Vyhledávač

Verze z 20. 11. 2014, 16:32 (zobrazit zdroj) Spravce (diskuse | příspěvky) (→Fulltextový vyhledávač: Drobné úpravy a přidán obrázek) ← Porovnání se starší verzí		Aktuální verze z 12. 10. 2023, 07:09 (zobrazit zdroj) Spravce (diskuse | příspěvky) (Vývoj vyhledávačů přesunut do stránky Historie Internetu.)
(Není zobrazeno 6 mezilehlých verzí od 1 uživatele.)
Řádka 1:		Řádka 1:
−	[[Category:VSE]][[Category:CRI]][[Category:Internet]][[Category:Informatika]]	+	[[Category:VSE]][[Category:CRI]][[Category:Internet]][[Category:Informatika]][[Category:Stránky s obrázky]]
−	== Historie vyhledávačů ==	+	== Typy vyhledávačů ==
−	; Google (1998)	+	=== Katalogový vyhledávač ===
−	*příklad fulltextového vyhledávače,	+
−	* vznikl na základě vědecké práce,	+
−	*autoři Sergey Brin a Larry Page, Stanfordská univerzita.	+
−		+
−	== Katalogový vyhledávač ==	+
−	*firmy.seznam.cz	+
	*Historicky starší varianta.		*Historicky starší varianta.
	*Obvykle pevně dané kategorie, podle kterých se třídí.		*Obvykle pevně dané kategorie, podle kterých se třídí.
Řádka 15:		Řádka 9:
	*Příklad: [http://www.firmy.cz Firmy.cz] (součást Seznamu.cz)		*Příklad: [http://www.firmy.cz Firmy.cz] (součást Seznamu.cz)
−	== Fulltextový vyhledávač ==	+	=== Fulltextový vyhledávač ===
−	*„Katalog“ se vytváří automaticky podle četnosti výskytu slov ve stránce a dalších indicií.	+
−	*Příklady: [http://www.seznam.cz Seznam.cz], [http://www.google.com Google.com].	+
	<div class="Poznamka">		<div class="Poznamka">
−	Myšlenka: stránky, kde se často vyskytuje slovo „klavír“ se budou nejspíš týkat klavírů a měly by tedy být vráceny při dotazu „klavír“ na prvním místě. ;)‏	+	Myšlenka: stránky, kde se často vyskytuje slovo „klavír“ se budou nejspíš týkat klavírů a měly by tedy být vráceny při dotazu „klavír“ na prvním místě. ;)‏</div>
−	</div>	+
−	; Postup vytváření indexu (databáze)	+	*„Katalog“ se vytváří automaticky podle četnosti výskytu slov ve stránce a dalších indicií.
		+	*Příklady:
		+	** [http://www.seznam.cz Seznam.cz],
		+	** [http://www.google.com Google.com],
		+	** [http://www.duckduckgo.com DuckDuckGo.com] (neukládá informace o&nbsp;uživateli a&nbsp;jeho vyhledávání)
		+
		+	=== Metavyhledávač ===
		+	*Agreguje výsledky více vyhledávačů.
		+
		+
		+	== Funkce fulltextového vyhledávače ==
		+	=== Vytváření indexu (databáze) ===
	*prochází stránky automaticky		*prochází stránky automaticky
	**„robot“ pro stahování stránek,		**„robot“ pro stahování stránek,
Řádka 33:		Řádka 35:
	** podle počtu odkazů na stránku a významu stránek, které se na tuto odkazují.		** podle počtu odkazů na stránku a významu stránek, které se na tuto odkazují.
−	[[File:vyhledavac.png]]	+	=== Zpracování dotazu ===
−		+
−	; Zpracování dotazu	+
	* Převod zadaných slov na fráze,		* Převod zadaných slov na fráze,
	**vyřazení krátkých slov		**vyřazení krátkých slov
Řádka 50:		Řádka 50:
	* Vypíše stránky s nejlepším hodnocením		* Vypíše stránky s nejlepším hodnocením
