IR - Kontrollfragen 2
Informationswissenschaft
Informationswissenschaft
-
- 1 / 60
-
Flashcards
Retrievalfunktionen F1
Welche Vor-/Nachteile haben Boolesche Suchanfragen?
Vorteile:
- einfach und nachvollziehbar
- abgeleitete Operatoren möglich (z.B. XOR)
Nachteile:
- Reihenfolge der Operatoren nicht festgelegt
- Keine Gewichtung innerhalb der Suchanfragen möglich
- bei komplexen Anfragen muss zuerst die Normalform berechnet werden
Retrievalfunktionen F2
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.
A B XOR Gegenteil von XOREDNF
--------------------------------------------------------------
W W F W (A AND B) OR
W F W F
F W W F
F F W W (NOT A AND NOT B)
Lösung: (A AND B) OR (NOT A AND NOT B)
oder mit De Morgan'schem Gesetz: (A AND B) OR NOT (A OR B)
1. A AND NOT B AND NOT C
2. A AND B AND NOT C
3. NOT A AND B AND NOT C
4. NOT A AND B AND C
5. A AND B AND C
6. A AND NOT B AND C
7. NOT A AND NOT B AND C
GRUNDMENGE (G): NOT A AND NOT B AND NOT C
Retrievalfunktionen F4
Was versteht man unter einer invertierten Datei/Liste und wie ist diese aufgebaut?
Eine invertierte Liste ist im Grunde eine Liste von Wörter oder Termen, deren einzelne Einträge auf Dokumente verweisen. „Invertiert“ bezieht sich dabei auf die Tatsache, dass nicht die Dokumente auf Worte zeigen, sondern eine Liste von Worten auf Dokumente zeigt, die sie beinhalten. Um eine invertierte Liste zu erstellen, müssen die Terme, nach denen der Benutzer suchen können soll, bekannt sein. Sie können entweder manuell vorgegeben werden, oder sie werden anhand von Regeln aus den vorhandenen Dokumenten gewonnen. Damit eine invertierte Liste ihren Zweck erfüllen kann, sollte sie möglichst sinntragende Wörter enthalten. Terme, die sehr häufig in den Dokumenten vorkommen, sind also ungeeignet.
Die Erstellung: Zuerst werden die Dokumente anhand der Regeln oder einer Liste bekannter Terme in ihre einzelnen Terme zergliedert. Zu jedem zulässigen Term wird nun das Dokument gespeichert. Die Bearbeitung einer Anfrage erfolgt nun, indem die Anfrage zuerst in einzelne Terme aufgeteilt ...
Retrievalfunktionen F8
Was versteht man unter Normalisierung der Gewichte beim vektororientierten Retrieval?
Unter der Normalisierung der Gewichte, beim vektororientierten Retrieval, versteht man die Anpassung der Gewichtsgrößen an die Wissensbasis.
Diese kann man mit folgender Formel berechnen:
S = S (Max (U-Umin) + Smin (Umax-U)
_____________________________
Umax-Umin
U = Benutzerdefinierten Gewichte in der Anfrage
S = Im System befindliche Maximal- und Minimalgewichte (Wissensbasis)
Web-Retrieval F4
Wie werden bei Web-Katalogen die Katalogeinträge eingebracht?
Die einzelnen Beiträge werden von Mitarbeitern der Katalogbetreiber redaktionell gesichtet, ausgewählt und in eine Hierarchie eingeordnet. Es handelt sich also um eine intellektuelle Form der Beitragsauswahl.
Web-Retrieval F5
Bei welcher Art von Informationsproblemen eignen sich Web-Kataloge bzw. verzeichnisse besonders gut?
Web-Kataloge eignen siche hervorragend für den Einstieg in ein Thema. Durch die hierarchische Gliederung kann man sich einen Überblick über ein Thema verschaffen und je nachdem findet man weitere interessante Themen.
Web-Retrieval F7
Welches Problem haben Suchmaschinen mit Frame-basierten Web-Seiten?
Suchmaschinen können Frame basierte Webseiten zwar indexieren, jedoch haben sie Probleme, den Zusammenhang zwischen den einzelnen Framesets (index.html, navi.html, head.html) zu erkennen und die Frames in der richtigen Anordnung zu präsentieren.
