Využití WWW jako efektivního informačního zdroje

Transkript

1 Využití WWW jako efektivního informačního zdroje Jiří Jelínek Fakulta managementu VŠE, J. Hradec Efektivní vyhledávání nacházení požadovaného s minimem úsilí a nákladů v knihovně: procházet dokud něco nenajdete procházet dokud zapomenete co chcete procházet dokud neprojdete všechno použití katalogu knihovny využití služeb někoho (něčeho), kdo ví, jak na to potřebné vybavení příprava a znalosti vyhledávací systémy jak se ptát

2 World Wide Web obsáhlost cca WWW serverů obsahová i formátová pestrost dokumenty, data, obrázky, video, atd. dynamika obsahu i stránek nespolehlivost absence sémantického popisu nízká strukturovanost neuspořádanost nevhodné pro strojové zpracování včetně vyhledávání dostupnost nejúspěšnější publikační medium všech dob Vyhledávací strategie přímý odkaz odvození URL z běžných zvyklostí online databáze oborové použití vyhledávacích systémů indexové systémy adresáře a předmětové katalogy integrované systémy výsledek do 12 minut

3 Vyhledávací systémy Indexové systémy stejně jako adresáře a katalogy se snaží vytvářet obraz WWW prostoru jsou data strukturována, uspořádána, indexována a centrálně spravována obraz (index) většinou tvořen automaticky roboti větší chybovost základem klíčová slova

4 Indexové systémy vhodné netypické a specifické zvláštní nebo málo frekventovaná témata témata na pomezí obvyklých oblastí či spadající do více oblastí vyhledávání specifických WWW stránek Centrální index Problémy definice dotazu aktualizace indexu hodnocení důležitosti a relevance stránek rozšiřitelnost rozdíly mezi systémy funkce, velikost pay-per-click (PPC) konstrukce a optimalizace WWW stránek schopnost ohodnotit nalezené výsledky Získáno K věci Použitelný výstup WWW Prostor

5 Adresáře a předmětové katalogy vyhledávání podle témat hierarchická navigace většinou konstruovány experty selektivnější, přesnější, spolehlivější (nefunkční URL) méně stránek, důraz na kvalitu před kvantitou není jednotné uspořádání v hierarchických strukturách vhodné zkoumání tématu zkoumání logicky svázaných stránek důraz na kvalitu stránek Integrované systémy podobná struktura jako u meta vyhledávačů přímá práce s WWW zdroji e-business Rozhraní Sběrač Sběrač Sběrač Zdroj 1 Zdroj 2 Zdroj n

6 Problémy heterogenní zdroje různé datové modely: relační, objektový různá schémata a formy zobrazení Keanu Reeves nebo Reeves, K. atd. omezené schopnosti vyhledávání méně schopností než indexové systémy vliv rozhraní paměť na dotazy Vyhledávací systémy indexové systémy Google ( Alltheweb ( HotBot ( AltaVista ( Yahoo ( Seznam ( Atlas ( indexové metasystémy Metacrawler ( DogPile ( předmětové katalogy About ( Yahoo ( Quick ( integrované systémy MySimon ( BizRate (

7 Zvláštní schopnosti shlukování výstupů Vivisimo (vivisimo.com) důsledné užití logických operátorů GigaBlast (gigablast.com) hledání ve zvláštních strukturách WebLogs > Daypop ( maillists > Topica ( životopisy > Biography ( věda > Scirus ( přibližné hledání možnosti upřesňování Teoma (teoma.com) variantní rozhraní Soople ( práce s přirozeným jazykem Ask Jeeves ( speciální nástroje KartOO ( Hodnocení výstupů autoritativnost identifikace autora kvalifikace autora a vztah k tématu vazba na renomovanou instituci (URL) aktuálnost datum vytvoření poslední aktualizace funkčnost odkazů 0,6 0,5 0,4 0,3 0,2 obsah kolekce odkazů (rozcestník) nebo autoritativní stránka hloubka a pokrytí tématu nové poznatky korektnost a přesnost citace a odkazy na jiné zdroje (i klasické) kdo stránku navštěvuje meta popis struktura URL (TLD) název stránky META data struktura stránky com netorg edu gov 0,1 0 1day 1day- 1week- 1month- 4months 1week 1month 4months

8 Neviditelný Web WWW prostor nezachycený ve vyhledávačích a proto pro většinu uživatelů neviditelný neúmyslně rozsah WWW, neexistence odkazu úmyslně obecný či závadný obsah, dynamický web, eliminace podle nastavených pravidel indexováno max. cca 40% WWW prostoru cca 2 3 krát větší než viditelný Web Google k indexuje stránek Search Engine Optimization (SEO) Podpora koncového uživatele Web Mining - shromažďování a zpracování dat dostupných na WWW nebo dat generovaných v průběhu užívání webu predikce chování a zájmů uživatele založená na předem naučených pravidlech a uživatelských profilech Web Content Mining zpracování obsahu WWW stránek Web Structure Mining získávání informací ze struktury WWW prostoru Web Usage Mining analýza chování uživatele (clickstream analýza)

9 Sémantické vyhledávání význam stránek vs. klíčová slova zasazení pojmu (URL) do struktury podle významu definice vazeb taxonomie ontologie nutno popsat obsah stránek tak, aby nám stroje byly schopné pomoci v orientaci v nich metadata a XML multimediální sémantika Problémy existence jednotných a dostatečně obsáhlých pojmových ontologií ručně vs. učení WordNet ( doménové ontologie (medicína) Dublin Core Metadata Initiative ( ontologický popis současného WWW prostoru ekonomická náročnost a motivace pro úpravy sémantický popis stránek vs. sémantické vyhledávání nástroje pro vytváření sémantického popisu

10 Úloha knihoven orientace v heterogenním prostředí výběr vhodných nástrojů vyhledání relevantního obsahu konverze obsahu do vhodné podoby ti, kdo vědí (kde a jak) služby integrace obsahu (rešerše) individuální služby uživatelům správa a tvorba ontologií tvorba meta popisu Děkuji za pozornost Tato prezentace byla vytvořena s pomocí následujících materiálů: Search Engine Watch, Tips About Internet Search Engines & Search Engine Submission, Search Engine Showdown, The Users' Guide to Web Searching, Netcraft: Growth in Hostnames, IP Addresses and Web Facing Servers , ers_ html Search Strategies, Invisible-web.net - Searchable databases and specialized search engines, KartOO visual meta search engine, Tempelman-Kluit N.: Searching the Web, Search Engine Watch: Tips About Internet Search Engines & Search Engine Submission, Cho J.: Searching the Web, UCLA Computer Science, Williamson J.: Sure-Fire Surfing: A Crash Course in Search Techniques, King Faisal School and Brown University Partnership, Levene M.: Searching the Web, School of Computer Science and Information Systems, Birkbeck University of London, Bocher B.: Searching the Web Basic and Advanced MacColl J.: What is the Semantic Web?, HILT Workshop, University of Strathclyde, 2001, Mazzocchi S.: Enabling Semantic Searching,