Σύνολο

Εισαγωγή

Λίγοι άνθρωποι μπορούν πλέον να φανταστούν το Διαδίκτυο χωρίς αναζήτηση, αποτελέσματα αναζήτησης και συστήματα αναζήτησης πληροφοριών (IRS) που τα οργανώνουν όλα. Αλλά μέχρι πρόσφατα, όλες οι πληροφορίες του Διαδικτύου χωρούσαν σε αρκετούς καταλόγους, τα ονόματα των οποίων είναι ακόμα γνωστά (DMOZ, Yahoo).

Σήμερα, ο όγκος των πληροφοριών στο Διαδίκτυο είναι τόσο τεράστιος που είναι αδύνατο να χωρέσει σε κανέναν κατάλογο. Για την επεξεργασία, την αποθήκευση πληροφοριών και την οργάνωση αναζητήσεων, έχουν δημιουργηθεί και συνεχίζουν να δημιουργούνται ισχυρά προϊόντα λογισμικού, τα οποία ονομάζουμε μηχανές αναζήτησης (SE). Κάθε μηχανή αναζήτησης (μηχανή αναζήτησης) έχει τις δικές της βάσεις δεδομένων, τους δικούς της αλγόριθμους επεξεργασίας, αναζήτησης, κατάταξης και εμφάνισης πληροφοριών.

Οι μηχανές αναζήτησης στο Διαδίκτυο είναι

Μπορεί να δοθεί ο ακόλουθος ακαδημαϊκός ορισμός των μηχανών αναζήτησης. Ένα σύστημα αναζήτησης είναι ένα σύνολο προγραμμάτων και τεχνικών μέσων για την οργάνωση μιας αναζήτησης χρήστη στο Διαδίκτυο, στο οποίο, όταν απαντά σε ένα ερώτημα κειμένου, ο χρήστης λαμβάνει μια λίστα σχετικών (αντίστοιχων με το αίτημα) αποτελεσμάτων.

Η έκδοση γίνεται με τη μορφή λίστας συνδέσμων προς την πηγή πληροφοριών με σύντομη περιγραφή (προεπισκόπηση), μερικές φορές με φωτογραφία.

Για το πρώτο παράδειγμα, ας θυμηθούμε τον παγκόσμιο ηγέτη αναζήτησης "Google" και τον ηγέτη της μηχανής αναζήτησης Runet "Yandex". Εκτός από αυτές τις μηχανές αναζήτησης, μπορείτε να αναφέρετε μια ντουζίνα ακόμα υπάρχουσες μηχανές αναζήτησης, για τις οποίες θα μιλήσουμε παρακάτω.

Γνώμη: Οι μηχανές αναζήτησης Google, Yandex και άλλες δεν είναι παραγωγοί (παραγωγοί) περιεχομένου, αλλά συγκεντρωτές (συσσωρευτές) περιεχομένου και, ως επί το πλείστον, περιεχομένου άλλων ανθρώπων. Αξίζει να θυμάστε ότι η χρήση του περιεχομένου κάποιου άλλου για τη δημιουργία της δικής σας επισκεψιμότητας και τη δημιουργία εσόδων από αυτό μπορεί να χαρακτηριστεί ως «πειρατεία», κάτι που, φυσικά, δεν συμβαίνει στην πραγματικότητα.

Εκτίμηση

• και η Google μοιράζονται τις δύο πρώτες θέσεις των ηγετών: περίπου 49% και 45%.
• Τρίτη θέση: Αναζήτηση Mail.ru περίπου 3%.
• Άλλες μηχανές αναζήτησης επιπλέουν κάτω από 1%.

Κοιτάζω τα στατιστικά στοιχεία στο Google Analytics:

• yandex/οργανικό 40,26%
• google/οργανικό 38,93%
• mail.ru/organic 0,60%
• rambler/οργανικό 0,52%
• bing/οργανικό 0,12%

Τα στατιστικά είναι αδυσώπητα: οι αναζητήσεις Yandex χρησιμοποιούνται περισσότερο από όλα και αν σκεφτείτε ότι το 3% είναι ένα καλό αποτέλεσμα σε σύγκριση με το 45%, τότε η αναζήτηση Mail.ru μπορεί να ονομαστεί η τρίτη πιο δημοφιλής.

Από αυτή την άποψη, οι συζητήσεις σχετικά με τη δημοτικότητα των μηχανών αναζήτησης εκτός από το Yandex και το Google μπορούν να αποδοθούν στη δεισιδαιμονία και η ειδική προώθηση ιστότοπων σε άλλες μηχανές αναζήτησης (όχι Yandex και Google) δεν αξίζει προσοχής.

Πώς λειτουργούν οι μηχανές αναζήτησης

Το ερώτημα για το πώς λειτουργούν οι μηχανές αναζήτησης είναι εξίσου συνηθισμένο με το ερώτημα "τι χρώμα είναι ο ουρανός". Εάν ο ουρανός είναι μπλε, τότε οι μηχανές αναζήτησης συλλέγουν πληροφορίες στο Διαδίκτυο, τις επεξεργάζονται, τις κατατάσσουν και τις στέλνουν στον χρήστη με βάση το ερώτημα αναζήτησης.