Einbinden von Links und zuordnen von bestimmten Inhalten ist bei den Framesets nicht möglich. Deshalb wird jeder Frame von der Suchmaschine als einzelne Seite indexiert und dem Benutzer bei der Suche wiedergegeben.
Web-Retrieval F8
Wo liegt das Problem für Roboterprogramme Verweise zu verfolgen, die über verlinkte Bilder realisiert sind?
z.B. eine Karte von Zürich, wo man auf die Symbole der verschiedenen Sehenswürdigkeiten klicken kann und dann auf eine entsprechende Webseite gelangt.
Ein Roboterprogramm müsste also den User simulieren können, was jedoch (noch) nicht möglich zu sein scheint. Folglich kann der Roboter diese Verweise im Bild nicht verfolgen.
Web-Retrieval F12
Welche Index-Aktualisierungsstrategien gibt es bei Suchmaschinen?
Die Webseiten, die der Crawler bereits besucht hat, müssen auf einem aktuellen Stand gehalten werden.
Hierzu benutzt der Crawler die Funktion HTTP: If modified- since. Mit dieser Funktion kann man erkennen, ob sich der Inhalt der Webseite seit dem letzten „Crawling“ verändert hat oder nicht. Hat sich der Inhalt der Webseite verändert, so wird diese erneut heruntergeladen.
Die Aktualisierungsstrategie hängt von der Struktur des Crawlers ab. So unterscheidet man zwischen den folgenden:
1. Batch-Mode Crawler: Periodische Ausführung (z.B. einmal im Monat)
2. Steady Crawler: Ständige Ausführung
Web-Retrieval F22
Was versteht man unter dem Begriff Cloaking?
Beim Cloaking (engl. verhüllen) werden zwei oder mehrere Versionen einer Homepage erstellt. Eine Version ist für den normalen Benutzer: mit schöner Gestaltung und Multimediainhalte. Die anderen Versionen wurden so optimiert, dass sie für die Suchmaschine gut verarbeitet und indexiert werden können (d.h. textbasiert ohne Multimediainhalte). Die Version für die Suchmaschine soll eine bessere Platzierung im Ranking erzielen.
Web-Retrieval F23
Was versteht man unter dem Begriff Spider im Zusammenhang mit Suchmaschinen?
Spider sind Programme, welche die Webseiten indexieren und auf Aktualisierungen prüfen. Sie werden auch Roboter, Wanderer oder Worms genannt. Sie „wandern“ über Hypertext-Verlinkungen von Seite zu Seite. Dieser Vorgang geschieht in zwei Arten:
-„Depth first“: Der Spider verfolgt einen Link über mehrere Seiten hinweg in die „Tiefe“.
-„Breadth first“: Der Spider startet bei einer Website und folgt erst allen auf dieser Seite verfügbaren Links.
Mit Hilfe von Spidern können auch statistische Analysen von Webservern oder Dokumenten erstellt werden. Sie können Dead-Links aufspüren, gespiegelte Seiten und verschiedene Dokumentformate erkennen und finden.
Für die Aktualisierung der indexierten Seiten gibt es die sogenannte Spiderfrequenz, also die Zeit, die der Spider benötigt, um wieder auf dieselbe Seite zu gelangen. Die Spiderfrequenz sollte möglichst kurz sein, was jedoch selten der Fall ist. Ziel: mithilfe von Spidern alle Inhalte des WWW zu durchforsten
(siehe Bild)
Die Content- oder Datenbankproduzenten erstellen die Dokumente bzw. den Inhalt der Datenbanken und die Hosts stellen diese Datenbanken auf einem Online-Server und machen sie von privaten Online-Benutzern benutzbar bzw. durchsuchbar. Heute bieten aber viele Datenbankproduzenten selber ihre Datenbanken an, d.h. sie sind gleichzeitig Host- und Datenbankanbieter.
Grundlagen F3
Skizzieren Sie die Komponenten des IR-Grundmodells und seiner verschiedenen Ausprägungen. Wie schätzen Sie den Zusammenhang der jeweiligen linken Modellseite mit der rechten ein?
Linke Seite– Sichtweise vom System
Informationsaufbereitung, Inhaltserschliessung, analisiert die Daten und weist die Daten einem Gegenstandsbereich zu à Wissensrepräsentation.
