Princip fungování fulltextových vyhledávačů III. – výdej výsledků
 x   TIP: Přetáhni ikonu na hlavní panel pro připnutí webu
Reklama
Reklama

Princip fungování fulltextových vyhledávačů III. – výdej výsledkůPrincip fungování fulltextových vyhledávačů III. – výdej výsledků

 

Princip fungování fulltextových vyhledávačů III. – výdej výsledků

Google       Google       20. 1. 2014       8 454×

Poté, co si vyhledávač připraví databázi, ze které vytváří svůj index, následuje výdej výsledků. Při něm je důležité vybrat co nejvíce relevantní dokumenty a seřadit je tak, aby odpovídaly hledanému dotazu.

Reklama
Reklama

Před čtením tohoto článku doporučuji projít první dva díly o crawleru a indexování.

Když uživatel zadá vyhledávací dotaz do vyhledávače, vyhledávání výsledků probíhá v indexu, který je již předpřipravený, jak bylo popsáno v předchozím článku.

V prvním kroku je nutné, aby vyhledávač pochopil, co dotaz znamená. V praxi jde především o rozklad víceslovných dotazů na jednoslovné – pro ty jsou vybudované rejstříky/indexy. Pokud například do vyhledávače zadám „fakulta informatiky“, vyhledávač rozloží dotaz na „fakulta AND informatiky“. Z toho vyplývá, že dotaz je nutné hledat ve dvou indexech – pro slovo fakulta a pro slovo informatika.

V těchto indexech se poté vyhledají dokumenty, kde se nacházejí obě slova – z matematického pohledu se provede průnik těchto dvou indexů. U vybraných dokumentů je následně potřeba spočítat relevanci a na jejím základě dokumenty seřadit. Relevanci počítá každý vyhledávač podle utajených algoritmů.

Které faktory jsou pro jednotlivé vyhledávače důležité a v jaké míře, lze zjistit pouze pomocí testování a zkoumáním výsledků vyhledávání. Tímto postupem se vždy ale propracujeme pouze ke korelacím jednotlivých faktorů. Na jejich základě nelze jednoznačně prohlásit, který faktor se podílí na hodnocení v určité míře. Nejde tedy o kauzalitu.

Části výdeje výsledků

Vyhledávačům se dotazy zadávají přes webové rozhraní. To následně komunikuje s dalšími komponentami, které rozkládají dotaz a provádějí samotné hledání a řazení. Jednou z těchto komponent je MetaSearch (jde o termín z českého Seznam.cz, Google tuto komponentu označuje jako Root), který rozkládá dotazy a také si výsledky vyhledávání ukládá do mezipaměti/cache.

Díky tomu se zrychluje výdej stejných dotazů; je však nutné zajistit, aby byla cache stále aktuální. V případě vyhledávače Seznam.cz je možné poskytovat výsledky z cache až u 80 % dotazů.

Další komponentou je agregátor, který rozkládá zátěž na jednotlivé počítače, kterých má vyhledávač ve výdeji z důvodu výkonu více. Tyto počítače, označované jako BaseSearch, mají vždy část z celého indexu, je tedy nutné poslat dotaz na všechny zároveň.

Rozdělování databáze/indexu na několik horizontálních částí se označuje jako shardování. BaseSearch vrací vyhledané a seřazené výsledky ze své části indexu. Agregátor s MetaSearchem poté tyto agregované výsledky znovu seřadí. Dále zde existuje komponenta, která vytváří úryvky výsledků vyhledávání, tzv. snippety (titulek, URL adresu a krátký text) – titulkovač (v případě Seznam.cz) nebo Content Server (v případě Googlu).

Na titulkovač zasílá MetaSearch dotazy pro konkrétní dokumenty. Titulkovač má databázi distribuovanou na několik počítačů (podobně jako MetaSearch) z důvodu zvýšení rychlosti výdeje výsledků. MetaSearch poté z těchto dat sestaví stránku s výsledky vyhledávání (anglicky Search Engine Result Page – zkratka SERP) a vrátí ji webové komponentě, jež ji zobrazí uživateli.

Schéma architektury výdeje výsledků je zobrazeno na následujícím obrázku. Fulltextové vyhledávače mají v praxi výdejových serverů více z důvodu rozložení zátěže.

Architektura výdeje výsledků vyhledávání, autor Tomáš Hlucháň ze Seznam.cz

Personalizace při výdeji výsledků

Vyhledávače se snaží pochopit, co chce uživatel nalézt. Děje se tak při rozkladu položeného dotazu. Google jde však ještě dále, kdy si uchovává o každém uživateli určité informace, které následně používá při výdeji výsledků. Pomocí nich upravuje SERP tak, aby byl více relevantní konkrétnímu uživateli.

