IR - Kontrollfragen
Informationswissenschaft
Informationswissenschaft
-
- 1 / 34
-
Lernkarten
Was wird bei der Evaluierung von IRS bewertet!
Die Effektivität und die Effizienz der Retrievalsysteme
Effektivität: wie gut wird die Aufgabe erfüllt. Qualität der Ergebnisse
Effizienz: Aufwand, den das System erfordert. Effizienzfaktoren wie z.B.: Antwortzeiten, Monetäre
Kosten, Lernaufwand.
Was bedeutet Precision und Recall und wie werden diese zwei Werte berechnet!
Precision / Genauigkeit (Teil 1)
Die Ermittlung der "Precision" ist ein Mittel zur Bewertung der Effizienz eines IR-Systems. Mathematisch definiert wird sie über folgende
Formel: Precision = Anzahl der gefundenen relevanten Dokumente, geteilt durch die Anzahl aller gefundenen Dokumente. Die Precision kann somit einen Wert
zwischen 0 und 1 annehmen. Eine Precision von 1 besagt, dass alle gefundenen Dokumente als relevant gelten. Sie gibt also in gewissem Sinne die Genauigkeit der Treffer in einer Datenbank wieder.
Was bedeutet Precision und Recall und wie werden diese zwei Werte berechnet! (Teil 2)
Zur Feinrecherche ist eine hohe Precision sinnvoll, da man nur 100%ig relevante Dokumente erhält und somit die Anzahl der
Dokumente, auch auf die Gefahr hin, dass einem interessante Dokumente entgehen, gering gehalten wird. Recall / Vollständigkeit: Die Ermittlung des "Recall" ist ein Mittel zur Bewertung der Effektivität eines IR-Systems. Mathematisch definiert wird er über folgende Formel: Recall = Anzahl der gefundenen relevanten
Dokumente geteilt durch die Anzahl aller relevanten Dokumente in der DB. Der Recall kann somit einen Wert zwischen 0 und 1 annehmen. Ein Recall von 1
besagt, dass alle relevanten Dokumente der Datenbank gefunden wurden. Er ermöglicht also Schlüsse auf den Umfang der Datenbank. Zur Grobrecherche ist ein
Wie verhalten sich die durchschnittlichen Recall-Precision-Werte bei steigender Anzahl Treffer in der Ergebnismenge! Interpretieren sie den
Je mehr Treffer aufgelistet werden, umso höher ist der Recall (Vollständigkeit). Gleichzeitig verschlechtert sich hingegen die Precision (Genauigkeit), da die hohe
Anzahl an Treffern die Genauigkeit beeinträchtigt. Bzw.: Je mehr Treffer angezeigt werden, umso schwieriger wird es, das treffendste Dokument zu finden.
So ist der Recall zwar sehr hoch, wenn viele Dokumente gefunden wurden; die Precision jedoch eher tief. Wenn hingegen die Precision sehr hoch ist, ist in der Regel
der Recall tief.
Als Zusatzinfo:
Die Precision:
0 = Kein Dokument ist relevant, 1 = Alle Dokumente, die ich erhalten habe, sind relevant
Der Recall:
0 = Keines der relevanten Dokumente wurde gefunden,
1 = Alle relevanten Dokumente wurden gefunden
Idealer Wert bei Recall & Precision: 1,
JEDOCH: Im Normalfall muss eine Entscheidung getroffen werden, auf welchen Messwert man mehr Wert legt. Denn eine hohe Precision und einen hohen Recall
erreicht man nur in den seltensten Fällen gleichzeitig.
Welche Bedeutung haben die Werte Fallout und Generality!
Der Fallout bezieht sich auf ein Verhältnis der Daten, die bei einer Recherche gefunden wurden aber nicht relevant sind, zu allen Dateien die nicht zu der gestellten
Suchanfrage passen. Dabei wird die Zahl der gefundenen Daten durch die Zahl aller nicht relevanten Dateien dividiert.Je tiefer das Ergebnis ausfällt, desto besser
wurde die Suchanfrage formuliert. Denn sobald viele nicht relevante Dokumente gefunden werden, ist die Suchanfrage zu oberflöchlich.