Rechte Seite – Sichtweise vom Benutzer
Abfrage/Bereitstellung der Daten. z.B. mit einer Stichwortsuche oder einer Navigation.
Der Zusammenhang besteht darin, dass ohne die korrekte Informationsaufbereitung keine Suchanfrage auf die Dokumente gemacht werden kann. Das Verfahren der Wissensrekonstruktion macht die Recherche erst möglich.
Grundlagen F1
Welches sind als Informationsdienstleistungen die "Ahnen" des Information Retrieval? Schätzen Sie Vor- und Nachteile dieser Formen gegenüber dem modernen Online-Retrieval ein!
Die Vorläufer sind z.B. Zettelkataloge der früheren Bibliotheken, gedruckte Fachbibliographien, gedruckte statistische Jahrbücher... – also alles, was man früher verwendete, um Information zugänglich/auffindbar zu machen.
Vorteile: es braucht für die Benutzung keinen Strom, keine teuren Geräte oder Softwares, die Benutzung ist relativ simpel, es braucht keine speziellen Anwenderkenntnisse
Nachteile: bei vielen Daten wird die Erschliessung aufwändig oder kommt schnell an Grenzen (z.B. Zettelkatalog), es braucht Platz, Benutzung ist zeitaufwändig und man ist eingeschränkt in den Suchmöglichkeiten, Stichwortsuche ist nicht möglich, man muss vor Ort suchen (in der Bibliothek, im Archiv etc.), Erweiterung eines Katalogs ist zeitaufwändig und beschränkt
Retrievalfunktionen F10
Was versteht man unter Natural Language Processing (NLP) im IR?
Bei NLP (Natural Language Processing) werden Methoden aus der Verarbeitung natürlicher Sprache im IR eingesetzt. Dank NLP-Techniken lässt sich die Leistung des Volltext-Retrieval erheblich verbessern. NLP wird v.a. in zwei Bereichen eingsetzt:
1. Dokumentrepräsentation (Textanalyse/autom. Indexierung und Abstracting): Stoppworteliminierung, Stemming, Phrasenerkennung, Eigennamenerkennung, syntaktische Analyse
2. Query Expansion: autom. Erweiterung der Suchanfrage durch Feedback
Retrievalfunktionen F9
Wo liegt der Unterschied zwischen Distanz- und Winkelmessung beim Vektorretrieval?
Bei der Distanzberechnung liegt die ähnlichkeit der Dokumente näher beieinander um so geringer die Distanz ist.
Bei der Winkelmessung, geht es darum wie ähnlich sich die Winkel sind.
(Logischerweise ist der Winkel um so ähnlicher um so kleiner die Distanz ist...)
Beide Verfahren bringen aber etwa gleichgute Ergebnisse...
Retrievalfunktionen F11
Was wird bei der syntaktischen Analyse im IR gemacht bzw. hergeleitet?
Um die Qualität der Volltext-Retrieval zu verbessern, braucht es NLP-Techniken (NLP=Natural Language Processing) wie die syntaktische Analyse. Das ist ein Verfahren zur Identifikation von bestimmten grammatikalischen Eigenschaften in Texten. Dabei werden kontextfreie Grammatiken verwendet. Das Ziel ist die Semantik bzw. Die Bedeutung eines Satzes mittels der Syntax zu erschliessen.
Bsp.: Die Kinder sehen eine Katze. --> Artikel (DET) +Nomen (N) +Verb (V) +Artikel (DET) +Nomen (N) --> Nominalphrase (NP) +Verbalphrase (VP) --> Startsymbol (S)
Normalerweise geht man von dem Startsymbol aus und zerlegt die Nichtterminalsymbole (NP, VP...) solange bis nur noch Terminalsymbole (N, V, DET...) vorhanden sind. So entsteht ein Syntaxbaum. Hat ein Satz mehrere mögliche Syntaxbäume, dann hat er auch mehrere Bedeutungen.
Retrievalfunktionen F5 (Teil1)
Was versteht man unter einer disjunktiver bzw. konjunktiver Normalform bei Booleschen Suchanfragen und wozu werden diese benötigt?
