Текст книги "Профессиональный поиск в Интернете"

Yippy

Кластерный метапоисковик Yippy имеет уже достаточно богатую историю. Используемый в нем алгоритм был разработан компанией Vivisimo. Под этим же именем система поиска работала до 2004 года, когда на основе алгоритмов Vivisimo был создан метапоисковик Clusty. Помимо более простого интерфейса, эта система в отличие от «демонстратора технологий» Vivisimo была рассчитана на самую широкую публику. Наконец, в 2009 году вместе с очередным изменением интерфейса и появлением дополнительных возможностей метапоисковик получил и новое имя – Yippy, под которым он сейчас и работает.

Yippy получает данные из дюжины источников. Для веб-поиска используют результаты систем Bing, Ask, Yahoo! и Open Directory. Кроме веб-поиска возможен поиск в новостях и блогах. В случае новостей задействуются базы CNN, Yahoo! ТТН Times и Reuters. Для поиска в блогах используются базы Blogpulse, Blogdigger, Feedster и Technorati.

Если рассматривать список этих индексных баз с практической точки зрения, то можно сделать вывод, что поиск с помощью Yippy станет хорошим дополнением к поиску с помощью Google. У вас будет возможность просмотреть объединенные результаты практически всех основных поисковиков на одной странице, обеспечив тем самым значительное расширение базы поиска и экономию собственного времени. Доступные варианты поиска выводятся в виде вкладок над полем ввода запроса. Интересно, что набор этих вкладок, а также список используемых в них поисковых ресурсов можно настраивать. Кроме того, можно создать собственную вкладку и подобрать состав входящих в нее ресурсов. Для перехода к такой настройке служит ссылка Preferences, находящаяся справа от поля поиска. Другие элементы управления на странице настройки позволяют задать количество результатов на одной странице выдачи, а также состав вспомогательной информации, выводимой рядом со ссылками на странице выдачи (рис. 3.2).

Рис. 3.2. Yippy является одним из самых мощных кластерных метапоисковиков

Процесс составления запроса здесь не отличается от «обычных» поисковиков. Все дополнительные инструменты уточнения запроса собраны на странице выдачи Кластеры, которые здесь называются «облаками» (Clouds), представлены на боковой панели в виде наглядного иерархического дерева. По умолчанию показывается не все дерево, а только корневые разделы, которые можно раскрывать щелчками мыши. В нижней части боковой панели находится поле быстрого поиска в найденных кластерах (Find in clouds). После отработки уточненного запроса все кластеры, в которых встречается дополнительный термин, получают цветную подсветку. Кроме вкладки Clouds, на боковой панели расположены вкладки Sources и Sites. Они носят вспомогательный характер и позволяют сортировать результаты веб-поиска по другим признакам, например поисковым машинам, с которых были получены ссылки, или же по доменам найденных сайтов. Названия и содержание закладок Yippy изменяются в зависимости от типа поиска. Например, при поиске изображений кластеры выделяются по размерам изображений, имени и домену источника, а также типу файла.

Форма расширенного поиска, вызываемая ссылкой Advanced, содержит фильтры языка и типа файлов и позволяет ограничить поиск конкретным сайтом или доменом.

В аннотациях к найденным ссылкам на странице выдачи Yippy показывается традиционная для метапоисковиков строка, сообщающая, в каких именно базах был найден данный документ и его рейтинг в этих системах. Удобная особенность Yippy – возможность предварительного просмотра найденных страниц в небольшом фрейме прямо на странице результатов поиска рядом со ссылками.

Весьма интересным получился раздел кластерного поиска в Википедии, который становится удобным средством поиска в случае, когда требуется не просто найти одну статью по конкретной теме, а охватить целиком некую предметную область. Выделяемые системой кластеры здорово экономят время, которое при обычном режиме поиска было бы затрачено на открытие и просмотр связанных статей из Википедии.

Отметим наличие в Yippy интерфейса, оптимизированного для мобильных устройств (m.yippy.com). Здесь кластеры группируются в виде горизонтальной линейки в верхней части страницы выдачи, а вместо строки фильтра появляется раздел Refine Query, предлагающий варианты уточнения запроса.

