Vergleich von Internetsuchmaschinen & Fachdatenbanken

Transkript

1 Vergleich von Internetsuchmaschinen & Fachdatenbanken Dr. Joachim Griesbaum Informationswissenschaft Universität Konstanz Fach D 87 D Konstanz Department of Computer and Information Science at the University of Constance

2 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 Internetsuchmaschinen & Fachdatenbanken Informationswissenschaft Konstanz

3 Architektur von Retrievalsystemen Nutzer mit Informationsbedarf Suchanfrage Suchergebnis Anfrageninterpretation & -verarbeitung Repräsentation des Informationsbedarfs Abgleich mittels einer Retrievalfunktion Retrievalsystem Wissensbasis Repräsentation der Dokumente Verfahren der Dokumentbeschaffung bestimmen Umfang und Inhalt der Dokumentkollektion Input Wissensobjekt Wissensobjekt Wissensobjekt 3 Internetsuchmaschinen & Fachdatenbanken Informationswissenschaft Konstanz

4 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 Faktendatenbanken Volltextdatenbanken 4 Internetsuchmaschinen & Fachdatenbanken Informationswissenschaft Konstanz

5 Suchmaschinen Nutzer Suchanfrage Anfragenbearbeitung Automatische Sortierung nach Relevanzkriterien Index -automatische Termextraktion (Volltext): Position & Häufigkeit, Funktions- Struktur-, Formatelemente -Links Dokumentbeschaffung Roboter/Anmeldung Bsp.: ask.de, Tipp: exalead.de u.a. mit Wortstammsuche Webpages Internet 5 Internetsuchmaschinen & Fachdatenbanken Informationswissenschaft Konstanz

6 Fachdatenbanken Nutzer Boole sche Suchanfragen Zeitschriften Anfragenbearbeitung Treffermengen Ausgabe (meist Sortierung nach formalen und Relevanzkriterien möglich) Fachliteratur Proceedings Dissertationen Reports Bücher Index bestehend aus bibliographischen Daten und zusätzlichen inhaltserschließenden Angaben Titel Autor Schlagwörter (Controlled, free terms) Klassifikation Abstract... Zyklische Aktualisierung, Meist intellektuelle Inhaltserschließung Bsp.: INSPEC, INFODATA, SOLIS, COMPUSCIENCE 6 Internetsuchmaschinen & Fachdatenbanken Informationswissenschaft Konstanz

7 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 7 Internetsuchmaschinen & Fachdatenbanken Informationswissenschaft Konstanz

8 Dokumentraum und Dokumentbeschaffung Internetsuchmaschinen Suchmaschinen erfassen z.t. zwar viele Milliarden Dokumente, aber das ist nur einen Teil des Internet Informationsressourcen inhaltlich, strukturell und qualitativ sehr heterogen Hochgradig veränderlicher Dokumentraum Unsicherheit bzgl. Vollständigkeit und Qualität der Ergebnisse Fachdatenbanken Je nach Scope und Umfang der Datenbank fachlich einschlägig und das Themengebiet abdeckend Dokumente qualitativ hochwertig State of the Art-Recherchen grundsätzlich möglich 8 Internetsuchmaschinen & Fachdatenbanken Informationswissenschaft Konstanz

10 Suchmaschinenspider-Simulation für Amazon.de Darstellung zur Veranschaulichung gekürzt, vgl. [ 10 Internetsuchmaschinen & Fachdatenbanken Informationswissenschaft Konstanz

11 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 Volltext (noch) frei erhältlich unter SICI (Code nach ANSI Standard Z39.56) web.archive.org/web/ / Update Code Docs/ipmSpink2002.pdf (letzter Zugriff ) Copyright 11 Internetsuchmaschinen & Fachdatenbanken Informationswissenschaft Konstanz

12 Repräsentation der Dokumente Internetsuchmaschinen Geringer Strukturierungsgrad & keine verlässlichen Standards (Metadaten) Missbrauch von Textinhalten (Spam) Repräsentation der Verlinkungsstruktur Reverse (Zitations-)Suche Fachdatenbanken Strukturierte Feldschemata Vorh. Informationen werden mit inhaltserschließenden Angaben ergänzt Indexierung: Vergabe kontrollierter und freier Schlagwörter & Klassifikation Strukturierte Anfragen (Felder) Eindeutiges Vokabular 12 Internetsuchmaschinen & Fachdatenbanken Informationswissenschaft Konstanz

