Wyszukiwarki

internetowe

Wstęp

•

Internet to ogromna składnica
informacji, która coraz częściej
zastępuje tradycyjną bibliotekę.
Informacja to dzisiaj kluczowy element
niezbędny do konkurowania na coraz
bardziej wymagającym rynku, jednak
odszukanie interesujących nas
informacji spośród blisko 5 miliardów
stron internetowych, bo na tyle się
dzisiaj szacuje ich ilość, to nie proste
zadanie.

Czym jest wyszukiwarka?

•

Wyszukiwarki internetowe to narzędzia, które za
pomocą wbudowanych mechanizmów i
algorytmów pozwalają na zminimalizowanie tych
5 mld. stron do mniejszego zbioru, który człowiek
mógłby ogarnąć. W dużym uproszczeniu,
wyszukiwarki najpierw indeksują strony
internetowe czyli przeglądają ich zawartość i
zapisują odpowiednie informacje w swojej bazie
danych. Następnie, gdy użytkownik poda
poszukiwane słowa, wyszukiwarka znajduje w
swojej bazie danych wszystkie strony, które
zawierają poszukiwane słowa i zwraca linki do
tych stron.

Kolejność, w jakiej zwracane są

linki przez wyszukiwarkę

•

Zależy ona od wewnętrznych mechanizmów

konkretnej wyszukiwarki. Mechanizmy te są

najbardziej strzeżoną tajemnicą, jednak ogólne

mechanizmy jakimi się kierują przeglądarki przy

ustalaniu kolejności linków są znane. Właścicielom

stron zależy, żeby ich strona znalazła się na

pierwszej stronie wyników wyszukiwania

określonych fraz. Np. firma informatyczna tworząca

strony internetowe chce, aby jej strona znalazła się

na pierwszej stronie wyników wyszukiwania frazy:

"tworzenie stron internetowych" czy "strony www".

Jest to o tyle ważne, że badania pokazują, że

użytkownicy nie przeglądają więcej niż 100

pierwszych wyników, a 30 pierwszych pozycji

uznaje się za najbardziej pożądane.

•

Ogólnie, można podzielić wyszukiwarki na

kontrolowane przez autora strony (ang. author-

controlled), kontrolowane przez redaktora

wyszukiwarki (ang. editor-controlled),

kontrolowane prze użytkowników (ang. user-

controlled). Do tych pierwszych należy Google i

Altavista, które tworzą rankingi istotności na

podstawie słów kluczowych znajdujących się na

indeksowanych stronach. Do drugiej grupy

należą Yahoo i LookSmart, które umieszczają

strony w katalogach tworzących strukturę

drzewiastą. Do grupy user-controlled należy np.

Direct Hit. Kategoria ta charakteryzuje się tym,

że istotność obliczana jest na podstawie liczby

odwiedzin danej strony przez użytkowników.

Oprogramowanie

wyszukiwarek

•

Oprogramowanie wyszukiwarek to zestaw

programów, modułów, z których każdy ma

oddzielne zadanie. W skład zestawu wchodzą takie

elementy jak:

•

pająk: program podobny do robota, który

kolekcjonuje strony WWW;

•

pełzacz: robot, który automatycznie śledzi oraz

podąża za linkami zawartymi na stronie WWW;

•

indekser: kolejny program, który buduje ze

znalezionych stron WWW indeks;

•

bazy danych: ogromny zbiór stron WWW, linków

oraz treści dodatkowej;

•

silnik zajmujący się wynikami wyszukiwania:

"przekopuje" wyniki wyszukiwania zawarte w bazie

oraz indeksie

Czego nie indeksują

wyszukiwarki?

