Vlákno názorů k článku Budoucnost patří sémantickému webu od Michal Illich - Tahle uvaha ma jedno slepe misto: LIDI :) Ackoliv pridat...

Tahle uvaha ma jedno slepe misto:

LIDI :)

Ackoliv pridat do vyhledavace semanticke rozlisovani podle XML znacek neni problem naprogramovat (to je vec dnu ci nanejvys tydnu), tak donutit miliony lidi, aby nejaka takova oznaceni do webu pridavali, je problem.

Nebo si snad dovedete predstavit, ze zmineny lekar bude na svou domovskou stranku psat nejake skryte tagy? - vzdyt ted nejspis "vyviji" sve stranky v M$ Wordu!

A web tvori z velke casti prave stranky amateru, a v tech je treba lepe se orientovat. Takova Lupa je sama dobre strukturovana a prohledavatelna uz ted, dokonce ma i neco na zpusob RDF (konkretne je to CVS, tusim), podobne jako Root a spousta jinych periodik.

Vsechny systemy, ktere spolehali na to, ze lide jim budou nejak sami klasifikovat dokumenty - at uz to bylOpenGRID nebo treba Aesop - zatim totalne selhaly...

Bohužel musím souhlasit. Ze zkušenosti vím, že donutit uživatele, aby místo <font size=5 color="#0000FF"> napsal <h2>, neboť nám tím oběma ušetří práci, je nadlidský úkol. A to neplatí jen u HTML, stejnou zkušenost jsem zaznamenal i u TeXových stylů.

Já bych zase takový pesimista nebyl. Web je už dnes a bude čím dál víc komerční a majitelé webů musí bojovat o každého návštěvníka. Zároveň se vzrůstajícím počtem stránek stoupá význam fulltextových vyhledavačů. Pro anglicky psané stránky už dnes platí, že z fulltextových vyhledavačů přichází minimálně 70% návštěvníků.

Následkem toho si ty nejlepší a nejsilnější vyhledavače (např. Google) už dneska v podstatě diktují, co má kvalitní stránka splňovat, aby šla vůbec nalézt a majitelé webů se tomu přizpůsobují velmi ochotně.

Navíc vznikají další typy "vyhledávácích" služeb, např. v článku zmiňovaný moreover.com, u nás pravednes.cz a webspy.cz. Význam těchto služeb bude opět stoupat a trend směřuje k maximální automatizaci jejich provozu.

web komercni neni. pokud myslite, ze je, klidne napiste, kolik procent internetoveho obsahu dostupneho via HTTP je komercnich.

Bude to zamozřejmě jen takové plácnutí, ale odhadoval bych, že minimálně 80% webových stránek (celosvětově) je komerčních. A proč by také nebylo? Web je v tomhle médium jako každé jiné. Oproti ostatním je jen o něco svobodnější, což komerčnímu využití nahrává, a o něco levnější, což zase nahrává víc nekomerčním aktivitám. Suma sumárum se to vyrovná :-)

Samozřejmě je otázka, co kdo rozumí pod pojmem komerční. Ale ono je to vcelku jedno. Ve svém předešlém příspěvku mně šlo hlavně o to, že majitelé webů musí velmi intenzivně bojovat o návštěvníky, protože jen málokterý obsah je tak unikátní, aby neměl na webu konkurenci.

Malé firmy, nebo nekomerční projekty jistě nebudou dávat do optimalizace pro vyhledavače tisíce dolarů měsíčně, jako to dnes činí firmy veliké, nicméně i tak musí dělat něco proto, aby byly vidět. Když vyhledavače budou tlačit na určitou standardizaci struktury webových dokumentů, bezesporu to bude mít velmi rychlou a velmi patrnou odezvu.

... zajimave zplosteni webu a Internetu obecne ... kez k takovemu stavu nikdy nedojde ...

Bylo hodně těžké stáhnout několik dokumentů o sémantickém webu do krátkého článku. Je mi jasné, že pokud nutíte uživatele, aby psali nějaké HTML značky, nemůžete od nich očekávat, že budou rozumět důvodům, pro které je lepší užít jednu cestu místo druhé, když oni VIDÍ, že výsledek je stejný.