Die Generality bezieht sich ebenfalls auf die Formulierung der Suchanfrage. Dabei werden alle relevanten Daten, die gefunden wurden und die Daten, die man noch
im Datenpool vermutet durch die gesamt Zahl aller relevanten Daten und nciht relevanten Daten dividiert. Hier ist das Ergebnis aber umgekehrt zu bewerten. Denn
je höher das Ergebnis ausfällt, desto besser wurde die Suchanfrage erstellt. Bekavac: Gei der Generality wird eher die thematische Abdeckung der Wissensbasis
Welche Probleme kann es bei der Beurteilung der Relevanz von Suchergebnissen geben!
In der Bewertung der Relevanz geht es vorerst einmal darum, dass die Suchergebnisse mit der gestellten Suchanfrage verglichen werden. Die maschinelle Relevanz wird durch die Analyse der inhaltlichen Ähnlichkeit durch lexikalische Ähnlichkeit überprüft. Aber ob das entsprechende Rechercheergebnis wirklich relevant ist, kann nur derjenige bestätigen, der ein bestimmtes Informationsbedürfnis formuliert und aus
dem Rechercheergebnis eine passende Antwort erhält. Hier spricht man von einer benutzerorientierten Relevanz.
Aus der Sicht der Anwender können aber auch Recherche-ergebnisse relevant sein, die nicht im Kontext des formulierten Informationsbedarfes stehen. Dies ist
meistens der Fall, wenn das Ergebnis sich für eine andere Frage-stellung als nützlich erweist. Wenn eine grosse Ergebnismenge anfällt, kann es sein, dass
Dokumente mit ähnlichem Inhalt nicht mehr relevant sind, da bereits eine Auswahl getroffen wurde. Weiter kann es vorkommen, das ein Dokument in der
Ergebnisliste...
Was versteht man unter TREC!
TREC steht für Text REtrieval Conference. Diese besteht aus einer Reihe von wissenschaftlichen Konferenzen, welche die Forschung im Bereich des Information
Retrieval fördern und unterstützen.
Als Zusatzinfo:
Die Konferenzen bestehen aus mehreren Tracks, die unterschiedliche Problemstellungen behandeln. Zu jedem Track gibt es einen Wettbewerb, bei dem die
teilnehmenden Gruppen Datensätze und Testaufgaben erhalten. Nach dem Auswerten der Ergebnisse, tauschen sich die Teilnehmer aus und stellen aktuelle und
künftige Forschungsfelder vor.
Um eine grossflächige Evaluation von Information-Retrieval-Methoden zu ermöglichen, wird an den Konferenzen jeweils eine gut ausgebaute Infrastruktur
Welches sind als Informationsdienstleistungen die 'Ahnen' des Information Retrieval! Schätzen Sie Vor- und Nachteile dieser Formen gegenüber
dem modernen Online-Retrieval ein!
Bibliothekskataloge, Bibliografien, Referateorgane, statistische Jahrbücher, Fachhandbücher
der Fakteninformation. allgemein: gedruckte Medien oder Versand von CD-Rom.
Nachteile
o Suche dauert länger
o Zugänglichkeit zu den Daten ist für die Kunden erschwert. (Versand von CDRom,
Versand von Referenzlisten, etc.)
o grössere Monetäre Kosten (für DBProduzent)
o eher kleinere Sammlungen
o Erstellung dauert sehr lange
Vorteile
o Hostanbieter nicht notwendig
o traditioneller Wert (Bibliothekare, die die Arbeit mit Papier dem Computer vorziehen.)
Skizzieren Sie die Komponenten eines IRS und erläutern Sie die jeweiligen Aufgaben.
Ein IR-System besteht aus folgenden Teilen:
- 1. Recherche
- 2. Retrievalfunktion
- 3. Inhaltserschliessung
- 4. Dokumente
1. Recherche:
> Anfrageformulierung (Wie suche ich?)