Jede Boolesche Anfrage lässt sich in eine disjunktive Normalform (DNF) oder eine konjunktive Normalform (KNF) umwandeln. Der Vorteil einer Normalform ist ihre einfache Struktur und somit kleinere Zwischenresultate. Wird eine DNF oder KNF erweitert, haben verschiedene Anfragen mit dem gleichen Suchergebnis dieselbe Normalform.
Eine DNF enthält Terme und ggf. ihre Negation, die mit AND zu einer Einheit verbunden sind. Diese Einheiten wiederum werden mit OR verbunden. Eine erweiterte DNF enthält in jeder Einheit alle verwendeten Terme. Als Ergebnis werden die Zeilen in der Wahrheitstabelle mit dem Wert W berücksichtigt.
Eine KNF enthält Terme und ggf. ihre Negation, die mit OR zu einer Einheit verbunden sind. Diese Einheiten wiederum, werden mit AND verbunden. Eine erweiterte KNF enthält in jeder Einheit alle verwendeten terme. Als Ergebnis werden die Zeilen in der Wahrheitstabelle mit dem Wert F berücksichtigt.
Web-Retrieval F19
Was versteht man unter dem Begriff Linkfarm?
Eine LF ist ein Netzwerk inhaltlich gleicher oder ähnlicher Websites oder ganzer Domains im WWW, das mit dem ausschliesslichen Ziel erstellt wurde, möglichtst viele Hyperlinks auf eine Webpräsenz zu legen. Hierdurch soll erreicht werden, dass diese Webpräsenz bei einer Suchmaschinenanfrage in der Trefferliste weiter vorne angezeigt wird. Dabei macht man sich zunutze, dass Suchmaschinen Websites nicht nur nach dem enthaltenen Text sondern auch nach der Anzahl der Hyperlinks einstufen. Insbesondere Suchmaschinen vom Typ der Crawler (Softwareprogramme, die das WWW durchforsten, in dem über die Hyperlinks zu den Websites gelangen und die Adresse besuchter Seiten speichern) werden so "ausgetrickst".
Linkfarming verstösst gegen die Guidelines vieler Betreiber von Internetseiten wie Google und Yahoo und entsprechende Seiten werden von diesen daher aus dem Suchindex gelöscht. Insbesondere Google verfügt heute über Tools, die entsprechende Websites zuverlässig erkennen und ihre Hyperlink...
Web-Retrieval F9 (Teil 1)
Was versteht man unter Deep bzw. Invisible Web?
Inhalte und Teile des World Wide Web, die von einer allgemeinen Suchmaschine technisch nicht erschlossen werden können oder aufgrund von kommerziellen Gründen ausgeschlossen sind, werden als Deep Web bezeichnet.
Als Beispiele sind hier Inhalte von wissenschaftlichen Datenbanken oder Artikel in elektronischen Fachzeitschriften aufzuführen, die nicht für alle zugänglich sind.
Es gibt diverse Variationen des Deep Web:
- Academic visible Web: Enthält nur wissenschaftlich relevante Inhalte
- Opaque Web: Die Inhalte dieser Seiten sind erschliessbar, jedoch mit einem hohen technischen Aufwand verbunden. Zu dieser Art werden auch PDF-Dateien gezählt.
- Private Web: Der Inhalt würde sich erschliessen lassen, es besteht jedoch eine Zugangsbeschränkung seitens des Webmasters. Beispiele: Intranet, passwortgeschützte Daten
... (weiter m it Teil 2)
Web-Retrieval F9 (Teil 2)
Was versteht man unter Deep bzw. Invisible Web?
- Proprietary Web: Auch hier ist es möglich, die Inhalte zu erschliessen, jedoch erhält man erst nach Eingabe eines Passworts oder mit dem Bestätigen der Nutzungsbedingungen Zugriff auf die Daten.
- Invisible Web: Die Inhalte lassen sich erschliessen, es wird jedoch aus strategischen oder kaufmännischen Gründen unterlassen.
- Truly Invisible Web: Hier lassen sich die Inhalte aufgrund der Technik nicht erschliessen. Das betrifft Datenbankformate, die vor dem WWW entstanden sind, gewisse Dateiformate wie Flash oder andere Grafikformate.
Web-Retrieval F24
Wie versuchen Suchmaschinen das Deep-Web zu erschliessen?