Η θεωρία της αναζήτησης στο Διαδίκτυο είναι πολύ πιο εκτενής και δεν μπορεί να παρουσιαστεί στο άρθρο. Ωστόσο, τα κύρια σημεία θα μας φανούν χρήσιμα:

Οι μηχανές αναζήτησης στο Διαδίκτυο δεν αποθηκεύουν έγγραφα, δηλαδή δεν κατεβάζουν και ανεβάζουν έγγραφα εντελώς στα αποθετήρια τους.

Οι IRS χρησιμοποιούν το Διαδίκτυο ως αποκεντρωμένο χώρο αποθήκευσης εγγράφων. Οι μηχανές αναζήτησης ανιχνεύουν περιοδικά το Διαδίκτυο, επιλέγουν τις πληροφορίες που χρειάζονται βάσει των αλγορίθμων τους και εν μέρει τις τοποθετούν (τις πληροφορίες) στη βάση δεδομένων τους (Βάση δεδομένων). Αυτό οδηγεί σε πολλά προβλήματα:

• Τα συστήματα ανάκτησης πληροφοριών δεν χρησιμοποιούν όλες τις πληροφορίες στο Διαδίκτυο, αλλά μόνο μέρος τους.
• Οι πληροφορίες του Διαδικτύου αλλάζουν συχνά. Περίπου 1.500 χιλιάδες σελίδες προστίθενται την ημέρα, εξ ου και η πιθανή «κενή έξοδος».
• Υπάρχει μεγάλος αριθμός διπλότυπων (διπλό περιεχόμενο). Δυστυχώς, δεν έχω ακριβή στοιχεία για τις λήψεις και το αναφερόμενο ποσοστό του 25% των λήψεων φαίνεται πολύ υψηλό.
• Υπάρχει πολλή διαφήμιση, η οποία επίσης παρακάμπτεται από τις μηχανές αναζήτησης.
• Η "περιπλάνηση" των ρομπότ αναζήτησης στο δίκτυο αυξάνει σημαντικά το φορτίο στους πόρους (δεν ισχύει για τις μηχανές αναζήτησης).
• Οι περισσότεροι ιστότοποι είναι εμπορικοί (περίπου 83%) και έχουν μικρή πληροφοριακή αξία.

Για αυτούς και ορισμένους άλλους λόγους, η συντριπτική πλειονότητα των συστημάτων ανάκτησης πληροφοριών στο Διαδίκτυο χρησιμοποιεί ένα σχήμα αναζήτησης λέξεων-κλειδιών (μηχανές αναζήτησης), αντί για ένα κλασικό σχήμα αναζήτησης που βασίζεται στην ταξινόμηση πληροφοριών.

Χαρακτηριστικά αναζήτησης λέξεων-κλειδιών

Παρά τους μεταβαλλόμενους αλγόριθμους των μηχανών αναζήτησης, των οποίων η διαφήμιση προσπαθεί να μας πείσει ότι τα μηχανήματα γίνονται πιο έξυπνα και κατανοητά, η βάση της δουλειάς των μηχανών αναζήτησης είναι η αναζήτηση λέξεων-κλειδιών.

Μου αρέσει αυτό το σχέδιο αναζήτησης λέξεων-κλειδιών.

Όπως μπορείτε να δείτε, το έργο των μηχανών αναζήτησης στο Διαδίκτυο βασίζεται στην αναζήτηση νέων εγγράφων (ρομπότ αναζήτησης Spider + Crawler), στην ευρετηρίαση εντοπισμένων εγγράφων (Indexer) και στην εκτέλεση ερωτήματος χρήστη (Search Engine Results Engine). Τα ονόματα των ρομπότ αναζήτησης που χρησιμοποιούνται για αυτούς τους σκοπούς παρατίθενται σε αγκύλες.

Όπως είπα, οι περισσότερες μηχανές αναζήτησης δεν αντιγράφουν το πλήρες κείμενο των εγγράφων στη βάση δεδομένων τους. Για την αναζήτηση, κατά την ευρετηρίαση ενός εγγράφου, δημιουργείται μια εικόνα αναζήτησης. Για να οργανώσει μια αναζήτηση με , το ρομπότ ευρετηρίου δημιουργεί μια εικόνα του εγγράφου χρησιμοποιώντας τη λεγόμενη μέθοδο παράγωγης. Δηλαδή, η εικόνα του εγγράφου περιέχει έναν τίτλο και ένα σύνολο λέξεων-κλειδιών.

Ωστόσο, μπορεί να ειπωθεί με μεγάλη ακρίβεια ότι όλα τα IPS δίνουν προσοχή στα εξής:

• Παρουσία λέξης κλειδιού στο