> Relevanzbeurteilung (Beurteilen & Kriterien
aufstellen)
> Suchstrategie (hat Einfluss auf oben genannte 2
Punkte)
2. Retrievalfunktion (Zentrum)
> Anfragerepräsentation (So, wie Anfrageformulierung
ans System kommt)
> Wissensbasis (Überschneidet sich mit "Anfrage-
Repräsentation", ist Nachweis auf Dokumente und hat
Schnittstelle zur Inhaltserschliessung)
3. Inhaltserschliessung
> Von den Dokumenten wird manuell od. automatisch
indexiert.
> formale Dokumentstrukturanalyse
> Kontrolliertes Vokabular --> Inhaltsanalyse
> Das Ergebnis der Inhaltserschliessung wird der
Wissensbasis repräsentiert (==> Das einzig wichtige
aus der Sicht der IR)
Skizzieren Sie den Zusammenhang zwischen Hostanbieter, Content- und Datenbankproduzenten.
Ein Hostanbieter stellt die Hardware zur Verfügung auf welcher der Datenbankproduzent seine
Datenbank erstellt. Diese wird dann mit Inhalt vom Content-Produzenten gefüttert.
Formulieren Sie mit den Booleschen Operatoren AND, OR und NOT eine Art 'exklusives AND', d.h. entweder beide Aussagen stimmen
oder beide Aussagen stimmen nicht. Also das Gegenteil zu XOR.
Exklusives AND kann mit AND, OR und NOT wie folgt dargestellt werden:
(A AND B) OR (NOT (A OR B))
Wir nehmen A und B wie folgt an:
A: w f w f
B: w w f f
Das exklusive AND muss in der "w/f-Tabelle" wie folgt aussehen:
exlusives AND: w f f w
also muss es dort wahr sein, wo entweder beide Aussagen stimmen oder nicht stimmen, ansonsten ist es falsch.
Wir müssen das "exklusive AND" mit OR, AND und NOT darstellen. AND und OR sehen wie folgt aus:
A AND B: f f f w
A OR B: f w w w
weiter ist:
NOT (A OR B): w f f f
und wenn wir jetzt so zusammensetzen:
(A AND B) OR NOT (A OR B) kommen wir auf: w f f w, also dem exlkusiven AND
Überschneiden Sie drei Mengen A, B und C. Formulieren Sie zu JEDER einzelnen Teilmenge den entsprechenden Booleschen Ausdruck.
Z.B. für die Schnittmenge zw. A, B und C; A AND B AND C.
- A AND B AND C
- A AND NOT B AND C
- A AND NOT B AND NOT C
- A AND B AND NOT C
- NOT A AND B AND C
- NOT A AND NOT B AND C
- NOT A AND NOT B AND NOT C
Dabei macht die letzte Form nicht besonders viel Sinn, da man damit ja alle Teilmengen ausschliesst und somit gar nichts übrigbleibt, oder?
Bekavac: Im engeren Sinne der Mengenalgebra gehört das letztere (NOT A AND NOT B AND NOT C) in der Tat auch zu einer möglichen Teilmege (hatte ich aber gar
nicht erwartet) - übrig bleibt hier aber nicht nichts, sondern die restliche Grundmenge.
Wenn ich es aber richtig sehe, dann fehlt noch NOT A AND B AND NOT C !?
Was versteht man unter einer invertierten Datei!Liste und wie ist diese aufgebaut!
Die Begriffe "invertierte Datei", "invertierte Liste" und "(invertierter) Index" werden synonym verwendet.
Bekavac (ohne Jahr) schreibt: "Die invertierte Datei, vor allem als Grundlage für den Matching-
Ansatz bei der Retrievalfunktion, gehört zu den effizientesten und damit auch meistverbreitetsten
Datenstrukturen im Bereich des Information Retrieval. Kommerziel verfügbare
Retrieval-Systeme verwenden nahezu ausschliesslich das Prinzip der invertierten Datei." "In einem System mit invertierten Dateien werden zuerst allen
Dokumenten Nummern zugewiesen. In einer oder mehreren invertierten Datei(en) werden darauf alle Deskriptoren dieser Dokumentenwelt gespreichert. Jedem
Deskriptor wird dabei eine Liste von Verweisen auf die zugehörigen Dokumente bzw. auf deren Nummern zugeordnet. (...) Die Retrievalfunktion extrahiert bei einer
Suchanfrage zuerst alle relevanten Begriffe mit dem selben Verfahren wie bei der Invertierung. Die Suchbegriffe werden darauf in der invertierten Datei..