Es gibt einige spezialisierte wissenschaftliche Suchmaschinen, während andere das Surface-Web nach wissenschaftlichen Inhalten dursuchen. Viele wissenschaftliche Suchmaschinen bestehen jedoch aus einem Hybridsystem und bieten somit eine übergreifende Suche im Surface- und Deep Web.
Für einen Zugriff auf Fachdatenbanken und Publikationen gibt es mittlerweile Vereinbarungen mit Institutionen und Verlagen.
Web-Retrieval F13
Wie unterscheiden sich die on-page von den off-page criteria beim Ranking von Suchmaschinen?
On-Page Faktoren sind:
Metadaten die aus dem Quelltext selbst generiert werden.
-Termhäufigkeit
- Termposition
Nähe der Suchbegriffe - Proximity
- HTML Funktionselemente wie Titel, Überschrift etc.
- Präsentation - Formatierung (Farbe, Schriftgrösse)
- Meaangaben in Form von Metatags
- Url/Pfad/Topdomain
Problematik: Wenige Suchbegriffe liefern viele Treffer, ausserdem kann Spam im Hintergrund verborgen sein.
Off-Page Faktoren sind:
Zusätzliche Daten die nicht im Quelltext stehen wie,
- On-Site Faktoren (Also alles was auf der gleichen Homepage steht, Thematische Ausrichtung, Art, Alter und Domain)
- Link-Faktoren (Wieviel mal etwas Verlinkt wird)
- Benutzerauswertungen (Klickhäufigkeit der Treffer)
Werden heute viel stärker fürs Ranking verwendet.
Web-Retrieval F14
Was versteht man unter Spam beim Ranking von Suchmaschinen?
Spamming bezeichnet im Zusammenhang mit dem Ranking den Missbrauch des Web bzgl. der Platzierung bei Suchmaschinen. Dabei werden Suchmaschinen ausgetrickst, indem Seiten extra so gestaltet werden, dass sie von den Suchmaschinen gut platziert werden, auch wenn die Inhalte der Angebote nicht zur Anfrage passen oder den Rang nicht rechtfertigen. Spammer missbrauchen auch Hilfsmittel, die eigentlich zur Strukturierung der Webinhalte dienen sollten.
Web-Retrieval F6
Wie funktioniert die roboterbasierte Suche?
Die roboterbasierte Suche verwendet maschinelle Verfahren zur Dokumentenbeschaffung. Die Dokbeschaffung findet über Programme (sogenannte Spider, Crawler, Wanderer u.a.) statt. Über eine vorhandene URL-Liste werden die Hyperlinks rekursiv traversiert (angesteuert/angeklickt) und die Inhalte der angesteuerten Website extrahiert. Der Roboter „hangelt“ sich so von einem Link zum nächsten und erstellt Indizes mit dem Ziel möglichst viele Domains und deren Inhalte zu erfassen. Die Programme können nur Webinhalte indexieren, welche verlinkt und frei zugänglich sind (= Indexable Web).
Die Indizes müssen fortlaufend aktualisiert werden (die Roboter müssen also regelmässig die Linkliste „durchklicken“), da Webinhalte häufig modifiziert oder gelöscht werden. Die Dokbeschaffung ist also ein zyklischer Prozess, der darauf angelegt ist die Veränderungen des „Dokumentraums“ Internet möglichst zeitnah zu erfassen.
In Meta-Tags können die Websitebetreiber Information zur Indexierung für Roboter...
Web-Retrieval F2
Nennen Sie Vor-Nachteile der verschiedenen Suchverfahren im Internet?
Lokale Suche
Vorteil: diverse IR-Methoden, hohe Abdeckung des lokalen Informationsraums
Nachteil: Beschränkung auf die lokale Website und der dazugehörigen Datenbank
Katalogbasierte Suche
Vorteile: übersichtlich, Aufteilung in Rubriken und Kontexte, eignet sich zur Einführung
Nachteile: geringe Abdeckung, Aktualität, aufwendige und kostenintensive Erstellung/Überarbeitung
Roboterbasierte Suche
Hohe Adeckung, Anwendung von IR-Metoden, eignet sich für spezielle Fragen
Nachteile: hohe Trefferanzahl, Matching-Paradigma, fehlender Kontext zur Suchanfrage
Metasuche
Vorteile: gleichzeitige Befragung mehrerer Suchdienste, Mehrwert durch Visualisierung
Nachteile: hohe Trefferanzahl, Mehrfachtreffer möglich, Relevanzberechnung und Ranking
Web-Retrieval F17
Welches sind die Leistungen von Metasuchmaschinen?