Системы «классического» метапоиска

Для полноты картины упомянем несколько метапоисковиков, не использующих в своей работе кластеризацию. Среди зарубежных «классических» метапоисковиков стоит назвать такие ресурсы, как Dogpile (www.dogpiLe.com) и Metacrawler (www.metacrawLer.com). Они основаны на одном алгоритме и работают с Google, Yahoo! Ask, LookSmart, About, FindWhat и некоторыми другими машинами. Полученные списки обрабатываются и сортируются по релевантности. «Классический» русскоязычный метапоиск наилучшим образом реализован в системе Metabear/Metabot. Получаемые данные дополнительно обрабатываются по собственному алгоритму. Работает поисковик сразу по двум адресам: на metabear.com расположена английская версия, а на metabot.ru – русская. Среди поддерживаемых поисковых машин и каталогов – Яндекс, Рамблер и Апорт.

При поиске через Metabot можно применять логические операторы и задать режим точного совпадения фразы. Излишне увлекаться данной возможностью не следует, поскольку используемые поисковики могут по-разному толковать одни и те же операторы, что может привести к неправильной трактовке запроса и ухудшению результатов поиска.

Что касается интерфейса, то здесь все выдержано в строгом стиле: ссылка, краткая текстовая выдержка из документа, перечень нашедших его поисковиков. Ключевые слова подсвечиваются цветом.

Кроме работы с веб-документами, система Metabot способна искать специфичные ресурсы: видеоклипы, музыкальные файлы и FTP-архивы.

Ixquick

Согласно некоторым статистическим подсчетам, обычный житель. Лондона за день попадает в объективы примерно трех сотен телекамер наблюдения. В. Нью-Йорке свободы побольше: там среднего жителя за день фиксирует всего двести камер. К этому очередному цивилизационному стандарту постепенно стремятся и другие страны. Сбежать от тотального наблюдения в виртуальное пространство становится все труднее, пресловутая сетевая анонимность, позволю себе скаламбурить, становится все более виртуальной.

Возможности отслеживания сетевой активности сейчас самые богатые. Даже если говорить только об интернет-поиске, можно отметить, что некоторые крупные поисковики сохраняют информацию о проводимых пользователями поисках. К счастью, на многих системах эта опция явно описывается в справке, поэтому у пользователя есть возможность при желании отключить режим записи своих сеансов поиска. Однако отдельные машины, в том числе занимающие лидирующие места на рынке, собирают эту информацию, не спрашивая согласия у пользователей. Это обычно обосновывается необходимостью сбора статистики для улучшения механизма поиска и предоставления дополнительных сервисов. Вот только нет никаких гарантий того, что эти данные никогда не будут переданы третьей стороне или же банально украдены. Ничего не имея против прогресса, все равно спокойней себя чувствуешь, когда в пределах досягаемости находится какая-нибудь волшебная кнопочка под названием «Выключить все». Именно на эту роль и претендует сервис Ixquick.

Система метапоиска Ixquick работает с десятью внешними базами. Это поисковики Bing, Yahoo! Ask, All the Web, Cuil, Entire Web, Gigablast, каталоги Qkport и Open Directory, а также Wikipedia. В списке баз отсутствует Google, однако охват альтернативных систем стоит признать достаточно широким, что делает данный метапоисковик весьма ценным ресурсом. Поддерживается поиск на восемнадцати языках, в том числе русском.

Ixquick предлагает три режима поиска: Ixquick Search, Power Search и Expert Search. В отличие от большинства других поисковиков, быстро сменить режим в ходе поиска не удастся. Для этого придется обратиться к странице настройки системы. Первый из названных режимов, по сути, является режимом простого поиска. С его помощью можно составить запрос, содержащий только какое-либо одно условие. Дополнительных фильтров и инструментов уточнения запроса здесь нет Power Search и Expert Search – это, фактически, два варианта расширенного поиска, отличающиеся количеством доступных возможностей поиска Power Search предлагает стандартные средства работы с логическими операторами: поиск с обязательным включением или исключением указанных ключевых слов, поиск любых слов, поиск точной фразы Expert Search, кроме этого, поддерживает поиск в заголовках страниц и тексте URL-адресов, ограничение поиска определенным доменом, а также позволяет находить сайты, ссылающиеся на указанную пользователем веб-страницу.

