Принципи роботи індексних пошукових систем: сканування World Wide Web, індексація World Wide Web, ранжування результатів пошуку.

Більшість пошукових систем світу - індексні пошукові системи, які ще називають пошуковими покажчиками, пошуковими серверами, словниковими пошуковими системами, автоматичними індексами, пошуковими машинами, Search Engines, Retrieval Systems - в англомовних джерелах тощо. В інтернеті їх функціонує декілька сотень. Перед ними ставиться завдання якнайкраще охопити інформаційний Web-простір і подати його користувачам у зручному вигляді. Принцип роботи з індексними пошуковими системами ґрунтується на використанні ключових слів. Розшукуючи відомості з деякої теми, користувач повинен дібрати ключові слова, які описують цю тему, і задати їх індексній пошуковій системі як запит. Користувачам такої пошукової системи надається форма, або пульт управління пошуком, для введення ключового слова (слів) або фрази. Пошукова система знаходить у своїх базах даних, які називаються індексами або покажчиками, адреси Web-ресурсів, котрі містять ключові слова, і видає клієнту сторінку з посиланнями на ці ресурси. Така Web-сторінка називається звітом про результати пошуку.

Принципи роботи індексних пошукових систем

Індексні пошукові системи мережі інтернет дають змогу проводити досить глибокий пошук інформаційних ресурсів у рамках заданої теми. Робота індексної пошукової системи проводиться в три етапи.

1. На першому етапі пошукова система за допомогою спеціальних комп’ютерних програм обстежує інформаційний простір мережі інтернет (головним чином WWW); виявляє наявні, а особливо нові та оновлені, Web-ресурси; фіксує посилання на сайти та документи, які припинили своє існування. Тобто відбувається процес сканування інформаційного простору.

2. На другому етапі матеріал, зібраний у процесі сканування, із зазначенням посилань на те, де зберігається кожне слово, заноситься в індексну базу даних. Індексна база пошукової системи - це база даних слів, отриманих в результаті сканування. Далі відбувається перетворення бази даних так, щоб у ній можна було проводити прискорений пошук.

3. На третьому етапі індексна пошукова система приймає запит від користувача, проводить пошук у своїх базах даних і видає Web-сторінку оформлених результатів пошуку.

Сьогодні найбільш розвинені пошукові системи інтернету поєднують у собі обидва методи пошуку (за темами і за ключовими словами) і дають змогу використовувати найбільш придатний.

Адреси деяких пошукових систем

http://meta.ua/

http://www.yahoo.com/

http://www.google.com.ua/

http://www.yandex.ua/

http://www.rambler.ru/

http://www.brama.com/ukr.html

http://www.bigmir.net/

http://www.mail.ru/

http://www.aport.ru/

http://www.online.ua/

Прийоми ефективного пошуку інформації

Для пошуку інформації за одним ключовим словом необхідно набрати це слово в полі введення запитів і натиснути кнопку Знайти (Найти, Search). Пошук за одним словом доцільно проводити в тому випадку, якщо це слово є рідкісним, маловживаним або ім’ям власним, наприклад, конкорданс, Голомб, Джерард Солтон.

Але, як правило, пошук за одним словом призводить до формування величезних списків Web-сторінок, на яких воно зустрічається. Знайти в такому списку потрібні ресурси не просто, і тому пошук за одним словом малоефективний. Набагато ефективнішим є пошук за кількома словами, але тут важливу роль відіграє правило, яке вказує пошуковій системі, як опрацьовувати групу слів. Наприклад, користувача можуть цікавити:

-документи, що містять І перше слово, І друге одночасно;

-документи, в яких ці слова зустрічаються поруч або недалеко одне від одного;

-документи, в яких зустрічається АБО перше слово, АБО друге, АБО обидва разом.

Таким чином, для ефективного пошуку за кількома ключовими словами потрібні спеціальні команди, які дають змогу пов’язати окремі слова між собою. Ці команди в пошукових системах утворюють спеціальну мову запитів.

Кожна індексна пошукова система використовує свою власну мову запитів, тому при використанні різних пошукових систем треба знати особливості кожної. Ретельний перелік правил написання запитів для конкретної пошукової системи можна знайти на її сервері за посиланнями Допомога, Як скласти запит, Поради з пошуку тощо. Але є загальний принцип, згідно з яким усі команди можна поділити на три групи: команди простого пошуку, команди мови запитів і команди розширеного пошуку. У режимі простого пошуку запити створюються нескладними методами, але вони, як правило, призводять до численних результатів, з яких важко вибрати необхідні. Команди мови запитів дають змогу досить точно описати потрібний документ. Команди розширеного пошуку призначені для пошуку документів не за їх змістом, а, наприклад, для пошуку Web-вузлів за їх назвами, за фрагментами їх адрес, за адресами посилань, які зустрічаються на їх Web-сторінках і т.п.