−	; Moduly fulltextového vyhledávače	+	=== Moduly fulltextového vyhledávače ===
		+	[[File:vyhledavac.png]]
		+
	*URL server		*URL server
	** při čtení dokumentu získává URL adresy a dává je crawleru,		** při čtení dokumentu získává URL adresy a dává je crawleru,
Řádka 73:		Řádka 75:
	**udává, jak je který termín významný pro danou stránku		**udává, jak je který termín významný pro danou stránku
−	== Relevance ==	+
−	*Jak významná je hledaná fráze pro dokument:	+	== Relevance fráze ==
−	**kolikrát se vyskytuje,	+	*Jak významná je hledaná fráze pro dokument?
−	**je v názvu?	+	; Vliv má:
−	**…	+	* kolikrát se fráze v dokumentu vyskytuje?
		+	* je uvedena v názvu stránky?
		+	* je uvedena v hlavičce v ''keywords''? (někdy se záměrně ignoruje)
		+	* je uvedena v adrese?
		+	* je na stránce fráze zvýrazněná?
		+	* …
		+
	== Význam dokumentu ==		== Význam dokumentu ==
−	; page-rank	+	Při množství stránek v dnešním Internetu je třeba hodnotit stránky ještě jinými způsoby než jen podle výskytu hledaných frází.
		+
		+	; Page-rank
	* Algoritmus představený poprvé ve vyhledávači Google.		* Algoritmus představený poprvé ve vyhledávači Google.
	* Dnes implementují v nějaké formě všechny fulltextové vyhledávače.		* Dnes implementují v nějaké formě všechny fulltextové vyhledávače.
		+
	; Jak významný je dokument?		; Jak významný je dokument?
−	*Kolik velkých stránek odkazuje na dokument,	+	* Kolik velkých stránek (stránek s dobrý hodnocením) odkazuje na dokument?
−	*kolik odkazů na dokument máme,	+	* Kolik odkazů na dokument máme?
−	* jak významné dokumenty na tento dokument odkazují,	+
−	*…	+	; Hodnotí se také další vlivy:
		+	* Je dokument validní?
		+	* Není v dokumentu nápadně mnoho výskytů stejného slova?
		+	* Je dokument dobře strukturován?
		+	* …
−	== Metavyhledávače ==
−	*Agregují výsledky více vyhledávačů
	== Tipy pro vyhledávání ==		== Tipy pro vyhledávání ==
Řádka 103:		Řádka 116:
	*<code>filetype:</code> typ souboru		*<code>filetype:</code> typ souboru
	**speciálně vyhledávání obrázků		**speciálně vyhledávání obrázků
−	*přesná fráze:	+	* Uvozovky &mdash; hledání přesné fráze &mdash; slova se musí vyskytovat v tomto pořadí:
	"obchodní škola"		"obchodní škola"
−	*umístění fráze:	+	* Konkrétní umístění fráze:
−	**v titulku, v adrese, v textu stránky,…	+	** v titulku stránky, v adrese, v textu stránky,…
−	*omezení stáří dokumentu,	+	* Omezení stáří dokumentu.
−	*Znaménko „minus“ znamená vyloučení.	+	* Znaménko „minus“ znamená vyloučení.
		+	*# Hledáme stránky, obsahující slovo ''virus'' a neobsahující přitom slovo ''internet''.
		+	*# Hledáme slovo ''VOŠ'' někde jinde než na stránkách ''OAUH.cz'':
	virus –internet		virus –internet
−	*�stránky, obsahující slovo virus�a neobsahující slovo internet.	+	VOŠ –site:www.oauh.cz
−	VOŠ –site:www.oauh.cz	+
−	* �„VOŠ“ někde jinde než na stránkách OAUH.	+
		+	== Související stránky ==
		+	* [[Historie Internetu#Vyhledávače| Vývoj vyhledávačů]]

