Lehrveranstaltung

Allgemeine Informationsmittel

Begleitende Informationen

Stand: Gesamtkonzeption: August 2001
            Objektbezogen: vgl. jeweiligen Bearbeitungsvermerk

Stand: August 2001

Suchmaschinen:
    - robotergenerierte Volltextdatenbank
    - maschinell erzeugte und aufbereitete Datenbank
    - Volltextsuchmaschine
    - erfasst einzelne WWW-Seiten
          Beispiel: Suchmaschine liefert alle einzelnen Seiten, auf denen der Begriff "Stadtbibliothek Köln" vorkommt, thematisches
                        Verzeichnis bietet Link zur Homepage der "Stadtbibliothek Köln"
    - bieten aber auch Betreibern von Internetangeboten die Möglichkeit zur Selbstanmeldung
    - besteht aus drei Teilen:
          1. Datensammler
          2. Indizierungsprogramm
          3. Abfrageprogramm

1. Datensammler (Robots, Crawler oder Spider)
        - Programm erhält als Startpunkt URLs
        - sucht dann die dort per Link verknüpften URLs auf
        - hangelt sich über Links von Seite zu Seite innerhalb und außerhalb des Ausgangsservers
        - wieviele und welche Links der Robot verfolgt ist durchaus unterschiedlich
        - erfasst also die Seiten, lädt diese herunter und kontrolliert regelmäßig, ob Änderungen vorgenommen wurden

2. Indizierungsprogramm
        - indiziert die vom Robot ermittelten und beschafften Seiten, d.h. die darin enthaltenen Wörter
        - baut also Volltextindex der ermittelten Seiten auf
        - Unterschiede hinsichtlich der Erfassungstiefe: Indizieren des kompletten Textes und der Struktur (Titel, Überschriften,
          Links usw.) oder nur Teilen des Textes (erste Zeilen oder nur Überschriften) oder nur der URL
        - Priorisieren von Seiten, d.h. Ranking von verschiedenen Faktoren abhängig:
              * wie häufig kommt der Suchbegriff im Dokument vor
              * an welchen Stellen des Dokumentes kommt der Suchbegriff vor (URL, Titel, Überschriften, normale Absätze,
                 Meta-Tags...)
              * wieviele Links verweisen auf die entsprechende Seite
              * externe Informationen: z.B. ist die Seite in einem (bestimmten) Katalog enthalten, was als Qualitätsbeweis
                  gelten kann

3. Abfrageprogramm (s. Optionen)
            - Suchtechniken, Aufbau der Trefferlisten
            - Parameter für Ranking-Algorithmen:
                  * Vorkommen der Suchbegriffe in Meta-Tags
                  * Vorkommen der Suchbegriffe in der URL
                  * Häufigkeit der Suchbegriffe im Dokument oder Teilen des Dokuments (bei mehreren Suchbegriffen)
                  * Abstand der unterschiedlichen Suchbegriffe innerhalb des Textes zueinander
                  * Häufigkeit eines Suchbegriffs in einem Dokument
                  * Position der Suchbegriffe in der HTML-Seite
                  * Position der URL in einer Webserverhierarchie
                  * Häufigkeit des Zugriffs in der Suchmaschinendatenbank auf die URL
                  * Verteilung der URLs auf verschiedene Server
                  * Gesamthäufigkeit einzelner Wörter in der Datenbank: seltenere, spezifischere Begriffe werden höher gewichtet
                     (bei mehreren Suchbegriffen)

    - Volltextindizierer liefern sklavisch alle Seiten, in denen die Suchbegriffe enthalten sind, ohne sie in Beziehung zu setzen
      Beispiel: Anfrage "Otto Hahn Geburtstag" liefert als Ergebnis auch: Agenturmeldung zu Yehudi Menuhins 80.
      Geburtstag, in der erwähnt wird, daß dieser Träger der Otto-Hahn-Friedensmedaille ist.
    - Suchmaschinen sind urheberrechtlich geschützte Datensammlungen (in Deutschland)
    - nicht alle Suchmaschinen indizieren Meta-Tags (Excite, Webcrawler)
    - über AltaVista und Fireball kann ermittelt werden, wieviele Links auf eine Domain weisen
    - was Suchmaschinen nicht finden:
          * Dokumente, auf die von außen keine Links zeigen, die zugleich von ihren Betreibern nicht bei den Suchmaschinen
              angemeldet werden
          * Dokumente die durch Passwörter geschützt sind
          * Betreiber kann Server oder Teile des Servers für Suchroboter sperren
          * Inhalte fremder Datenbanken (dann müsste der Roboter das Suchformular der Datenbank verstehen können und jede
              denkbare Abfrage über ein solches Formular abschicken)
          * Frames und Javascripte können von vielen Suchmaschinen nicht erfasst werden