У процесі пошуку відомостей у мережі інтернет важливими є дві складові: повнота пошуку (тобто намагання не пропустити важливі відомості) і точність (тобто відсутність у результатах пошуку зайвих даних). Обидві ці складові називають загальним словом релевантність, яка передбачає максимальну змістову відповідність результатів пошуку вказаному запиту. Тобто релевантність - це адекватність відповіді запитанню.

Команди простого пошуку

1. Пошук групи слів. При роботі з будь-якою пошуковою системою слід з’ясувати, як вона сприймає групу слів у запиті, наприклад, видатні фізики. Україно- та російськомовні пошукові системи сприймають групу слів так, ніби між ними стоїть сполучник І, тобто шукають документи, в яких обидва ці слова зустрічаються одночасно. Так само працює пошукова система Google. Але більшість англомовних пошукових систем сприймають групу слів таким чином, ніби між ними стоїть сполучник АБО і шукають документи, які містять або перше, або друге слово, або обидва слова разом. Кількість слів у групі не обмежується.

2. Пошук словоформ. У зв’язку з тим, що в українській та російській мовах слова змінюються за відмінками, важливою властивістю пошукової системи є пошук словоформ. У більшості випадків пошукові системи дозволяють знаходити різні словоформи, наприклад, попередній запит на пошук видатні фізики рівносильний запиту видатний фізика.

3. Роль великих літер. Загальне правило для більшості пошукових систем полягає в тому, що великі літери на початку слова сприймаються як додаткова умова, що обмежує область пошуку. Наприклад, за запитом Ліга Чемпіонів будуть знайдені лише ті документи, які містять слова Ліга Чемпіонів. Проте пошук за запитом ліга чемпіонів поверне документи, в яких є слова Ліга чемпіонів, ліга Чемпіонів, Ліга Чемпіонів, ліга чемпіонів.

4. Пошук однокореневих слів. Більшість пошукових систем знаходить документи, які містять слова однокореневі з ключовими. Наприклад, пошук за запитом модел поверне документи, в яких є слова модель, моделей, модельний, моделізм, моделює, моделювання.

5. Засоби контекстного пошуку. Якщо ключові слова взяти в лапки, наприклад "To be or not to be", "Слово о полку Ігоревім", то пошукова система повинна знайти документи, в яких дана фраза присутня буквально, тобто саме так, як вона записана. Для пошуку фрази з абсолютно точним збігом пошуковій системі недостатньо індексного файла, і вона звертається до копій раніше збережених у своїй базі Web-сторінок.

6. Шукати у знайденому. Якщо в результаті пошуку було знайдено занадто багато документів і користувач має бажання скоротити такий список, то для цього використовується послуга "Шукати у знайденому", яку надають пошукові системи на пульті управління пошуком. Наприклад, запит електронна бібліотека можна уточнити запитом фантастика.

Команди мови запитів

Оператор І. За допомогою цього оператора об’єднують два чи більше слів таким чином, щоб вони всі були в документі, наприклад Ейнштейн І теорія І відносності. Як було зазначено вище, в україно- та російськомовних пошукових системах списки слів і без такого оператора сприймаються так, ніби між ними стоїть оператор І. Але для більшості англомовних пошукових систем оператор І відіграє важливу роль, йому відповідають символи "&" та "+".

Оператор АБО. Оператор забезпечує пошук за будь-яким словом з групи, наприклад, університет АБО академія. У більшості пошукових систем оператор АБО записується у запиті як OR.

Логічні дужки. Дужки застосовуються, коли необхідно управляти порядком дій логічних операторів, наприклад, пошук за запитом (чемпіонат АБО кубок) І світу поверне документи, в яких є слова чемпіонат світу або кубок світу.

Оператор НЕ. Цей оператор використовується, коли з результатів пошуку необхідно виключити деяке ключове слово. Необхідність у цьому виникає, коли треба уникнути двозначності або зменшити кількість посилань, що повертаються. Наприклад, Паскаль НЕ (мова програмування), кінопремія НЕ Оскар.

Пошук із зазначенням відстані. Такий вид пошуку дозволяє вказати, на який відстані одне від одного повинні розташовуватися слова в документі. В англомовних пошукових системах використовується оператор NEAR.

Наприклад,

· information NEAR resources - для англомовних систем (чим ближче розташовані ключові слова один до одного, тим вищою є релевантність документа. Якщо відстань між словами більше 50 слів, то релевантність вважається нульовою);

· [5, інформаційні ресурси] - для системи <МЕТА> (обидва ключові слова повинні належати одній групі довжиною не більше п’яти слів),

· информационные/ 2 ресурсы - для системи Яндекс (відстань між ключовими словами не повинна перевищувати 2 слова).