Należy pamiętać, że wyszukiwarki nie

indeksują wszystkiego, a w

szczególności:

•

plików binarnych - pliki typu pdf (Adobe

Acrobat), doc (Microsoft Word), mp3,

mpeg, avi, jpg, gif, txt

•

dokumentów, do których dostęp

wymaga logowania - np. intranety

•

stron, które zostały wykluczone przez

autora poprzez umieszczenie w

specjalnym pliku robots.txt

www.google.com - strony WWW, najlepsza wyszukiwarka s

zukaj.onet.pl

strony WWW w

ww.google.com

- strony WWW w

ww.altavista.com

- strony

WWW w

ww.emulti.pl

- strony WWW, multiwyszukiwarka w

strony WWW n

- strony WWW n

- strony WWW s

- strony WWW s

- strony WWW s

strony WWW, z pomocą NetSprint www.yandex.pl - strony WWW

www.alltheweb.com - strony WWW www.szukacz.pl - strony WWW

szukaj.hoga.pl - strony WWW, z pomocą NetSprint www.altavista.com -

strony WWW www.mamma.com - strony WWW, multiwyszukiwarka

www.euroseek.com - strony WWW www.yahoo.com - strony WWW

szukaj.wp.pl - strony WWW, z pomocą Google www.sciseek.com - naukowe

strony WWW www.emulti.pl - strony WWW, multiwyszukiwarka

www.educationworld.com - edukacyjne strony WWW vivisimo.com - strony

WWW, multiwyszukiwarka www.wisenut.com - strony WWW

www.search.com - strony WWW search.aol.com - strony WWW

www.metacrawler.com - strony WWW www.lycos.com - strony WWW

7metasearch.com - strony WWW, multiwyszukiwarka www.alltheweb.com -

strony WWW www.overture.com - strony WWW www.excite.com - strony

WWW www.ask.com - strony WWW www.msn.com - strony WWW

www.teoma.com - strony WWW

Wyszukiwarki oparte na

analizie treści strony

Ponieważ Internet rośnie znacznie szybciej
niż jakakolwiek grupa ludzi może go
katalogować, oraz z powodu wad
katalogów (np. pod danym hasłem może
znajdować się tysiące stron), powstały
wyszukiwarki, które przeszukują Internet
analizując zawartość stron. Kiedy
użytkownik poda wyszukiwarce zapytanie,
ona odpowie mu łączami do stron, które
uzna, w zależności od użytego algorytmu,
za najbardziej odpowiednie.

Wyszukiwarki oparte na tej

zasadzie mogą objąć znacznie
większą część sieci niż katalogi.
Niestety są one bardzo podatne na
nadużycia, przez co użytkownik
zamiast użytecznych informacji
dostaje linki na strony nie mające nic
wspólnego z jego zapytaniem.
Szczególnie wyspecjalizowały się w
tym strony pornograficzne.

Wyszukiwarki oparte na

analizie topologii sieci

Żeby przeciwdziałać temu, wyszukiwarki

zaczęły stosować analizę topologii sieci.

•

Pierwszą wyszukiwarką, która zastosowała

zaawansowane algorytmy analizy topologii

sieci był Google.

•

Wyszukiwarki oparte na analizie topologicznej

są często uważane za bardzo odporne na

nadużycia. W rzeczywistości stosunkowo

częstym atakiem są spam-systemy

automatycznej wymiany linków. Inną formą

ataku jest stworzenie dużej ilości gęsto

linkowanych stron, z czego wszystkie na ten

sam temat.

Wyszukiwarki oparte na

zasadzie aukcji miejsc

Osobnym pomysłem jest wprowadzony

przez Overture (http://overture.com/ )

system, gdzie strony płacą wyszukiwarce

kilka centów za każde kliknięcie, przy

czym miejsca są licytowane - strona która

daje więcej za kliknięcie znajdzie się wyżej

na liście rezultatów. Pozycje płatne są

oznaczone jako takie, razem z ceną.

System ten jest korzystny dla właścicieli

stron - płacą oni tylko za wejścia nie za

wyświetlenia.

Twórcy twierdzą, że jest on również
korzystny dla użytkownika, gdyż tylko
strony, które oferują coś użytecznego z
danej dziedziny mogą sobie pozwolić na
taką reklamę. Z drugiej jednak strony wiele
użytecznych stron jest niekomercyjnych, a
nawet przy stronach komercyjnych wyniki
będą często nieoptymalne - np. na taką
reklamę nie mogą sobie pozwolić strony,
które mają niskie marże i oferują produkty
po niskich cenach, a jedynie te, które mają
wysokie marże i oferują produkty drożej.