Durch eine Metasuchmaschine können gleichzeitig mehrere Suchmaschinen durch eine Suchanfrage befragt werden. Bei der Resultataufbereitung werden folgende Nachbearbeitungen angewendet:
- Aggregation (Anhäufung) von Dubletten verhindern (gleicher Fund in mehreren Suchmaschinen wird nur einmal angezeigt)
- Bewertung, Ranking der Ergebnisse
- Suchmaschinenranking und Clustering der Ergebnisse
Evaluation F3
Wie verhalten sich die durchschnittlichen Recall-Precision-Werte bei steigender Anzahl Treffer in der Ergebnismenge? Interpretieren Sie den Verlauf.
Recall und Precison werden dokumentweise erarbeitet, d.h. nach jedem Dokument werden Recall und Precision gemessen.
Betrachtet man sich den durchschnittlichen Recall-Precision Graph, so kann man folgende Aussagen machen:
1. Je höher die Treffer in der Ergebnismenge, desto höher ist der Wert für den Recall.
2. Je höher die Treffer in der Ergebnismenge, desto niedriger ist der Wert für die Precision.
Je mehr Dokumente gefunden werden, desto höher ist auch die Wahrscheinlichkeit, dass der Recall höher ist bzw. die Dokumente vollständig sind. Andererseits sinkt die Precision, da, mit steigender Anzahl der Dokumente, auch die Genauigkeit abnimmt. Man kann also sehen, dass die beiden Messgrößen miteinander konfligieren. Der Benutzer muss entscheiden, ob ihm die Vollständigkeit oder die Genauigkeit der Dokumente wichtiger ist (Priorität setzen).
Evaluation F5 (1. Probleme bei Retrievaltests)
Welche Probleme kann es bei der Beurteilung der Relevanz von Suchergebnissen geben?
1. Probleme bei Retrievaltests:
Eine "objektive" Bestimmung von Relevanz ist nicht möglich. Um einen Wert für die Relevanz zu erhalten, werden oft Personen (oft Experten) gebeten, die Relevanz eines Dokumentes für eine Anfrage einzuschätzen. Die Relevanzbestimmung ist also NICHT von menschlichem Verhalten unabhängig. Diese Methoden der Relevanzbestimmung sind...
- sehr aufwändig.
- empirisch nur schwer haltbar (wenige Personen, die oft auch noch Mitarbeitende der Untersuchung sind).
- für die Probanden sehr anstrengend, so dass die Motivation nachlässt.
- problematisch, weil sich der Wissensstand der Teilnehmenden während der Bewertung verändert, was zu einer Veränderung des Bewertungsmassstabes führen dürfte.
Evaluation F5 (2. Relevanz aus Sicht des Anwenders)
Welche Probleme kann es bei der Beurteilung der Relevanz von Suchergebnissen geben?
2. Relevanz aus Sicht des Anwenders:
Die Relevanz, wie sie der Anwender empfindet, entspricht nicht immer der tatsächlichen inhaltlichen Ähnlichkeit zwischen einem Dokument und der Suchanfrage. Es können sich folgende Probleme ergeben:
- Ähnliche bzw. weitgehend identische Dokumente sind für den Anwender u.U. nicht (mehr) relevant.
- Einzelne, als nicht relevant eingeschätzte Dokumente können u.U. gemeinsam doch relevant sein.
- Relevant erscheinende Inhalte können sich durch gegenteilige Informationen als doch nicht relevant erweisen.
- Bereits bekannte Dokumente sind für den Nutzer nicht (mehr) relevant.
Grundsätzlich besteht ein Information Retrieval System aus einer Benutzerschnittstelle, auf der der Benutzer eine Suchanfrage formulieren kann, und einem Retrievalfunktion, die sich auf eine Wissensbasis bezieht, die die inhaltliche Beschreibung von Dokumenten enthält. Diese inhaltliche Beschreibung entseht durch die inhaltliche Erschliessung der Dokumente, die in der Regel der automatischen Indexierung dieser Dokumente entspricht. Meistens enthält die Wissensbasis nur Verweise auf die Dokumente, die normalerweise nicht zur Basis gehören; aber es gibt Systeme, in denen die Dokumente direkt abrufbar sind (Volltext Retrieval), d.h. die Dokumente sind teil der Wissensbasis.
