VWM - Techniky pro vyhledávání textových, webových a multimediálních dokumentů - modely, algoritmy, aplikace. Optimalizace webových stránek pro vyhledávače.

Základní pojmy

Rozdíl search X browse

• search - hledám konkrétní věc
• browse - nehledám nic konkrétního, spíš daný prostor procházím

WWW (World Wide Web)

• graf webových stránek + další zdroje hostované na webových serverech
• komunikace přes protokol HTTP
• internetový prostor je zaměřen na prezentaci lidem (GUI) a informace se špatně čtou strojům

URL = uniform resource locator

• odkaz na zdroj (webová stránka, multimédium atd.)
• je to out-link z webové stránky

Meta search engine - vyhledávač, který agreguje výsledky z dalších vyhledávačů

Typické části vyhledávání

1. crawling - stahování obsahu (webové stránky)
2. indexing - procesování obsahu do formy vhodné pro vyhledávání
   1. díky indexování už procházím malinkou část obsahu a ne celé univerzum ve full podobě
3. searching - získávání relevantního obsahu pomocí dotazu

Tradiční vyhledávače

1. full-text indexování a analýza linků
   1. dotazy jsou klíčová slova či full-text
2. keyword query
   1. dotaz obsahující pouze pár klíčových slov
3. full-text query
   1. celý full-text zparsovaný do keyword query

Multimediální vyhledávače

1. content-based queries (navíc ke keyword query)
2. Získávání informací z multimédií
   1. o tom, jak vyhledávat multimédia, jak se anotují apod.
      1. pak jsou tam i metody ohledně podobnostního vyhledávání v multimédiích, to není ve scope této otázky

Obecné způsoby získávání informací (dokumentů)

1. dotaz (query)
   • uživatel je schopný specifikovat svůj záměr
   • je to jednorázový proces vyhledání
   • keyword-based a content-based (uploadne soubor, nahraje z URL, nakreslí sketch)
2. browsing
   • uživatel není (dobře) schopen specifikovat svůj záměr
   • skákání přes explicitní linky nebo přes “doporučené” linky - např. s podobným obsahem
3. filtering
   • filtrování obsahu pro mě (personalizace, podle mého chování a mé zpětné vazby…)
   • je to pokračující proces vyhledávání
   • explicitní filtrování (na základě nějakého statického požadavku - dotaz, předplatné, RSS channel)
   • implicitní filtrování (doporučování, na základě preferencí, navštívených stránek, historie apod.)

Je potřeba umět získávat samotné informace z textu (textové dokumenty, stránky apod.)

Získávání informací z dokumentů a stránek

• zmiňuje obecné predispozice a lore k tomu a pak se zaměřuje na konkrétní metody
• Boolský vyhledávací model
• Vektorový vyhledávací model

Optimalizace webových stránek pro vyhledávače

• nejdřív je potřeba porozumět tomu, jak fungují: Page Rank a HITS
• Search engine ranking a SEO