Suchmaschinenalgorithmen. Vortrag von: Thomas Müller

Größe: px

Ab Seite anzeigen:

Download "Suchmaschinenalgorithmen. Vortrag von: Thomas Müller"

Katrin Albert
vor 8 Jahren
Abrufe

1 Suchmaschinenalgorithmen Vortrag von: Thomas Müller

2 Kurze Geschichte Erste Suchmaschine für Hypertexte am CERN Erste www-suchmaschine World Wide Web Wanderer 1993 Bis 1996: 2 mal jährlich Durchlauf 1994: erste Suchmaschinen mit Ranking (RBSE Spider und Webcrawler) Lycos: Nutzung von Relevanzbewertung (Nähe von Wörtern) Google erst 1998

Durchlauf 1994: erste Suchmaschinen mit Ranking (RBSE Spider und

3 Allgemeines Algorithmische Suchmaschinen: Finden der Daten durch Crawler (folgen von Links) Indizierung Bewertung (Dokument, Links) Vergleich der Dokumente untereinander

4 Allgemeines Soziale Suchdienste Informationen durch freiwillige Mitglieder eines (sozialen) Netzwerkes Frage-Antwort-Dienste Aufbereitung der Informationen über Tag-Clouds Semantische Suchdienste Idee: Beschreibung der Bedeutung der Inhalte

Frage-Antwort-Dienste Aufbereitung der Informationen über

5 Allgemeines Spezialsuchmaschinen Nachrichtensuchmaschinen Blogsuchmaschinen etc.

6 Ranking-Algorithmen

7 Ranking-Algorithmen Problem: Anfrage nur kurz Finden passender Dokumente Bewertung der Dokumente

8 Allgemeine Verfahren Boole sches Retrieval: Mindestens eins der Schlüsselwörter enthalten

9 Allgemeine Ranking-Verfahren Coordinate-Level-Matching: Je mehr Suchbegriffe im Dokument, desto höher die Wertung Problem: viel Dokumente, die alle Begriffe enthalten -> weitere Differenzierung nötig

10 Allgemeine Verfahren Vektorraummodell Gewichtung einzelner Terme nach Bedeutung für das Hauptthema anhand der Häufigkeit je häufiger ein Term in einem Dokument auftritt desto höher sein Gewicht (term frequency) -> lokales Termgewicht ein Term, der in sehr vielen Dokumenten vorkommt bekommt ein geringes Gewicht -> globales Termgewicht

auftritt desto höher sein Gewicht (term frequency) -> lokales Termgewicht ein Term,

11 Allgemeine Verfahren Vektorraummodell: Inverse Dokumentenhäufigkeit: Terme, die selten vorkommen erhalten ein höheres Gewicht. C idf ( t) log( ) df ( t) 1 df(t) ist die Anzahl der Dokumente aus der Sammlung C, die den Term t enthalten. Gesamtgewicht: Termhäufigkeit * Dokumentenhäufigkeit

C idf ( t) log( ) df ( t) 1 df(t) ist die Anzahl der Dokumente aus der

12 Allgemeine Verfahren Vektorraummodell: Darstellung der Dokumente als Vektoren im (n Menge der betrachteten Terme) Ähnlichkeit durch Winkel zwischen Vektoren n R cos a* b a * b

13 Allgemeine Verfahren

14 Allgemeine Verfahren Vorteile: gute Ergebnisqualität, schnell Weitere Faktoren: Position des Suchbegriffes Nähe der Suchbegriffe untereinander Begriffsreihenfolge

15 Erweiterungen des Konzepts für das WWW

16 Nutzung der Auszeichnungen (HTML) Bisher: flache Texte Jetzt: Semantische Nutzung der Auszeichnungen Speicherung verschiedener Teile in Indizes (Titel, Überschriften, Links, etc.) Vergleich jedes Indizes mit der Suchanfrage und Kombination mit Gewicht

verschiedener Teile in Indizes (Titel, Überschriften, Links,

17 Nutzung der Auszeichnungen (HTML) <body> <h1>java und MySQL</h1> Java ist viel toller als C#. Und MySQL ist auch ganz toll. unter anderem auch BLOB-Typen. <a href= > Näheres zu BLOBs </a> </body>

18 Page Rank Bekanntheit durch Anzahl Besucher -> Page Rank Simulation eines Nutzers der zufällig Links folgt Messung der Treffer pro Seite

19 HITS Hyperlink Induced Topic Search Berechnung eines anfragespezifischen Qualitätswertes Genauere Ergebnisse, als Page Rank Zeitintensiver Nur Nutzung einer Teilmenge von Dokumenten

20 HITS 2 Werte: Hub, Authority Hubs: haben gute ausgehende Links Authorities: werden von guten Hubs verlinkt Links innerhalb der selben Domain werden nicht betrachtet Hub Authority Hub/Authority

21 Suchmaschinenoptimierung

22 Allgemeines Anpassung der eigenen Webseite zum Erzielen eines höheren Rankings Untersuchung der Suchmaschinen auf Verhalten Aufteilung umfangreicher Seiten in einzelne optimierte Qualität der eingehenden und ausgehenden Links

23 Key words Auswahl geeigneter Schlüsselwörter Nutzung verschiedener Schreibweisen (Singular/Plural) Optimieren einzelner Seiten für einzelne Wörter

24 Domain Aussagekräftige Domain (gut lesbar) Alle Seiten unter einer Domain Sonst sinkt Linkpopularität Keine Keyword-Domain

25 Standard-HTML Standardkonformes Webdesign Überschriften durch entsprechende Tags (h1-h6) Auslagern von CSS und Jscript Keine Framesets Mehr als nur 1 Logo auf Startseite

26 Inhalt Text! Wichtige Schlüsselwörter möglichst an den Anfang des Textes Auf Rechtschreibung achten Webobdimirung Webseiten-Optimierung

27 Vielen Dank für Ihre Aufmerksamkeit Für Fragen stehe ich selbstverständlich zur Verfügung

Ähnliche Dokumente

Wie Google Webseiten bewertet. François Bry

Wie Google Webseiten bewertet. François Bry Wie Google Webseiten bewertet François Bry Heu6ge Vorlesung 1. Einleitung 2. Graphen und Matrizen 3. Erste Idee: Ranking als Eigenvektor 4. Fragen: Exisi6ert der Eigenvektor? Usw. 5. Zweite Idee: Die Google