Informace si Google ukládá jednak do cookies (s platností 180 dnů), ale také do historie webového vyhledávání, pokud je uživatel přihlášen do svého Google účtu. Personalizované vyhledávání na Googlu je dostupné jak pro přihlášené, tak pro nepřihlášené uživatele od 4. prosince 2009. V obou případech lze personalizaci vypnout.

Personalizace na základě vyhledávací historie je založena na tom, že Google upřednostňuje weby, na které již uživatel ve výsledcích vyhledávání klikl. Pokud často vyhledávám například „programování v c++“ a většinou se prokliknu na programujte.com, Google tento web při dalších vyhledávání upřednostní.

Google používá při řazení výsledků také geolokaci uživatele. Jiné výsledky tedy dostane uživatel hledající z Brna a jiné uživatel z Prahy.

Díky personalizaci tedy nelze pozice ve výsledcích vyhledávání Google změřit s naprostou přesností. Průměrnou pozici dané stránky lze zjistit v nástroji Google Webmaster Tools.

Český vyhledávač Seznam.cz personalizaci nyní nepoužívá.

Zdroje a další informace

Toto je poslední ze série tří článků o principu fungování fulltextových vyhledávačů. Dále se můžete podívat na videa Dušana Yuhů Janovského, ze kterých tento článek také čerpá:

×Odeslání článku na tvůj Kindle

Zadej svůj Kindle e-mail a my ti pošleme článek na tvůj Kindle.
Musíš mít povolený příjem obsahu do svého Kindle z naší e-mailové adresy kindle@programujte.com.

E-mailová adresa (např. novak@kindle.com):

TIP: Pokud chceš dostávat naše články každé ráno do svého Kindle, koukni do sekce Články do Kindle.

Hlasování bylo ukončeno    
5 hlasů
Google
(fotka) Martin ŠimkoAutor se věnuje problematice SEO - pracuje jako SEO konzultant v agentuře RobertNemec.com a jako freelancer (www.martinsimko.cz). Vystudoval informatiku na FIT VUT a FI MUNI.
Web     Twitter     Facebook     LinkedIn    

Nové články

Obrázek ke článku Delphi 10.1.2 (Berlin Update 2) – na co se můžeme těšit

Delphi 10.1.2 (Berlin Update 2) – na co se můžeme těšit

Touto roční dobou, kdy je zem pokrytá barevným listím a prsty křehnou v mrazivých ránech, se obvykle těšíme na zbrusu novou verzi RAD Studia. Letos si však ale budeme muset počkat na Godzillu a Linux až do jara. Vezměme tedy za vděk alespoň updatem 2 a jelikož dle vyjádření pánů z Embarcadero se budou nové věci objevovat průběžně, pojďme se na to tedy podívat.

Reklama
Reklama
Obrázek ke článku Konference: Moderní datová centra pro byznys dneška se koná už 24. 11.

Konference: Moderní datová centra pro byznys dneška se koná už 24. 11.

Stále rostoucí zájem o cloudové služby i maximální důraz na pružnost, spolehlivost a bezpečnost IT vedou k výrazným inovacím v datových centrech. V infrastruktuře datových center hraje stále významnější roli software a stále častěji se lze setkat s hybridními přístupy k jejich budování i provozu.

Obrázek ke článku Konference: Mobilní technologie mají velký potenciál pro byznys

Konference: Mobilní technologie mají velký potenciál pro byznys

Firmy by se podle analytiků společnosti Gartner měly  rychle přizpůsobit skutečnosti, že mobilní technologie už zdaleka nejsou horkou novinkou, ale standardní součástí byznysu. I přesto - nebo možná právě proto - tu nabízejí velký potenciál. Kde tedy jsou ty největší příležitosti? I tomu se bude věnovat již čtvrtý ročník úspěšné konference Mobilní řešení pro business.

Obrázek ke článku Hackerský kongres přiveze v září do Prahy špičky světové kryptoanarchie

Hackerský kongres přiveze v září do Prahy špičky světové kryptoanarchie

Hackerský kongres HCPP16 pořádá od 30. září do 2. října nezisková organizace Paralelní Polis již potřetí, a to ve stejnojmenném bitcoinovém prostoru v pražských Holešovicích. Letos přiveze na třídenní konferenci přes 40 většinou zahraničních speakerů – lídrů z oblastí technologií, decentralizované ekonomiky, politických umění a aktivismu. Náměty jejich přednášek budou také hacking, kryptoměny, věda, svoboda nebo kryptoanarchie.

Reklama autora

loadingtransparent (function() { var po = document.createElement('script'); po.type = 'text/javascript'; po.async = true; po.src = 'https://apis.google.com/js/plusone.js'; var s = document.getElementsByTagName('script')[0]; s.parentNode.insertBefore(po, s); })();
Hostujeme u Českého hostingu       ISSN 1801-1586       ⇡ Nahoru Webtea.cz logo © 20032016 Programujte.com
Zasadilo a pěstuje Webtea.cz, šéfredaktor Lukáš Churý