Vergleich von Internetsuchmaschinen

Transcription

Vergleich von
Internetsuchmaschinen
& Fachdatenbanken
Dr. Joachim Griesbaum
Informationswissenschaft
Universität Konstanz
Fach D 87
D-78457 Konstanz
Department of Computer and Information Science at the University of Constance
Inhalt
(1) Überblick Retrievalsysteme: Einordnung
Internetsuchmaschinen & Fachdatenbanken
(2) Vergleich von Internetsuchmaschinen & Fachdatenbanken
a) Dokumentkollektion
b) Repräsentation der Dokumente
c) Anfrageninterpretation & -verarbeitung
d) Retrievalfunktion
(3) Recherchebeispiel
(4) Ergebnis
2
Informationswissenschaft Konstanz
Architektur von Retrievalsystemen
Nutzer mit
Informationsbedarf
Suchanfrage
Suchergebnis
Anfrageninterpretation
& -verarbeitung
Repräsentation des
Informationsbedarfs
Abgleich mittels einer
Retrievalfunktion
Wissensbasis
Repräsentation der
Dokumente
Retrievalsystem
Verfahren der
Dokumentbeschaffung
bestimmen Umfang und
Inhalt der
Dokumentkollektion
Input
Wissensobjekt
3
Wissensobjekt
Wissensobjekt
Einordnung Internetsuchdienste – Fachdatenbanken
Internetsuchdienste ermöglichen das Auffinden von
Wissensbeständen im Internet.
Kataloge
Suchmaschinen
– roboterbasierte Suchdienste
Fachdatenbanken sind i.d.R online zugängliche
fachspezifische Retrievalsysteme, die den Zugriff auf bzw.
den Nachweis von Fachinformationen ermöglichen.
Referenzdatenbanken
bibliographische Datenbanken mit
Sekundärinformationen zu Veröffentlichungen
4
Faktendatenbanken
Volltextdatenbanken
Suchmaschinen
Nutzer
Index
Anfragenbearbeitung -automatische TermSuchanfrage
extraktion (Volltext):
Position & Häufigkeit,
Funktions- Struktur-,
Formatelemente
-Links
Automatische Sortierung nach
Dokumentbeschaffung
Relevanzkriterien
Roboter/Anmeldung
Webpages
Internet
Bsp.: www.google.de
ask.de, Tipp: exalead.de
u.a. mit Wortstammsuche
5
Fachdatenbanken
Index bestehend aus
bibliographischen Daten
Nutzer Boole´sche
Anfragenbearbeitung
Suchanfragen
und zusätzlichen
inhaltserschließenden
Angaben
•Titel
•Autor
•Schlagwörter (Controlled,
Treffermengen Ausgabe (meist
free terms)
Sortierung nach formalen und
•Klassifikation
Relevanzkriterien möglich)
•Abstract
•...
Zyklische Aktualisierung,
Meist intellektuelle
Zeitschriften
Dissertationen
Inhaltserschließung
Reports
Fachliteratur
Proceedings
6
Bücher
Bsp.: INSPEC, INFODATA,
SOLIS, COMPUSCIENCE
Inhalt
(1) Überblick Retrievalsysteme: Einordnung Internetsuchmaschinen &
Fachdatenbanken
(2) Vergleich von Internetsuchmaschinen &
Fachdatenbanken
a)Dokumentkollektion
(4) Ergebnis
7
Dokumentraum und Dokumentbeschaffung

Suchmaschinen erfassen z.T.
zwar viele Milliarden
Dokumente, aber das ist nur
einen Teil des Internet

Fachdatenbanken

Je nach Scope und Umfang
der Datenbank fachlich
einschlägig und das
Themengebiet abdeckend
Informationsressourcen
inhaltlich, strukturell und
qualitativ sehr heterogen

Dokumente qualitativ
hochwertig
Hochgradig veränderlicher
Dokumentraum
Î State of the Art-Recherchen
grundsätzlich möglich
Î Unsicherheit bzgl.
Vollständigkeit und Qualität
der Ergebnisse
8
Inhalt
Fachdatenbanken
(4) Ergebnis
9
Suchmaschinenspider-Simulation für Amazon.de
Darstellung zur Veranschaulichung gekürzt,
vgl. [www.se-spider.com]
10
Beispiel für Erschließung aus INSPEC
Accession number
Author(s) & Editors
Source
Date
Country
Abstract & Abstract Number
Subject Headings (kontrolliertes Vokabular)
Key Phrase Identifiers (freies Vokabular)
Classification Codes (Klassifikation)
Treatment (Objekttyp: z.B. Product Review)
CODEN: Code zur Identif. von z.B. Zeitschriften
Language
ISSN
U.S. Copyright Clearance Center Code Doc. N.
Publication Type
SICI (Code nach ANSI Standard Z39.56)
Volltext (noch) frei erhältlich unter
Update Code
web.archive.org/web/20040724094753/http://www.scils.rutgers.edu/~muresan/
Copyright
Docs/ipmSpink2002.pdf (letzter Zugriff 16.03.2007)
11
Repräsentation der Dokumente