Przykłady

wyszukiwarek

Wyszukiwarki globalne

•

AltaVista jest jedną z największych wyszukiwarek

internetowych pod względem ilości

zaindeksowanych stron. Jej uniwersalność i łatwość

używania zapewnia popularność wśród osób

poszukujących informacji w Internecie. AltaVista

oferuje liczne rozwiązania dla początkujących

internautów, takie jak "Ask AltaVista", które

pochodzi od Ask Jeeves. Wyszukiwanie wspierane

jest przez katalogi internetowe Open directory oraz

LookSmart. AltaVista została uruchomiona w

grudniu 1995. Jej właścicielem była firma Digital,

przejęta później przez Compaqa (w 1998 roku).

Następnie została wyodrębniona jako samodzielna

firma, dzisiaj kontrolowana przez CMGI.

•

Excite jest jednym z serwisów z wielkiej 6
wyszukiwarek internetowych. Oferuje dużą bazę
indeksów oraz bogaty serwis informacyjny.
Excite powstał w 1995 roku. W następnych
latach rozpoczął przejmowanie serwisów
konkurencyjnych - Magellana w czerwcu 1996
oraz WebCrawler w listopadzie 1996.

•

Google jest unikalnym rozwiązaniem łączącym

zaawansowaną technologię z wyjątkowym

softwarem. Aby osiągnąć wysoką wydajność

systemu stworzony został superkomputer, który

składa się z setek tanich komputerów

połączonych w sieć.

Sercem programu jest unikalne rozwiązanie

PageRank(TM) określające ranking znalezionych

stron. Najwyżej cenione są te dokumenty, do

których jest najwięcej odnośników ze stron

cenionych przez Google. Google Wspiera swoją

technologią takie portale jak Yahoo czy Netscape

Search. Dlatego jest ona obecnie wyszukiwarką

numer jeden i nie zanosi się w najbliższym

czasie, aby ta sytuacja uległa zmianie.

•

HotBot wyróżnia się wśród wyszukiwarek

swoimi możliwościami spośród innych

wyszukiwarek. W większości przypadków na

pierwszej stronie wyświetlane są rezultaty z

serwisu Direct Hit, następne pochodzą z

wyszukiwarki Inktomi. HotBot wystartował w

maju 1996 roku jako wejście firmy Wired

Digital na rynek wyszukiwarek internetowych.

W październiku 1998 roku HotBot został

kupiony przez firmę Lycos, lecz dalej

funkcjonuje jako samodzielna wyszukiwarka.

•

Yahoo jest najpopularniejszym i najstarszym
serwisem wyszukiwawczym- został
uruchomiony w 1994 roku. Sekretem
popularności są ludzie. Yahoo jest największym,
opracowywanym przez 150 redaktorów
przewodnikiem po Internecie. W bazie danych
serwis posiada ponad milion zaindeksowanych
stron. Od czerwca 2000 rezultaty wyszukiwania
uzupełniane są przez serwis wyszukiwawczy
Google.

Adresy niektórych

globalnych wyszukiwarek

•

http://www.altavista.com

•

•

•

•

•

Wyszukiwarki krajowe

•

Szukacz jest narzędziem służącym do

wyszukiwania dokumentów w Internecie. Został

przygotowany przede wszystkim do wyszukiwania

dokumentów w języku polskim. Składa się z

czterech podstawowych modułów: zbieracza,

tekstowacza, Indeksera i opowiadacza. Zbieracz,

zwany też robotem lub pająkiem, "chodzi" po

sieci i wyszukuje dokumenty, tworząc archiwa, z

których co pewien czas (zwykle raz na dwa

tygodnie) budowane są nowe kolekcje,

korzystając z tekstowacza i Indeksera. Gotowa

kolekcja jest wykorzystywana przez opowiadacz

do konstruowania odpowiedzi.

•

W sieci zadebiutowała nowa
wyszukiwarka polskiego Internetu -
GOORU.pl . Jest ona obecnie jednym z
najbardziej zaawansowanych
technologicznie narzędzi dostępnym dla
celów przeszukiwania zasobów polskich
stron WWW. Najważniejsze cechy
wyszukiwarki: wysoki stopień trafności,
duża liczba zindeksowanych stron WWW
oraz szybkość wyszukiwania.