14 Anfragenverarbeitung in Internetsuchmaschinen Bsp. Google [ Matcht exakte Terme: keine Trunkierung Bsp:Treffermengen: search engines = 82 Mio. URLs search engine =302 Mio. URLs ( ) Keine Suche in Metadaten (Ausnahme: Title) Teilweise Zugriff auf Funktionsund Strukturelemente: site, link, daterange, filetype Maximale Anfragenlänge 32 Terme wenig Gestaltungsraum für komplexe Suchanfragen. 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 Internetsuchmaschinen & Fachdatenbanken Informationswissenschaft Konstanz

15 Benutzeroberfläche und Dialoggestaltung in Internetsuchmaschinen Simple Benutzerschnittstelle. Dialogführung. Request-Response-Paradigma. Optionen zur Modifikation der letzten Suchanfrage (related queries, related pages). 15 Internetsuchmaschinen & Fachdatenbanken Informationswissenschaft Konstanz

16 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> Internetsuchmaschinen & Fachdatenbanken Informationswissenschaft Konstanz

17 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 Elaborierte Suchstrategien umsetzbar 1: TermA1 OR TermA2 OR TermA3 Ablauf der Suche 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: Internetsuchmaschinen & Fachdatenbanken Informationswissenschaft Konstanz

19 Retrievalfunktion Internetsuchmaschinen Ranking der primäre Erfolgsfaktor Automatische Sortierung: Rankingfaktoren Wortokurrenzen in Bezug auf Position, Häufigkeit, Funktion, Formatierung Analyse von Linkstrukturen (Linkpopularity/Pagerank) Sprach- bzw. lokalitätsbasierte Filter Fachdatenbanken Ranking von geringer Bedeutung Explizite Sortierung der Treffer nach Termhäufigkeiten & formalen Kriterien möglich Relevanz der Treffer ist vollständig von der Qualität der Rechercheformulierung abhängig. Funktioniert häufig sehr gut Zustandekommen der Suchergebnisse kaum nachvollziehbar 19 Internetsuchmaschinen & Fachdatenbanken Informationswissenschaft Konstanz

21 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 Internetsuchmaschinen & Fachdatenbanken Informationswissenschaft Konstanz

22 Recherche in Google information retrieval search engine evaluation Treffer information retrieval search engine evaluation filetype:pdf 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 39 Treffer information retrieval intitle: search engine intitle:evaluation filetype:pdf 4 Treffer Reverse Suche zu einer relevanten gefundene Website link: 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 Internetsuchmaschinen & Fachdatenbanken Informationswissenschaft Konstanz

23 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 Internetsuchmaschinen & Fachdatenbanken Informationswissenschaft Konstanz

25 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 Instrumente empfehlenswert 25 Internetsuchmaschinen & Fachdatenbanken Informationswissenschaft Konstanz

26 Links & Literatur Recherchebeispiel unter hinenevaluation_inspec.html Brin, S.; Page, L. (1998), The Anatomy of a Large-Scale Hypertextual Web Search Engine, 1998 [ ] Broder, A. (2006), From query based Information Retrieval to context driven Information Supply [ ] Ferber, R. (2003), Information Retrieval. Suchmodelle und Data- Mining-Verfahren für Textsammlungen und das Web. Heidelberg: dpunkt. 26 Internetsuchmaschinen & Fachdatenbanken Informationswissenschaft Konstanz

27 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 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 [ ]. Smyth, B.; Balfe, E. (2006), Anonymous personalization in collaborative web search. Inf. Retr. 9(2): (2006) [ tions/4/9/j/6/49j6313t495h0w26.pdf ] 27 Internetsuchmaschinen & Fachdatenbanken Informationswissenschaft Konstanz

28 Vielen Dank für Ihre Aufmerksamkeit! [ 28 Internetsuchmaschinen & Fachdatenbanken Informationswissenschaft Konstanz