Geringer Strukturierungsgrad
& keine verlässlichen Standards
(Metadaten)
Missbrauch von Textinhalten
(Spam)
Repräsentation der
Verlinkungsstruktur
Î Reverse (Zitations-)Suche
Fachdatenbanken

Strukturierte Feldschemata

Vorh. Informationen werden mit
inhaltserschließenden Angaben
ergänzt

Indexierung: Vergabe
kontrollierter und freier
Schlagwörter & Klassifikation
Î Strukturierte Anfragen (Felder)
Î Eindeutiges Vokabular
12
Inhalt
Fachdatenbanken
(4) Ergebnis
13
Anfragenverarbeitung in Internetsuchmaschinen
– Bsp. Google [www.google.com/help/basics.html]
Matcht exakte Terme: keine Trunkierung
Bsp:Treffermengen:
search engines = 82 Mio. URLs
search engine =302 Mio. URLs (16.03.2007)
Keine Suche in Metadaten (Ausnahme: Title)
Teilweise Zugriff auf Funktionsund Strukturelemente: site, link,
Maximale
Anfragenlänge
32 Terme
Î wenig
Gestaltungsraum
für komplexe
Suchanfragen.
daterange, filetype
Voreingestellt AND-Verknüpfung OR und NOT sind extra anzugeben
Keine Klammern, OR wird vor AND interpretiert, d.h
patent AND (verzeichnis OR katalog) = patent verzeichnis OR katalog
14
Benutzeroberfläche und Dialoggestaltung in
Simple Benutzerschnittstelle.
Dialogführung. Request-Response-Paradigma. Optionen zur
Modifikation der letzten Suchanfrage (related queries, related
pages).
15
Anfragenverarbeitung in Fachdatenbanken
Terme werden mit Hilfe von boole´schen Operatoren AND, OR,
NOT verknüpft. Verschachtelung mit Hilfe von Klammern möglich.
Häufig zusätzlich Proximity-Operatoren (Abstandsbedingungen).
Trunkierung: Suche nach Wörtern mit bestimmtem Wortstamm.
Feldsuche: Einschränkung der Anfrage auf spezifische Felder.
Beisp.: „Suche alle Dokumente der Autorin Spink, die sich mit der
Evaluation von Suchmaschinen befassen und nach 2003
erschienen sind“
(Search engine? and evaluation)/TITLE AND information
retrieval/CONTROLLED-TERMS AND spink/AUTHOR
LIMIT:YEAR>2003
16
Anfragenverarbeitung in Fachdatenbanken
Anfragenlänge: Singuläre Anfragen i.d.R. bis zu 256 Zeichen
Suchdialog: Suchhistorie bietet direkten Zugriff auf und
Weiterverarbeitung vorheriger Anfragen. D.h. Anfragen nahezu
beliebig komplex Î Elaborierte Suchstrategien umsetzbar
Ablauf der Suche
1: TermA1 OR TermA2 OR TermA3
17
2: TermB1 OR TermB2 OR TermB3
3: TermC1 OR TermC2 OR TermC3
4: 1 AND 2 AND 3 =
(A1 OR A2 OR A3) AND (B1 OR B2 OR B3) AND (C1 OR C2 OR C3)
5: ...
Inhalt
Fachdatenbanken
(4) Ergebnis
18
Retrievalfunktion
Fachdatenbanken
Ranking der primäre Erfolgsfaktor
Ranking von geringer
Bedeutung
Automatische Sortierung:
Rankingfaktoren
Wortokurrenzen in Bezug auf
Position, Häufigkeit, Funktion,
Formatierung
Analyse von Linkstrukturen
(Linkpopularity/Pagerank)
Sprach- bzw. lokalitätsbasierte Filter
Explizite Sortierung der
Treffer nach Termhäufigkeiten & formalen
Kriterien möglich
Î Relevanz der Treffer ist
vollständig von der Qualität
der Rechercheformulierung
abhängig.
Î Funktioniert häufig sehr gut
Î Zustandekommen der Suchergebnisse
kaum nachvollziehbar
19
Inhalt
Fachdatenbanken
(4) Ergebnis
20
Recherchebeispiel "Evaluierung von Suchdiensten im WWW"
Im Rahmen eines Forschungsprojekts soll die Qualität verschiedener
Suchdienste bestimmt werden. Um das methodische Vorgehen zu
entwickeln, ist zunächst der gegenwärtige Forschungsstand bei der
Evaluation von Retrievalsystemen zu ermitteln.
Die Recherche soll eine hohe Vollständigkeit erreichen und
möglichst alle zentralen Artikel zum Themenfeld nachweisen.
21
Recherche in Google
„information retrieval“ „search engine“ evaluation