---

Aktuální verze z 12. 10. 2023, 07:09

Obsah 1 Typy vyhledávačů 1.1 Katalogový vyhledávač 1.2 Fulltextový vyhledávač 1.3 Metavyhledávač 2 Funkce fulltextového vyhledávače 2.1 Vytváření indexu (databáze) 2.2 Zpracování dotazu 2.3 Moduly fulltextového vyhledávače 3 Relevance fráze 4 Význam dokumentu 5 Tipy pro vyhledávání 6 Související stránky

Typy vyhledávačů

Katalogový vyhledávač

• Historicky starší varianta.
• Obvykle pevně dané kategorie, podle kterých se třídí.
• Odkazy zařazují obvykle lidé.
• Někdy se za umístění do katalogu platí.
• Příklad: Firmy.cz (součást Seznamu.cz)

Fulltextový vyhledávač

• „Katalog“ se vytváří automaticky podle četnosti výskytu slov ve stránce a dalších indicií.
• Příklady:
  • Seznam.cz,
  • Google.com,
  • DuckDuckGo.com (neukládá informace o uživateli a jeho vyhledávání)

Metavyhledávač

• Agreguje výsledky více vyhledávačů.

Funkce fulltextového vyhledávače

Vytváření indexu (databáze)

• prochází stránky automaticky
  • „robot“ pro stahování stránek,
  • analýza stránek, hledání frází.
• o přečtených stránkách si udržuje statistiku významu frází pro danou stránku
  • tabulka výskytů frází v dokumentech,
  • umístění frází ve stránce/dokumentu,
  • ...
• hodnotí význam stránek (page-rank)
  • podle počtu odkazů na stránku a významu stránek, které se na tuto odkazují.

Zpracování dotazu

• Převod zadaných slov na fráze,
  • vyřazení krátkých slov
  • převod na synonyma
  • lemmatizace (nalezení kořene slova)
  • derivace
    • odstranění skloňování, časování
  • ...
• Podle indexu spočítá pro každý dokument „ohodnocení“ jeho relevance vzhledem k dotazu
  • pro každou frázi procházíme seznam dokumentů, které ji obsahují,
  • kontrolujeme, zda dokument vyhovuje zbytku dotazu,
  • u vyhovujících dokumentů zhodnotíme „relevanci“.
• Promítné hodnocení významu stránek
• Vypíše stránky s nejlepším hodnocením

Moduly fulltextového vyhledávače

• URL server
  • při čtení dokumentu získává URL adresy a dává je crawleru,
• Vyhledávací robot (crawler)
  • stahování nových stránek, ukládá do repository (úložiště),
• idexovač: analýza obsahu stránek, získává:
  • odkazy na dosud neznámé stránky,
  • hledané fráze, jejich umístění atd.
• URL resolver
  • převádí všechny tvary URL adres na ID dokumentů,
  • generuje page-rank.
• Třídič: tvorba invertovaného seznamu.
• Hodnocení stránek
  • výpočet page-rank
• Úložiště (repository)
  • Databáze URL adres
  • Archiv stránek
• Slovník
  • hledání synonym atd.
• Index (databáze, invertovaný seznam)
  • „tabulka“
  • udává, jak je který termín významný pro danou stránku

Relevance fráze

• Jak významná je hledaná fráze pro dokument?

Vliv má

• kolikrát se fráze v dokumentu vyskytuje?
• je uvedena v názvu stránky?
• je uvedena v hlavičce v keywords? (někdy se záměrně ignoruje)
• je uvedena v adrese?
• je na stránce fráze zvýrazněná?
• …

Význam dokumentu

Při množství stránek v dnešním Internetu je třeba hodnotit stránky ještě jinými způsoby než jen podle výskytu hledaných frází.

Page-rank

• Algoritmus představený poprvé ve vyhledávači Google.
• Dnes implementují v nějaké formě všechny fulltextové vyhledávače.

Jak významný je dokument?

• Kolik velkých stránek (stránek s dobrý hodnocením) odkazuje na dokument?
• Kolik odkazů na dokument máme?

Hodnotí se také další vlivy

• Je dokument validní?
• Není v dokumentu nápadně mnoho výskytů stejného slova?
• Je dokument dobře strukturován?
• …

Tipy pro vyhledávání

• ne předložky a spojky, jednopísmenná slova
• jen podstatná slova
• nejdůležitější slova první

Pokročilé vyhledávání

• Vyhledat nějaké slovo → ikona „ozubené kolečko“ → pokročilé vyhlevádání
• site: podsíť, ve které se vyhledává

VOŠ site:www.oauh.cz

• filetype: typ souboru
  • speciálně vyhledávání obrázků
• Uvozovky — hledání přesné fráze — slova se musí vyskytovat v tomto pořadí:

"obchodní škola"

• Konkrétní umístění fráze:
  • v titulku stránky, v adrese, v textu stránky,…
• Omezení stáří dokumentu.
• Znaménko „minus“ znamená vyloučení.
  1. Hledáme stránky, obsahující slovo virus a neobsahující přitom slovo internet.
  2. Hledáme slovo VOŠ někde jinde než na stránkách OAUH.cz:

virus –internet
VOŠ –site:www.oauh.cz

Související stránky

• Vývoj vyhledávačů