Wenn eine Suchanfrage dem Wissensbasis geschickt wird, muss das System die Anfragerepräsentation mit dem Wissensbasis vergleichen, und eine Repräsentation der Ergebnisse der Benutzerschnittstelle zurückschicken. Der Benutzer kann dann die Relevanz der erhaltenen Ergebnisse beurteilen.
Retrievalfunktionen F7
Wie funktioniert vektororientiertes Retrieval grundsätzlich? Welche Vor-/Nachteile hat diese Methode?
Suchanfragen und Dokumente repräsentieren einen Vektor im n-dimensionalen Raum. Jedem Term aus der Wissensbasis wird in jedem Dokument ein Gewicht auf der Basis der Häufigkeit seines Vorkommens zugeordnet.
Anschließend wird eine Ähnlichkeit zwischen dem Anfrage- und den Dokumentvektor berechnet. Dabei liegen ähnliche Dokumente nah beieinander im Vektorraum oder haben den gleichen Winkel.
Die Ergebnisdokumente werden durch das Ähnlichkeitsmaß nach der Relevanz sortiert: nach Anzahl der ausgegebenen Dokumente und jenen, die oberhalb eines bestimmten Ähnlichkeitsmaßes liegen (threshold).
Vorteile:
Nachteile:
Die Zuweisung der Termgewichte bei einer Suchfrage ist problematisch: Prinzipiell bzw. semantisch, Gewichtsgrössen müssen der Wissensbasis angepasst werden (=Normalisierung)
Die meisten Einträge der Dokument- und Anfragevektoren sind mit 0 belegt
Retrievalfunktionen F1
Welche Vor-/Nachteile haben Boolesche Suchanfragen?
Vorteile:
- einfach und nachvollziehbar
- abgeleitete Operatoren möglich (z.B. XOR)
Nachteile:
- Reihenfolge der Operatoren nicht festgelegt
- Keine Gewichtung innerhalb der Suchanfragen möglich
- bei komplexen Anfragen muss zuerst die Normalform berechnet werden
Weitere Nachteile sind auch zum Beispiel die Verwendung des Not-Operators, die dazu führen kann, dass relevante Dokumente, die den unerwünschten Term als Nebenthema behandeln, nicht in der Ergebnisliste miteinbezogen werden. Weiterhin gibt es beim traditionellen Booleschen Retrieval kein Ranking, d.h. die Ergebnisliste ist ungeordnet.
Web-Retrieval F21
Welche Möglichkeiten gibt es bezüglich der Kommerzialisierung von Internetsuchdiensten (mit was kann man hier überhaupt Geld verdienen)? Beschreiben Sie diese kurz und nennen Sie auch mögliche negative und positive Auswirkungen. (1)
Generell: Haupteinnahmequelle = Werbung
Word Sponsoring (auch Keyword Advertising)
Im Rahmen von Rechts- und Qualitätsrichtlinien können Infoanbieter Suchanfragen buchen. Wird nach den "gekauften Begriffen" gesucht erscheinen “Anzeigen”, bzw. “Sponsoren-Links“. Die Ergebnisse werden primär nach Zahlungsbereitschaft und Klickpopularität sortiert. Die Gebühr wird meistens erst dann fällig, wenn der Link tatsächlich angeklickt wird („Pay per Click“).
+ Unternehmen, die bereit sind zu zahlen, um in Trefferlisten (Anzeigelisten) ganz weit oben zu stehen, haben meist ein seriöses Interesse, ihre Produkte zu vermarkten
- bezahlte Links über Trefferlisten sind nicht immer auf den ersten Blick als Werbung erkennbar, unerfahrene User fassen diese als Suchresultate auf
- unter Umständen hohe, laufende und nicht unmittelbar kontrollierbare Kosten bei "Pay per Click"
- Kaufbetrag bei jedem Klick auf den Link in der Trefferliste fällig, ob dadurch ein Geschäft zustande kommt oder nicht
Web-Retrieval F21
Welche Möglichkeiten gibt es bezüglich der Kommerzialisierung von Internetsuchdiensten (mit was kann man hier überhaupt Geld verdienen)? Beschreiben Sie diese kurz und nennen Sie auch mögliche negative und positive Auswirkungen. (2)
Bannerwerbung (heute kaum noch)
Beim Aufruf bestimmter Schlüsselwörter werden entsprechende Werbebanner eingeblendet. (Gehört auch zum Keyword Advertising.)