Рядом со строкой ввода запроса находится перечень задействованных в ответе на запрос поисковиков и каталогов. При необходимости можно исключить из списка выдачи результаты определенных машин щелчками на их значках.

Полученные от внешних источников результаты обрабатываются, и пользователю предлагается объединенный список уникальных результатов, найденных на различных поисковиках. Для определения релевантности результатов и, соответственно, их позиции в списке выдачи используются собственные алгоритмы Ixquick. Кроме того, на странице результатов поиска рядом со ссылками, которые были высоко оценены целевыми поисковиками, выводится их рейтинг в виде линейки «звездочек». Каждая звездочка означает, что какой-либо из поисковиков поместил эту ссылку на первые позиции в своем списке выдачи При наведении на них указателя мыши появляется всплывающая подсказка со сведениями о нашедших данную ссылку поисковиках и ее позиции в их списках выдачи В остальном страница результатов весьма проста: из дополнительных инструментов уточнения запроса присутствует только строка поиска в найденном, расположенная в нижней части страницы выдачи (рис. 3.3).

Рис. 3.3. Страница выдачи метапоисковика Ixquick

Ixquick может похвастаться некоторыми полезными функциями, демонстрирующими внимательное отношение разработчиков к вопросу приватности пользователей Ixquick предлагает сразу несколько инструментов повышения скрытности поиска и серфинга. Начнем с его способности выступать в качестве прокси-сервера. Рядом с каждой найденной ссылкой в списке результатов поиска находится ссылка Proxy. Щелчок на ней открывает целевой сайт в защищенном режиме, в котором Ixquick выступает в качестве посредника, скачивая запрошенную веб-страницу и выводя ее в собственном интерфейсе для просмотра. При этом внешний сайт не может узнать IP-адрес пользователя, сохранить его куки-файл или как-то иначе нарушить приватность просмотра. При переходе по ссылкам на найденной веб-странице все новые адреса также открываются с помощью прокси-сервера Ixquick. У защищенного режима Ixquick, конечно же, есть некоторые ограничения. В частности, отключаются присутствующие на веб-страницах скрипты, теряют работоспособность многие формы ввода данных. В то же время для обычного серфинга возможностей Ixquick вполне достаточно.

Что же касается самой системы Ixquick, то она не записывает никаких данных пользователя и не хранит историю поиска. Более того, даже при сохранении вариантов настройки механизма поиска у пользователя есть выбор: записать их в куки-файл браузера или же сгенерировать персональный URL-адрес для доступа к странице поиска Ixquick, к который и будут относится сделанные настройки.

Кроме веб-поиска, данная система предлагает поиск изображений, видео и номеров телефонов. Поиск изображений решен достаточно просто и не предлагает ни режима расширенного поиска, ни дополнительных фильтров, кроме «семейного». Видеопоиск в Ixquick опирается на базы системы Blinkx. На странице выдачи предлагаются небольшие Flash-превью найденных роликов. Уточнить запрос можно с помощью тематических фильтров, которые выводятся рядом со строкой запроса вместо предлагаемого при веб-поиске перечня задействованных поисковиков. Поиск номеров телефонов ведется с помощью специальной формы запроса, которая позволяет искать как частные номера, так и номера организаций. Поиск может вестись в нескольких десятках стран. Поддерживается и реверсивный поиск абонента по его номеру. Результаты такого поиска нельзя назвать исчерпывающими, и зачастую Ixquick уступает специальным справочным сервисам.

Из программных дополнений Ixquick оснащен поисковым плагином для браузеров, а также полнофункциональной панелью инструментов для Internet Explorer и Firefox.

Выводы и рекомендации

Ценность метапоиска состоит в широком охвате ресурсов. Именно они позволяют наглядно убедиться, что обращаясь к одному, пусть даже самому лучшему «обычному» поисковику, вы рискуете пройти мимо ресурсов в альтернативных базах данных. Особый интерес представляют метапоисковики, поддерживающие кластерные технологии обработки результатов.

