledighet hos oss — sammanfatta och länka till källan.”
• “Finns det en mall för tjänsteresa, och var ligger den?”

Verktyg

Funktion	Svarar på
Användarguide	Hur sökningen fungerar och hur källhänvisningar ska läsas — assistenten läser den först
Intranätssökning	Relevanta sidor och dokumentavsnitt för en fråga, med länk till källan
Rättelse	Låter en användare rapportera att ett svar var fel och ange vad som är korrekt

En rättelse blir inte sökbar direkt. Den hamnar i en kö och blir sökbar först när en administratör har godkänt den — därefter väger den tyngre än ursprungsinnehållet för liknande frågor. Det gör rättelser till ett sätt att laga kunskapsluckor utan att någon kan skriva om sanningen på egen hand.

Vad crawlern klarar

• Inloggning via SAML eller formulär, med sessionen hållen genom hela crawlen.
• JavaScript-tunga sajter renderas i en riktig webbläsare innan texten läses ut.
• Dokument — PDF och Word plockas isär och indexeras tillsammans med sidorna.
• Flera källor i samma kunskapsbas. En instans kan crawla en extra sajt eller en inloggningsskyddad delmängd med egna inloggningsuppgifter, och lägga resultatet i samma sökbara bas.
• Extra start-URL:er för sidor som inte går att nå via vanlig länknavigering.
• Externa länkar kan följas ett steg utanför sajten. Avstängt som standard, och alltid med tak.
• Flerspråkigt — indexet hanterar tvåspråkiga intranät.

Kom igång

Intric driftsätter en instans per sajt. Ni anger start-URL, eventuell sitemap eller RSS-flöde, inloggningsuppgifter och crawl-gränser i admingränssnittet, och kan när som helst starta om crawlen därifrån.

Instansen kan köras i Intrics miljö eller helt i er egen — en av dagens driftsättningar ligger i kundens eget kluster, utan någon inkommande anslutning från Intric.

Begränsningar

• Behörighet är på indexnivå, inte per användare. Crawlern indexerar det den inloggade crawl-användaren ser, och allt indexerat är sedan sökbart för alla som har assistenten. Peka crawlen mot innehåll som är öppet för hela organisationen, och styr resten med vilka som får använda assistenten.
• Innehållet är så färskt som den senaste crawlen. Crawlen körs schemalagt eller manuellt, inte vid varje fråga.
• Bilder och video indexeras inte — det är texten som blir sökbar.
• Sajter som aktivt blockerar automatiserad åtkomst kan kräva att er IT släpper igenom crawlern.