403.000 Treffer
„information retrieval“„search engine“ evaluation filetype:pdf
138.000 Treffer
„information retrieval“ intitle:„search engine“ evaluation
666 Treffer
„information retrieval“ intitle:„search engine“ evaluation filetype:pdf
233 Treffer
„information retrieval“ intitle:„search engine“ intitle:evaluation
„information retrieval“ intitle:„search engine“ intitle:evaluation filetype:pdf
39 Treffer
4 Treffer
Reverse Suche zu einer relevanten gefundene Website
link:http://trec.nist.gov
62 Treffer
Erwartung: In Google zumindest einige relevante Websites zu
finden. Suche eher intuitiv unsystematisch, explorativ. Oft Zugriff auf
Informationen möglich, die nicht (so schnell) in Fachdatenbanken erfasst
werden. Trotz z.T. hoher Trefferzahlen ist der Vollständigkeitsgrad der
Ergebnisse völlig unbekannt.
22
Recherche in INSPEC
Systematische Suche im freien und kontrollierten Vokabular.
Erwartung: Die zentralen und wichtigen Dokumente sind nahezu
vollständig und umfassend in Ergebnis #8 nachgewiesen.
23
Inhalt
Fachdatenbanken
(4) Ergebnis
24
Internetsuchmaschinen & Fachdatenbanken: Vertrauen
vs. Kontrolle? Zufallstreffer vs. hochwertiger Information?
In Internetsuchmaschinen sind
systematische Suchstrategien kaum
möglich. Sie eignen sich deshalb bei
Recherchen vor allem für eine erste
Orientierung und auch als Ausgangspunkt
für das Aufspüren relevanter Communities,
Portale und spezieller Suchdienste. D. h.
Suchmaschinen sind einerseits für
explorative Suchkontexte sinnvoll, des
Weiteren stellen Sie auch ein
hervorragendes Hilfsmittel zum langfristigen
Aufbau und Erhalt von Expertise dar.
Fachdatenbanken sind
extrem mächtige
Suchdienste, aber ohne
Einarbeitung nicht intuitiv
nutzbar. Für State of the
Art-Suchkontexte, in
denen alle zentralen und
wichtigen Dokumente
vollständig & umfassend
nachgewiesen werden
sollen, nach wie vor
unverzichtbar.
Kombination beider Instrumen
te empfehlenswert
25
Links & Literatur
Recherchebeispiel unter http://www.inf-wiss.unikonstanz.de/CURR/summer05/infauf/recherchebeispiel_suchmasc
hinenevaluation_inspec.html
Brin, S.; Page, L. (1998), The Anatomy of a Large-Scale
Hypertextual Web Search Engine, 1998
[http://citeseer.ist.psu.edu/brin98anatomy.html 24.10.2006]
Broder, A. (2006), From query based Information Retrieval to
context driven Information Supply
[http://grupoweb.upf.es/workshop/slides/fws_broder.pdf
01.11.2006]
Ferber, R. (2003), Information Retrieval. Suchmodelle und DataMining-Verfahren für Textsammlungen und das Web. Heidelberg:
dpunkt.
26
Links & Literatur
Fuhr, N. (2004), Theorie des Information RetrievaI: Modelle, in:
Kuhlen, Rainer; Seeger, Thomas; Strauch, Dieter (Hg.):
Grundlagen der praktischen Information und Dokumentation. 5.
völlig neu gefasste Auflage. Band 1 - Handbuch zur Einführung in
die Informationswissenschaft und -praxis. München: K G Saur,
2004, S.207-214.
Korfhage, R. R. (1997), Information storage and retrieval. Wiley:
New York.
Lewandowski, D. (2005), Web Information Retrieval:
Technologien zur Informationssuche im Internet, Frankfurt a.M.:
DGI [http://www.durchdenken.de/lewandowski/web-ir/ 23.10.2006].
Smyth, B.; Balfe, E. (2006), Anonymous personalization in
collaborative web search. Inf. Retr. 9(2): 165-190 (2006)
[http://www.springerlink.com/media/570cdglxvm1twclrrvv3/contribu
tions/4/9/j/6/49j6313t495h0w26.pdf 30.10.2006]
27
Vielen Dank für Ihre Aufmerksamkeit!
[www.web-information-retrieval.de/vergleich_internetsuchmaschinen_fachdatenbanken.pdf]
28