Как нетрудно заметить, прелесть кластерных технологий в полной мере ощущается при поиске по широким запросам. Благодаря возможности уточнять свой запрос по подсказке системы вы найдете искомый результат гораздо быстрее, чем при работе с традиционными поисковиками. На выходе получается не просто список ссылок, а набор тематических разделов, позволяющий быстро составить мнение о предмете поиска. Появляется шанс познакомиться с ресурсами, которые в другом случае вы бы, скорее всего, никогда не увидели. Есть у кластеризации и несколько побочных эффектов. Например, это возможность отследить ассоциативные связи между различными темами, а также в определенной степени обработать синонимы естественного языка – кластерный поисковик не спутает естествоиспытателя. Дарвина с одноименным австралийским портом.

Безусловным лидером в сфере метапоиска русских ресурсов является система Nigma. Хороший охват, достаточно качественная кластеризация, большое количество вспомогательных функций – вот сильные стороны этого метапоисковика.

При поиске зарубежных ресурсов такого однозначного лидера среди современных метапоисковиков нет. Весьма удобна в работе система Yippy. Она оснащена качественными алгоритмами кластеризации и хорошим набором инструментов уточнения запроса. Метапоисковик Ixquick позволят вести поиск в хорошей подборке альтернативных поисковых баз, а также предлагает любопытные инструменты повышения приватности серфинга. Таким образом, выбирать метапоисковик в данном случае следует исходя из особенностей конкретного запроса.

Глава 4
Семантические и визуальные интернет-поисковики

Фрэнсис. Бэкон в свое время заметил, что правильная постановка вопроса свидетельствует о некотором знакомстве с делом. Этот афоризм четырехвековой давности можно применить и к процессу составления поисковых запросов. Для перевода сложного, комплексного вопроса в подходящий набор ключевых слов иногда приходится здорово поломать голову. Вот если бы поисковик мог прямо отвечать на задаваемые вопросы!. Хорошая новость: такие поисковые машины уже существуют и называются «семантическими», или же «поисковиками с обработкой запросов на естественном языке». В этой главе мы познакомимся с лучшими представителями этого класса интернет-поисковиков, реализующими семантические технологии разбора запросов на русском языке.

Прежде чем начинать рассказ о конкретных машинах, разберемся в некоторых характеристиках, отличающих семантические поисковики, и самых общих принципах их работы с точки зрения пользователя. Это позволит в дальнейшем избежать ненужных повторов.

Техническая реализация поиска по прямым вопросам с последующей выдачей на них осмысленных ответов в общем случае такова: поисковая машина принимает заданную пользователем поисковую фразу, после чего пытается автоматически выделить в ее составе ключевые слова и определить их взаимоотношения. Одновременно отбрасывается информационный шум, то есть слова, не несущие смысловой нагрузки. Другими словами, на данном этапе происходит автоматическая формализация поискового запроса и генерирование на его основе четкого поискового образа. Затем он передается более или менее стандартному алгоритму поиска в базе проиндексированных документов.

Следующая важная особенность семантических поисковиков – результаты поиска. Если обычные поисковики в основном предоставляют пользователю ссылки на веб-сайты, где предположительно находится необходимая информация, то семантические поисковики пытаются давать прямые ответы, самостоятельно выделяя в проиндексированных документах нужные фрагменты. В результате страница выдачи подобного поисковика выглядит несколько необычно. Вместо списка релевантных запросу ссылок пользователю предлагается список прямых ответов на заданный пользователем вопрос. Другими словами, главным режимом работы семантического поисковика является режим фактографического поиска.

Практически все современные семантические поисковики в настоящее время находятся в стадии бета-тестирования. В их работе еще встречается немало ограничений. Для эффективного использования таких машин в повседневной работе необходимо не только обладать сведениями об их возможностях, но и представлять себе сферу их применения, то есть ту область, в которой они обладают преимуществами по сравнению с обычными поисковиками.

Dialogus

Система Dialogus реализует только режим простого поиска, не предусматривая каких-либо дополнительных фильтров или инструментов составления запроса. Пользовательские запросы принимаются только в виде прямых вопросов. После отправки запроса Dialogus демонстрирует интересную особенность своего интерфейса: поисковая машина с помощью флэш-ролика иллюстрирует процесс обработки запроса в режиме реального времени. Пусть эта опция и не несет практической нагрузки, однако любопытно видеть, как запрос проходит фазы разбора и формализации, нормализации терминов, синтаксического и морфологического анализа, предварительного поиска в собственной базе Dialogus и Сети в целом, поиска стоп-слов и собственно выдачи текстового ответа. Страница выдачи Dialogus разделена на две главные зоны: рабочую область, содержащую основной список результатов, и боковую вспомогательную панель (рис. 4.1). В ней выводится список запросов, поступивших в систему от других пользователей и тематически похожих на заданный вами, а также, что особенно интересно, проводится поиск изображений, подходящих, по мнению поисковика, под тематику вашего запроса. Правда, эффективность поиска изображений пока невысока, равно как и релевантность предлагаемых картинок.