zurück zum Einzeltitelverzeichnis

zurück zum Inhaltsverzeichnis

Stand: August 2001

Web-Kataloge:
    - Synonyme: Verzeichnisse, thematische Listen, subject catalogue
    - manuell erstellte und bewertete, sachlich gegliederte Verzeichnisse
    - Bewertung liegt in der Auswahl und Zuordnung
    - Varianten:
          * redaktionell erstellt: personalintensiv
          * Betreiber von Internetangeboten können ihre Angebote selbst in eine oder mehrere der Kategorien eintragen
          * automatische Einordnung mit Hilfe von Suchrobotern
    - hierarchisch aufgebaut: grobe Einteilung in wenige Obergruppen (Wirtschaft, Unterhaltung usw.), Feingliederung in
      Untergruppen
    - erfasst nicht einzelne WWW-Seiten, sondern größere thematische Einheiten
          Beispiel: einen Eintrag mit Link Homepage der "Stadtbibliothek Köln" (Suchmaschine liefert alle einzelnen Seiten,
          auf denen der Begriff "Stadtbibliothek Köln" vorkommt)
    - ermöglichen oft Volltextsuche ihres Angebots, in der nicht zwischen Schlagwörtern (aus den Systemstellen) und
       Stichwörtern (aus den aufgeführten Linkbeschreibungen) unterschieden wird
    - Suchstrategie
          * Blättern in der Systematik (schrittweises Verzweigen von allgemeinen zu spezielleren Kategorien)
          * Stichwortsuche im Verzeichnis (Systemstellen und verzeichnete Quellen)
    - beschränken sich häufig auf eine bestimmte Sprache
    - reichen oft Anfragen, zu denen sie keine Einträge nachweisen, an Volltextsuchmaschinen weiter und zeigen dann
      deren Ergebnisse an
    - US-Kataloge decken deutsches WEB nur dürftig oder gar nicht ab
    - thematische Verzeichnisse: weniger Ballast als Suchmaschinen, enthalten konzentriertere Information, haben Filterfunktion

zurück zum Einzeltitelverzeichnis

zurück zum Inhaltsverzeichnis

Stand: August 2001

Meta-Suchmaschinen:
    - leiten Suchanfrage parallel an mehrere Suchmaschinen weiter
    - erlauben die gleichzeitige Abfrage verschiedener Suchmaschinen
    - fassen die Suchergebnisse übersichtlich zusammen (im Idealfall)
    - decken weitaus größeren Teil des Internet ab als einzelne Maschinen; vergrößern den Abdeckungsgrad um den
      Faktor 3,5 (Untersuchung Stand 1998)
    - sammeln und verwalten keinen eigenen Datenbestand
    - können Daten der einzelnen Suchmaschinen nur dann verwerten, wenn deren Betreiber dies zulassen (Urheberrecht)
    - manche Meta-Suchmaschinen nehmen nicht alle Treffer der Quellsuchmaschinen, sondern sammeln die jeweils besten
      Treffer, erzielen höhere Relevanz (behaupten die Betreiber)
    - im Idealfall: entfernen Dubletten, sortieren Treffer nach eigenen Kriterien
    - Nachteile:
          * können nicht alle Features der Quellsuchmaschinen ausnutzen
          * liefern daher auch nicht alle relevanten Dokumente, die bei einer exakten Einzelsuche ermittelt worden wären
          * werten mit identischem Suchvokabular unterschiedliche Quelltypen aus (Suchmaschinen und Verzeichnisse),
             obwohl doch jeweils unterschiedliches Vokabular benötigt würde (vgl. allgemeiner oder spezifischer Begriff)

zurück zum Einzeltitelverzeichnis

zurück zum Inhaltsverzeichnis

Stand: August 2001

Intelligente Agenten:
    - Intention: Suchraum beschränken, um information overload zu vermeiden = themenorientierte Suchmaschine
    - Systeme, die sich auf die Erfassung bestimmter Teilbereiche beschränken (thematisch, regional)
    - verteilte Indizes, die dann einzeln oder parallel abgefragt werden können
    - intelligente Suchsoftware, die für den Endbenutzer solche verteilten Systeme nacheinander oder parallel abfragt, die
      Ergebnisse einsammelt, aufbereitet und übermittelt
    - werden von manchen Systemen ausgesperrt
    - Softwareprogramme, die auf der Grundlage eines spezifischen, individuellen Informationsprofils selektieren

zurück zum Einzeltitelverzeichnis

zurück zum Inhaltsverzeichnis