Dirk Lewandowski. Web Information Retrieval Technologien zur Informationssuche im Internet. DGI-Schrift (Informationswissenschaft 7}

Transkript

1 Dirk Lewandowski Web Information Retrieval Technologien zur Informationssuche im Internet DGI-Schrift (Informationswissenschaft 7}

2 Inhalt Vorwort 9 Suchmaschinen im Internet - informationswissenschaftlich betrachtet 9 1 Einleitung 13 2 Forschungsumfeld Suchmaschinen-Markt Formen der Suche im WWW Aufbau von algorithmischen Suchmaschinen Abfragesprachen Arten von Suchanfragen Nutzerstudien Methoden der Nutzerforschung Nutzergruppen Recherchekenntnisse und -Strategien Themen und Auswahl der Suchbegriffe Sichten der Treffer Wissen über Suchmaschinen und deren Finanzierung Forschungsbereiche 39 3 Die Größe des Web und seine Abdeckung durch Suchmaschinen Die Größe des indexierbaren Web Struktur Crawling Aktualität invisible Web 51 4 Strukturinformationen Strukturierungsgrad von Dokumenten Strukturinformationen in den im Web gängigen Dokumenten HTML Word-Dokumente PDF Trennung von Navigation, Layout und Inhalt Repräsentation der Dokumente in den Datenbanken der Suchmaschinen

3 5 Klassische Verfahren des Information Retrieval und ihre Anwendung bei WWW-Suchmaschinen Unterschiede zwischen klassischem" Information Retrieval und Web Information Retrieval Kontrolliertes Vokabular Kriterien für die Aufnahme in den Datenbestand Modelle des Information Retrieval Boolesches Modell Vektorraummodell Probabilistisches Modell 86 6 Ranking Rankingf aktoren Messbarkeit von Relevanz Grundsätzliche Probleme des Relevance Ranking in Suchmaschinen 97 7 Informationsstatistische und informationslinguistische Verfahren Textstatistische Verfahren Nutzungsstatistische Verfahren Informationslinguistische Verfahren Stemming Phrasenerkennung Synonyme, Homonyme, Akronyme Rechtschreibkontrolle Linktopologische Ran kingverfahren Grundlagen: Science Citation Indexing PageRank Der klassische PageRank-Algorithmus Weiterentwicklungen: Reranking HITS Hilltop Evaluierung der linktopologischen Verfahren Problembereiche linktopologischer Rankingverfahren Fazit linktopologische Verfahren 137 6

4 9 Retrievaltests Aufbau und Nutzen von Retrievaltests Aufbau und Ergebnisse ausgewählter Retrievaltests Kritik Verfahren der intuitiven Benutzerführung Relevance Feedback Vorschläge zur Erweiterung und Einschränkung der Suchanfrage Klassifikation und Thesaurus Clusterbildung Graphische Ansätze der Ergebnispräsentation Aktualität Bedeutung der Beschränkung nach der Aktualität der Dokumente Funktionsfähigkeit der Datumsbeschränkung in Suchmaschinen Methodik Ergebnisse Möglichkeiten der Ermittlung von Datumsangaben in Web-Dokumenten Aktualitätsfaktoren im Ranking Spezialisierte Suchmaschinen für Nachrichten Auswahl der gewünschten Aktualität durch den Nutzer Qualität Bedeutung der Beschränkung nach der Qualität der Dokumente Qualitätsbeschränkungen bei der Recherche in Datenbank-Hosts Identifizierung von Top-Quellen im WWW Manuelle Einbindung von Top-Quellen Automatisierte Einbindung von invisible-web-quellen Einbindung von Web-Verzeichnissen in Suchmaschinen Erschließung des Web mittels Suchmaschinen und Verzeichnissen Web-Verzeichnisse und ihre Integration in Suchmaschinen Erschlieliung der Sites in Web-Verzeichnissen Einbindung der Verzeichnisdaten in Suchmaschinen 206 7

5 13 Verbesserung der Dokumentrepräsentation 13.1 Beschränkung auf den Inhaltsteil der Dokumente 13.2 Erweiterungen der Dokumentrepräsentation S truktu rinf ormationen Größenangaben Abbildungen und Tabellen 13.3 Ersatz für die Nicht-Verwendbarkeit generischer Top-Level-Domains 13.4 Aufbereitung der Suchergebnisse in den Trefferlisten 14 Fazit und Ausblick Literatur Register