Was versteht man unter einer disjunktiver bzw. konjunktiver Normalform bei Booleschen Suchanfragen und wozu werden diese
Eine Boolesche Funktion kann auch in die Disjunktive Normalform (DNF) oder die Konjunktive Normalform (KNF) umgewandelt werden. Der Vorteil an der
Normalform ist ihre einfache Struktur. Dadurch lassen sich bei der Berechnung der Ergebnismenge kleinere Zwischenergebnisse produzieren.
Die DNF enthält Terme (und ggfls. Ihre Negation) (Bsp.: Konzert, NOT Sport), die mit AND (Konjunktion) zusammengesetzt werden.
Diese Einheiten werden mit OR (Disjunktion) verbunden.
Bsp.:
(Haus AND Garten) OR
(Haus AND NOT Garten)
Die KNF enthält Terme (und ggfls. Ihre Negation) (Bsp.: Konzert, NOT Sport), die mit OR (Disjunktion) zusammengesetzt werden.
Diese Einheiten werden mit AND (Konjunktion) verbunden.
Bsp.:
(Haus OR Garten) AND
(Haus OR NOT Garten)
Formulieren Sie zur folgenden Booleschen Anfrage die EDNF und die EKNF; (Abendessen AND Konzert) OR (NOT Abendessen AND
Abendessen: A
Konzert: K
Schwimmen: S
Die Aussage (A AND K) OR (NOT A AND S) entspricht bereits einer DNF.
EDNF und EKNF lassen sich über die Wahrheitstabelle des DNF errechnen, diese muss also vorgängig erstellt werden. Hat man das gemacht, kann man den EDNF
und EKNF ablesen.
Die zusammengesetzte W-Werte der Wahrheitstabelle ergeben den EDNF:
(A AND K AND S) OR
(A AND K AND NOT S) OR
(NOT A AND K AND S) OR
(NOT A AND NOT K AND S)
Die F-Werte der Wahrheitstabelle, müssen zuerst mit NOT gestellt und umgeformt werden, damit sie den EKNF ergeben:
(NOT A OR K OR NOT S) AND
(NOT A OR K OR S) AND
(A OR NOT K OR S) AND
(A OR K OR S)
Wie funktioniert vektororientiertes Retrieval grundsätzlich! Welche Vor-!Nachteile hat diese Methode!
Die vektororientiertes Retrieval ist eine Anwendung der Lineare Algebra an das IR.
Ein Vektorraum ist durch Vektoren definiert, die den Dokus und den Suchanfragen repräsentieren. Dokus werden als Vektoren d=(t1, t2, ..., tn)
repräsentiert, wo jedem t ist ein nummer, der die Häufigkeit eines Termin t im Doku d repräsentiert.Je ofter ein Term auf dem Doku kommt, desto höher
sein Wert ist.
Die Suchanfr., oder Query, ist aus der gleiche Prinzip basiert: Query q=(t1, t2, ..., tn). Hier repräsentieren die t die Häufigkeit eines Termin t im Suchanfr. q.
Die Änlichkeit eines Dokus mit den Suchanfr. kann in zwei verschiedene Arte gemesst werden:
- Die Winkelmessung zwischen den Vektor d (Doku) und q (Query):
cos(t,d)=(Σ_i(q_i.d_i))/(√(Σ_i(q_i)^2 ).√(Σ_i(d_i)^2 ))
- Die Distanz zwischen wektoren d und t:
E_dist(q,d)=√(Σ_i(q_i-d_i)^2 )
Vorteile: ...
Was versteht man unter Normalisierung der Gewichte beim vektororientierten Retrieval!
Die grösse einer Dokument kann die Vektorialsuche stark beeinflussen. Zum Beispiel, ein grosses Dokument kann eine seltene Wort 25 mal enthalten. Im gegenteil,
kann ein kleines Dokument kein Wort 25 mal entalten.
Es ist so wichtig, dass wir die Häufigkeit eines Wort im kontext der Dokument bewerten, und nicht einfach wie viele male dieses Wort kommt. Die Normalisierung
der Gewichte bei Suchanfragen rechnet genau das.
