Novinky ve vyhledávání Seznam.cz (Otakar Smrž)

Novinky ve vyhledávání

Otakar Smrž

Searching SessionNTK 2012

… search.seznam.cz

Seznam.cz je jednička na českém internetu, od roku 2005 má vlastní fulltextové vyhledávání

– 350 dotazů za sekundu, ve špičce přes 500– 15 milionů dotazů denně– 600 milionů prohledávaných dokumentů– 10 miliard známých odkazů– 1000 dokumentů stažených za sekundu

Vyhledávač

robot – procházení internetem, rozhodování o zajímavosti dokumentu a jeho uložení

indexer – zpracování dokumentů pro vyhledávání

hadoop – databáze a distribuované zpracování dat

hledání – zpracování dotazu, zahledání, filtrace, řazení, zpracování a popisování výsledků

webovka – zobrazení výsledků, upoutávek, reklamy, sledování dotazů a uživatelské odezvy

Cizojazyčné vyhledávání

indexování dokumentů v cizích jazycích a podpora pro zpracování cizojazyčných dotazů

– 65% čeština– 25% angličtina– 3% slovenština– 3% němčina– 4% ostatní jazyky

Zpracování dotazu

interaktivní – našeptavač, oháčkování, oprava překlepů, související dotazy

dodatečné – ohýbání slovních tvarů, reformulace dotazu, synonyma a slova odvozená, zkratky, …

zvláštní operátory pro rozšířené možnosti hledání

Zobrazení výsledků

Relevance

relevance – míra příslušnosti dokumentu k dotazu určující pořadí výsledků

on-page – vlastnosti získané ze stránky samotné

off-page – informace o stránce závislé na jejím umístění, prolinkování a návštěvnosti

nutná je detekce a odstranění obsahových duplicit a redukce podobných výsledků z jedné domény

Snippety

snippet – popisek, krátký úryvek výsledku hledání

snippet má umožnit odhad relevance dokumentu vůči dotazu

Snippety

snippet má co nejlépe vystihnout celý dokument a zvýraznit vyhledaná slova v jejich kontextu

snippet má být informativní a má pomoci uživateli vybrat si z výsledků hledání ty nejpříhodnější

X

Snippety

nová metoda tvorby popisku se snaží– zahrnout do snippetu co nejužitečnější informaci

– čerpat úryvky nejen z viditelného textu stránky

– vyhnout se opakování textu v popisku

– zlepšit formátování a přehlednost snippetu

podoba popisku závisí na obsahu dokumentu, proměňuje se ovšem podle znění dotazu

– ovlivnit výběr úryvků do snippetu lze jen nepřímo přes <meta name="description" content="…" />

Osnovy

osnova – výběr pojmenovaných odkazů dovnitř dokumetu, zpřístupnění vnitřní struktury stránky

Osnovy

osnova informuje o rozdělení stránky do různých tematických nebo logických částí a zpřístupňuje je

osnova může být zobrazena u jakékoliv stránky s vhodně definovanou strukturou bez ohledu na doménu nebo typ webu

odkazy do dokumentu jsou vybírány v souvislosti s dotazem a nemusejí směřovat jen na prvních několik oddílů textu

osnovy sestavujeme nezávisle na jazyce dokumentu či dotazu

Aktuálnost

datum a čas publikování u zpravodajských článků a novinek z vybraných zdrojů, ve dvou formátech

Upoutávky

obohacují výsledky hledání o informace ze zpráv, obrázky, mapy, akce pro volný čas, firmy, zboží ...

Miniaplikace a odpovídač

kalkulačka

převod jednotek a měn

výpočet BMI

převod římských číslic

morseovka

éčka

poštovní směrovací čísla

kódy bank a pojišťoven

důležitá telefonní čísla

kalorické hodnoty jídel

telefonní předčíslí států

kódy letišť

Skokani internetu

dotazy hledané výrazně častěji než dříve

– Perseidy 2012

– Medaile LOH 2012 pořadí

– Souhvězdí Perseus

– Úplněk srpen 2012

– Půjčka před výplatou

– Význam příjmení

– Aktuální teplota v Praze

– Lymfatické masáže

– Rychlá půjčka ihned

– Večerníček znělka

– Karlštejnský jablečný koláč

– Moderní pětiboj

– Lori štíhlý

– Náhrdelníky akce

– Antiperspirant

– www.ceecr.cz

– Karezza

– Technologie hifu

– Fata morgana

– Africký hrnec

… fulltext.sblog.cz

produktové novinky a vylepšení

zajímavosti z výzkumu a vývoje

informace pro webmastery a optimalizaci

Díky za pozornost …