+ Werbung klar als Werbung erkennbar
+ Ranking wird nicht beeinflusst
- „geistiges Ausblenden“ der Werbebanner (Konzentration auf die Trefferliste) führte zu Wegfall von Werbekunden
Web-Retrieval F21
Welche Möglichkeiten gibt es bezüglich der Kommerzialisierung von Internetsuchdiensten (mit was kann man hier überhaupt Geld verdienen)? Beschreiben Sie diese kurz und nennen Sie auch mögliche negative und positive Auswirkungen. (3)
Paid Submission
Der Suchdienst (vor allem Webverzeichnisse und -kataloge) erhebt eine Gebühr für die Bearbeitung der Anmeldung. Je nach Zahlungswilligkeit des Anbieters kann dadurch auch die Bearbeitungszeit der Anmeldung verkürzt und die Frequenz der Aktualisierung erhöht werden.
+ im Web schwer aufzufindende Seiten werden indexiert
- dem Anbieter einer Webseite wird keine bestimmte Position im Ranking zugesichert
- der Betreiber behält sich vor, die Seite trotz Bezahlung abzulehnen (Gebühr wird allein für die Begutachtung fällig)
- der Betreiber entscheidet, unter welcher Rubrik die Website erscheint
- keine objektive Trefferliste: Benutzer erkennt nicht, welche Webseiten auf normalem Weg angemeldet und welche gegen Bezahlung aufgenommen wurden
Web-Retrieval F21
Welche Möglichkeiten gibt es bezüglich der Kommerzialisierung von Internetsuchdiensten (mit was kann man hier überhaupt Geld verdienen)? Beschreiben Sie diese kurz und nennen Sie auch mögliche negative und positive Auswirkungen. (4)
Paid Inclusion
Bei Suchmaschinen. Gegen Gebühr wird eine schnellere Bearbeitung der Anmeldung („normale“ Anmeldung kostenlos), garantierte Registrierung im Index und manchmal auch häufigere Aktualisierung sichergestellt.
+ garantierte Aufnahme in den Suchmaschinenindex
+ keine bestimmte Position im Ranking zugesichert, erhöht aber Wahrscheinlichkeit, dass Seite gefunden wird
- keine objektive Trefferliste: Benutzer erkennt nicht, welche Webseiten auf normalem Weg angemeldet und welche gegen Bezahlung aufgenommen wurden
Web-Retrieval F21
Welche Möglichkeiten gibt es bezüglich der Kommerzialisierung von Internetsuchdiensten (mit was kann man hier überhaupt Geld verdienen)? Beschreiben Sie diese kurz und nennen Sie auch mögliche negative und positive Auswirkungen. (5)
Paid Placement oder Paid Listing
Versteigern von Suchbegriffen. Wer für einen bestimmten Suchbegriff den höchsten Betrag zu zahlen bereit ist, der wird im Ranking an erster Stelle geführt. Wer den zweithöchsten Betrag bietet kommt auf Rang zwei etc.
+ auf diese Weise können „Deep-Links“ gesetzt werden, die direkt auf die Produkte oder Dienstleistungen einer Firma zeigen
- beeinflusst das Ranking: intransparentes Ranking
Indexeinsicht
Es gibt Firmen, die nur suchen und gegen Gebühr andere den Index dieser Suche anschauen lassen.
Vertrieb von Suchmaschinentechnologie
Web-Retrieval F11
Was wird bei Suchmaschinen alles indexiert?
grundsätzlich alle sichtbaren Webseiten innerhalb einer URL
die URL selbst
Domainalter
Ladezeit der Webseite
Letzte Aktualisierung
Metatags/Seitenbeschreibung
Titel der Website
Letzte Aktualisierung
Anzahl In- und Out-Links
Anzahl interner Links
alt-Tags
h-Tags
Termhäufigkeiten