S = (Smax (U - Umin) + Smin (Umax - U)) / (Umax - Umin)
Wo liegt der Unterschied zwischen Distanz- und Winkelmessung beim Vektorretrieval!
Winkel- und Distanzrechnungen sind zwei unterschiedliche Berechnungsmöglichkeiten, um Ähnlichkeit zw. Vektoren zu errechnen.
Es wird eine Ähnlichkeit zw. ANfragevektor u. den Dokumentvektoren berechnet.
Distanzmessung:
- Rechnet die Distanz der Pfeile aus. (Wie weit zwei
Vektoren auseinander liegen).
- ähnliche Dokumente liegen im Vektorraum nahe beieinander
Winkelmessung:
- Rechnet aus, wie ähnlich sich die Winkel sind.
- ähnliche Dokumente liegen in derselben Winkelrichtung
Was versteht man unter Natural Language Processing (NLP) im IR!
NLP: Natural Laguage Processing
NLP bedeutet ‚Natural Language Porcessing‘ und ist eine Methode zur Textanalyse.
...
Wozu dienen Proximity-Operatoren! Nennen Sie ein Bsp. mit einer sinnvollen Anwendung.
Proximity-Operatoren: = Abstandsoperatoren, Kontextoperatoren. Sie ermöglichen eine Verbindung verschiedener Begriffe durch eine Abstandsdefinition, die sie
erfüllen müssen.
Bsp: Suche von Begriffen in gleichen Paragraphen, Suche von Begriffen im gleichen Feld (Index Feld, Titel, etc.), Suche von Begriffen, die in der angegebenen
eWiniaen idste rd satse ghreunn.dsätzliche Vorgehensschema für Recherchen aufgebaut!
Warum sollte man vor einer Recherche einen RAP aufstellen?
Vor der Recherche sollte man sich eine Suchstrategie zurecht legen. Dies um Kosten und Zeit zu sparen. Die Strategie gliedert sich dabei in Phasen der Vorbereitung,
der Durchführung und der Nachbearbeitung.
In der Vorbereitung wird der Bedarf analysiert, die zu durchsuchende Datenbank ausgewählt, eine Strategie gewählt und der Ablauf der Recherche geplant.
Während der Durchführung ist man mit dem Recherchesystem verbunden und lässt sich nach Eingabe der Begriffe die Ergebnisse anzeigen und wählt sie aus.
Zum Abschluss der Recherche werden die ausgewählten Dokumente aufbereitet und nach Relevanz sortiert. Nach erfolgter Bewertung der Recherche muss eine
eventuelle Nachrecherche in Betracht gezogen werden oder der Prozess wird abgeschlossen.
Nennen Sie Vor-Nachteile der verschiedenen Suchverfahren im Internet
Suchverfahren
Lokale Suche:
+ Diverse IR-Methoden möglich
+ Sehr hohe Abdeckung
- Beschränkung auf lokale Web-Site und zugehörige Datenbanken
Katalogbasierte Suche:
+ Übersichtlich
+ Rubriken, Kontext ist ersichtlich
+ Gut zur Einführung in ein Thema
- Geringe Abdeckung
- Stichwortsuche nur in den Bezeichneten bzw. Zusatzinformationen (wird nicht im Volltext gesucht)
- Aktualität, Hierarchiezuordnung
Roboterbasierte Suche:
+ Gute Abdeckung
+ IR-Methoden
+ Gut für spezielle Fragen
- Trefferzahl zu hoch
- Matching-Paradigma
- Fehlernder Kontext
Metasuche:
+ Gleichzeitige Befragung diverser verschiedenartiger Suchdienste
+ Aktualität der Suchdienste
- Trefferzahl zu hoch
- Mehrfachtreffer
- Relevanzberechnung, Ranking
Wie werden bei Web-Katalogen die Katalogeinträge eingebracht
Es ist eine geordnete Zusammenstellung von Verweisen. Die Einträge werden je nachem von Redakteuren vorgenommen. Zum Beispiel bei Yahoo durch
Redaktionelle Kontrolle. Oder bei dmoz.org, welche eine Benutzerordnung mit Community Kontrolle haben.