Рис. 4.1. Семантическая поисковая система Dialogus

Ответы Dialogus представляют собой краткие текстовые выдержки, в которых, по мнению системы, находится ответ на заданный вопрос. Каждый фрагмент сопровождается несколькими вспомогательными кнопками. С их помощью можно просмотреть более крупный фрагмент текста ответа или перейти на содержащую его веб-страницу. Для повышения точности работы системы применена обратная связь. Пользователям предлагается оценить ответ по пятибалльной шкале. Кроме того, предусмотрена кнопка, позволяющая пометить ответ как спам.

Заметим, что семантическая подсистема данного проекта действительно работает. Если при разборе вопросов могут происходить сбои в ходе формализации запроса, то выдаваемые прямые ответы, как правило, действительно полезны и сокращают время поиска конкретной информации.

AskNet

Система AskNet Global Search предлагает режим простого поиска по заданному пользователем вопросу. Отличие данной системы от конкурентов проявляется в возможности вести поиск в нескольких вертикальных базах, доступ к которым можно получить с помощью вкладок над полем запроса. Предлагается шесть таких баз, а также режим поиска во всех доступных источниках. При переходе к поиску в вертикальной базе под полем поиска предлагается выбрать источники, на которые будет отправлен запрос. Для поиска новостей предлагаются ресурсы Lenta.ru, Газета. ру, CNews и РБК. Выбор из трех-четырех источников возможен и в других вертикальных базах: «Энциклопедии», «Словари», «Магазины», «Медицина» и «Адреса».

AskNet лучше всего понимает только определенные типы вопросов. Перечень поддерживаемых в настоящее время конструкций на русском и английском языках подробно разобран в справочной системе проекта. Корректная работа алгоритма разбора запроса в форме свободно сформулированного вопросительного предложения гарантируется, если в нем содержится не более двух сказуемых или трех других однородных членов. Вопрос также должен быть грамматически верным и синтаксически согласованным. В принципе, AskNet может обработать и предложение с ошибками, однако ждать в таком случае достойного результата сложно. Если система не сможет обработать ваш запрос с учетом семантики, поиск будет проведен в обычном режиме, то есть только по ключевым словам.

При поступлении запроса система самостоятельно определяет наиболее вероятный объект поиска. При поиске учитываются синонимы, обрабатываются аббревиатуры и словесная запись цифр и дат. Семантические технологии в AskNet также работают на этапе выдачи результатов – связи между словами в поисковой фразе учитываются при сортировке результатов. Скорость работы данной системы не отличается быстротой, от принятия запроса до выдачи ответа может пройти около десяти секунд.

Страница выдачи AskNet Global Search предлагает традиционный список ссылок, сопровождаемый краткими выдержками из текста найденных веб-страниц, в которых красным цветом выделяются ключевые слова, содержавшиеся в вашем поисковом запросе, а зеленым – сформулированные системой на основе семантической обработки запроса. Оригинальный документ можно просмотреть, не покидая страницы поиска, для чего предусмотрена ссылка. Подробно, расположенная возле каждой позиции выдачи Она открывает на странице результатов фрейм, в который и загружается исходная страница. Если системе удалось найти прямые и точные ответы на заданный вопрос, например, дату, имя, численное значение какого-либо параметра, то эти данные приводятся отдельным коротким списком над основным списком выдачи.

Кроме стандартной версии семантического интернет-поиска, предлагается сервис AskNet Global Search Mobile. В настоящее время это единственное на рынке предложение русского семантического поиска, оптимизированное для мобильных устройств. В отличие от обычного режима, здесь нельзя выбирать вертикальные базы для поиска. К сожалению, данный сервис часто страдает от сбоев доступа.