•

Yandex.pl to najnowszy system

wyszukiwawczy, umożliwiający

przeszukiwanie zasobów polskiego

Internetu. Powstał on we współpracy z

Yandex Technologies oraz z naukowcami z

renomowanych instytutów naukowo-

badawczych i zawiera efekty lat badań -

najnowocześniejsze algorytmy i

rozwiązania techniczne i koncepcyjne..

Wyszukiwarka Yandex (www.yandex.pl) jest

zarządzana i prowadzona przez firmę

Yandex Polska.

•

NetSprint jest to wyszukiwarka
internetowa, która pozwala na
szybkie i precyzyjne dotarcie do
dokumentów znajdujących się w
Sieci. Rozwiązanie stworzyła firma
XOR Internet (Grupa XOR Solutions).

•

NEToskop jest pierwszą polską wyszukiwarką.
Został uruchomiony pod koniec grudnia 1996
roku i niezmiennie cieszy się dużą
popularnością. Zamiarem twórców NEToskopu
było stworzenie wyszukiwarki, która
dostosowana byłaby do specyfiki języka
polskiego i rozpoznawała różne sposoby zapisu
polskich liter. Większość wyszukiwarek
działających w Polsce pracuje z reguły na
oprogramowaniu pisanym za granicą,
dostosowanym do języka angielskiego i zupełnie
nie przystosowanym do rozpoznawania polskich
liter kodowanych na różne sposoby ani specyfiki
polskiego języka.

Adresy niektórych polskich

wyszukiwarek

•

www.szukacz.pl

•

www.gooru.pl

•

www.yandex.pl

•

www.netsprint.pl

•

www.netoskop.pl

Jak szukać?

Zawsze dobra jest chwila zastanowienia

przed rozpoczęciem poszukiwań. Należy wtedy

przygotować strategię poszukiwań zadając

sobie następujące pytania :

Co chcę zrobić ?

- przeglądać sieć?

- znaleźć dokument w sieci odpowiadający

poszukiwanemu tematowi?

- znaleźć wszystkie dostępne informacje na

poszukiwany temat?

Odpowiedź na te pytania ma zasadnicze

znaczenie dla sposobów poszukiwania oraz

koniecznych narzędzi.

•

Jeśli zamierzasz przeglądać sieć Internet w
poszukiwaniu ogólnej informacji zacznij od
katalogów internetowych takich, jak Yahoo! lub
Open Directory.
Następnie spróbuj użyć multiwyszukiwarkę np.
Emulti używając do wyszukiwania słów kluczowych.

•

Jeśli szukasz bardzo specyficznej informacji
skorzystaj z globalnych wyszukiwarek takich jak:
Fast Search lub Google,
lub specjalistycznej bazy danych .

•

Jeśli poszukujesz wszystkich informacji na zadany
temat spróbuj użyć tych samych słów kluczowych
w wielu wyszukiwarkach

Budując zapytanie staraj się pamiętać

o następujących zasadach:

•

Używaj specyficznych słów

Przykład: meta keywords

•

Jeśli to możliwe używaj rzeczowników i

dopełnień jako słów kluczowych

Przykład: Huragan Anna

•

Umieść najważniejsze słowa na początku

listy i dodaj znak + aby mieć pewność, że

wszystkie słowa będą poszukiwane

Przykład: +hybrydowe

+elektryczne +pojazdy

•

Używaj przynajmniej 3 słów w zapytaniu

Przykład: dzieci antybiotyki wpływ

•

Staraj się tworzyć frazy

Przykład: "search engine tutorial"

•

Unikaj słów powszechnie używanych np.

zielony. Jeśli jednak musisz użyć, stwórz

frazę z innymi słowami .

Przykład: "zielona herbata"

•

Spróbuj określić słowa, które spodziewasz

się znaleźć w treści dokumentu i użyj ich

jako słów kluczowych

Przykład: anoreksja bulimia

jedzenie

•

Wybierz tak dużo słów lub fraz
opisujących szukany temat jak to tylko
możliwe. Dzięki temu zawężasz wyniki
wyszukiwania. Wykorzystuj operatory
logiczne, jeśli wyszukiwarka na to
pozwala.

•

Przede wszystkim bądź uparty i
pomysłowy. Wyszukiwarki są bardzo
pomocnymi narzędziami, lecz jeszcze
niedoskonałymi. Wykorzystaj
mechanizmy ich działania do
optymalizacji procesu wyszukiwania.