Bei welcher Art von Informationsproblemen eignen sich Web-Kataloge besonders gut
Sie sind gut, wenn man sich ein Überblick über ein Thema beschaffen möchte. Somit könne sie einem in ein Thema einführen. Je nachdem stösst man auf weitere
interessante, unerwartete Rubkiken.
Welches Problem haben Suchmaschinen mit Frame-basierten Web-Seiten
Suchmaschinen haben mit Frames zum Teil erhebliche Probleme! Frames machen es ihnen entweder unmöglich, die einzelnen Seiten einer Website zu finden, oder
aber sie bewirken, dass Besucher, ohne mit dem dazugehörigen Frame-Kontext, ins "Innere" einer Website geschickt werden.
Obwohl immer mehr Websites inzwischen auf die Verwendung von Frames verzichten, werden sie noch sehr oft für die Navigation und die Gestaltung von Websites
eingesetzt.
Die meisten Suchmaschinen-Spider sehen nur die Master-Page. Wie ein veralteter Browser verstehen sie die Instruktionen einfach nicht, mit denen das Frame-
Layout hergestellt werden kann. Die Frames werden daher ignoriert. Es werden nur diejenigen Informationen gelesen, die sich innerhalb der noframes-Tags
Was definiert der Robots-Exclusion-Standard und wie wird dieser umgesetzt
Der Robots-Exclusion-Standard-Protokoll veranlasst, dass ein Webcrawler (Robot) beim Auffinden einer Webseite zuerst die Datai robots.txt im STammverzeichnis
einer Domain liest. In dieser Datei kann festgelegt werden, ob und wie die Webseite von einem Webcrawler besucht werden darf. Das Protokoll ist rein hinweisend
und ist auf die Mitarbeit des Webcrawlers angewiesen.
Somit handelt es sich um eine Alternative zu den Meta-Robots-Tags, die in der vorhergehenden Frage beschrieben sind.
Was wird bei Suchmaschinen alles indexiert
Beim Index handelt es sich um eine Datenstruktur, die bei einer späteren Suchanfrage verwendet wird. Nachteil ist die aufwendige Pflege und Speicherung des
Indexes, Vorteil ist die Beschleunigung des Suchvorgangs. Häufigste Ausprägung dieser Struktur ist ein Invertierter Index.
Indexiert wird dabei:
- Wortextraktion mit mehrsprachigen Stoppwortlisten
- Exakte Wortschreibweisen (Gross-, Kleinschreibung, Bindestriche...)
- Position der Wörter
- Funktion der Wörter (URL, Titel, Überschrift, usw.)
- HTML-Elemente (Dateinamen ovn Bildern, Java-Applets, Kommentare, unbekannte Elemente, die nicht vom Browser angezeigt werden, usw.)
- Verweisstrukturen (ausgehende/eingehende Links zu einem Dokument, usw.)
- in der Regel Volltext (S. 8 Folien Web Retrieval)
Welche Index-Aktualisierungsstrategien gibt es bei Suchmaschinen
Aktualisierungen des Index können zu verschiedenen Zeitpunkten aktualisiert werden, z.B.
o nach festen Zeitintervallen
o nach Verweishäufigkeit
o nach Aktualität
o wenn http: „If-modified-since“
Was versteht man unter Spam beim Ranking von Suchmaschinen
Aufgrund der wirtschaftlichen Bedeudutung des Rankings ist es inzwischen zu gezielten Manipulationen und Fälschungen gekommen.
So wurde das System in der Praxis von Suchmaschinenoptimierern durch Spamming in Gästebüchern, Blogs und Foren und dem Betreiben von Linkfarmen.
Anfang 2005 implementierte Google mit rel="nofollow" ein neues Attribut für Verweise, als Versuch, gegen Spam vorzugehen. Links, die mit diesem Attribut
versehen werden, werden nicht für die PageRank-Berechnung berücksichtigt. Durch Kennzeichnung ausgehender Links kann so beispielsweise dem Gästebuch-,
Blog- und Forum-Spamming entgegengewirkt werden. Allerdings ist diese Methode umstritten, da zum einen nicht alle Suchmaschinen das Attribut beachten und
zum anderen die Links zwar nicht für die PageRank-Berechnung berücksichtigt werden, die verlinkten Seiten jedoch von den meisten Suchmaschinen weiterhin
Erklären Sie das PageRank-Verfahren von Google. Warum ist dies so erfolgreich
Google gehört zu den grössten Suchdiensten. Der Dienst wird täglich von unzähligen Menschen benutzt.
Das PageRank-Verfahren von Google beruht auf der Idee, dass die Seiten analysiert und alle Verweisstrukturen angeschaut werden. Je mehr Verweisstrukturen es
gibt (d.h. je mehr Links auf die Seite gehen), desto wichtiger muss die Seite sein (bzw. desto mehr wird diese Seite angeschaut).
Das PageRank ist statisch und wird periodisch berechnet.
Bei kurzen Anfragen hat sie eine hohe Relevanz und Missbräuche sind eher schwierig (da es aufwendig wäre, ein Spam zu erstellen).
Neue Seiten, wie auch unpopuläre aber dennoch wichtige Seiten werden bei diesem Verfahren aber benachteiligt.
Wo liegt das Problem beim Ranking von Metasuchmaschinen
Eine Metasuchmaschine fragt alle Suchmaschinen ab und gleicht diese Treffer dann ab. Das Ergebnis gibt die Metasuchmaschine dann dem Nutzer.
Das Problem beim Ranking von Metasuchmaschinen ist nun, dass diese nicht ein eigenes Ranking erstellen, sondern die Rankings der abgefragten Suchdienste
übernehmen. (z.B. das Ranking von Google).
Was versteht man unter dem Begriff Linkfarm
Eine Linkfarm ist eine Ansammlung von Webseiten oder ganzen Domains im Web, welche primär dazu dient, möglichst viele Hyperlinks auf eine Webseite zu legen.
Die einzelnen Seiten sind sich vielfach einander sehr ähnlich oder identisch. Linkfarmen dienen der Suchmaschinenoptimierung bzw. der Manipulation von
Suchmaschinen. So soll die verlinkte Website für Suchanfragen auf einen der ersten Plätze der Trefferliste gebracht werden, denn mehr verweisende Links
bedeuten in der Regel eine bessere Platzierung in den Suchergebnissen.
Suchmaschinen berücksichtigen jedoch nicht nur die Anzahl der auf eine Seite verweisenden Links, sondern auch, soweit möglich, deren Qualität (PageRank).
Die Richtlinien der meisten Suchmaschinen warnen vor der Erstellung von Linkfarmen. Verstösse können mit dem Ausschluss einzelner Seiten oder ganzer
Domänen aus dem Suchindex geahndet werden. Google beispielsweise erkennt inzwischen Linkfarmen zielsicher und erwertet diese Links.
Was versteht man unter dem Begriff Cloaking
Cloaking (engl. verhüllen) bezeichnet die bewusste Manipulation von Suchergebnissen. Bei dieser Technik wird dem Crawler des Suchmaschinenanbieters wird eine
andere Seite angezeigt als dem menschlichen Benutzer. Sie dient zur Verbesserung der Rangordnung in Suchmaschinen und der Indexierung.
Cloaking ist nach Richtlinien der meisten Suchmaschinen verboten.
Was versteht man unter dem Begriff Spider im Zusammenhang mit Suchmaschinen
Ein Spider ist eine Software, die Webseiten automatisch durchwandert und diese analysiert. Der Spider folgt dabei über Hyperlinks von Webseite zu Webseite, prüft
diese auf Aktualisierungen und nimmt sie in den Index einer Suchmaschine auf. Dieser Vorgang geschieht auf zwei Arten:
• Depth first: Der Spider startet bei einem Link und folgt diesem über mehrere Webseiten. Die Verfolgung der Links geht dabei also in die Tiefe.
• Breadth first: Der Spider startet bei einer Website und folgt erst allen auf dieser Seite verfügbaren Links.
Ziel der Suchmaschinen ist es, mithilfe von Spidern alle Inhalte des WWW zu durchforsten, jedoch bleiben Dokumente des Deep Web den Spidern verborgen.