Dnes se většina systematicky utvářených dokumentů, chcete-li aplikací, na webu netvoří lidé přímo, ale prostřednictvím "naklikávacích" aplikací. Když do takové aplikace vkládáte jméno doktora, proč si myslíte, že tato aplikace jej nemůže označit jako <doktor>Radim Uzel</doktor>?

krom toho nemusíte tyto informace "cpát" přímo do stránek určených pro lidi. Postačí, když na stránce určené lidem vyhledavač najde odkaz na informace určené strojům a už si je dohledá. Dokumenty pro srtrojové zpracování pak lze generovat ještě snáze.

Myslím, že tohle je ten nejmenší problém. Spíš mě zajímá, jak si user-agenti budou mezi sebou předávat definiční soubory ... ale tohle už já řešit nemusím, od toho jsou inženýři na univerzitách a ve firemních laboratořích.

O něco výše jsem uváděl příklad z reálného života, který ukazuje situaci, kdy si typický uživatel vybere vizuální značkování, přestože by pro něj bylo daleko pohodlnější použít značkování kontextové. A netýká se to jen webu, stejnou zkušenost jsem učinil i s TeXovým stylem pro nakladatelství MatfyzPress, jehož jsem autorem.

Jedinou šancí by bylo zamezit uživateli jakýkoli náznak vizuálního značkování. Opět ze zkušenosti ale mohu říci, že pak jsou dvě možnosti: buď uživatel bude křičet, že on chce mít možnost nastavit font, velikost a barvu písma, nebo přestane značkovat úplně.

Samozřejmě, že pokud půjde o automaticky generovaný text s jednoduchou fixní strukturou, kde se jméno lékaře vyplní do kolonky jméno lékaře, pak lze problém řešit. Ale takových situací je málo, jakmile necháte uživatele svobodně napsat souvislý text (třeba diagnózu), máte problém zpátky.

Mno, i psychiatr ma na diagnozu formular :-)

To sice má, ale pokud má být k něčemu užitečný, nemůže vypadat tak, že v něm bude něco jako

• nemoc: (combobox)
• stádium: (combobox)
• prognóza: (combobox)

Má-li to mít smysl, musí tam být pole, kam bude samostatně psát souvislý text. A v tom okamžiku je vše na jeho dobré vůli.

Na druhou stranu pokud zacne nezanedbatelne procento uzivatelu webu moznosti semantickeho vyhledavani intenzivne vyuzivat, mnohy webmaster se nad tim podle me zamysli - budto z komercnich duvodu nebo aby nevypadal jako neschopny amater. :-)

Sematicke rozlisovani je problem realizovat DOBRE a hlavne rychle (=velky vykon). Souhlasim s tim, ze naprogramovat neco, problem vskutku neni.

Ovsem je vhodne take pripomenout, ze rozumnou analyzou obycejneho HTML lze zvedat precission i recall. Reknu-li to laicky, tak pro jeden uzel lze rozpoznat autora (rikejme mu designer). Pak lze rozpoznat i jeho "styl" (nevyznamne paticky, hlavicky; stylistiku nadpisu atp.) a to analyzou vice stranek tohoto paru (web+designer). Tak lze krasne spoustu veci odhalit, kdyz se do toho zapoji i referencni indukce nad odkazy paru a v druhe vlne referencni indukce mezi uzly (jednotlivymi web servery)...

Shrnu-li to - neni nutne aby lide dodrzovali nejaky mustr, ale aby delali svoji praci pokud mozno stejne (a je jedno jestli dobre ci spatne), protoze zakonitosti pak lze algoritmicky dohledat! Nastolit totalitu - tj. vyzadovat urcity format, neni cesta, ktera ma cil.

Rozhodne vetsi problem vidim v personalizaci a sberu zpetne vazby pro zkvalitnovani dotazu "na miru", nikoliv "na prumerneho uzivatele".

Skoda, ze na sebe neuvadite kontakt.

Myslim, ze kontakt na mne mate v logu. Ne vzdy totiz serfuji pres nekolik redirektoru, a bezpecnost mne jiz netrapi tak, jak kdysi (popravde jde ale spis o lenost).

Mohu-li zeptat, jste-li z Lupy, planujete take nejake serialy nejen o vyhledavani, ale i o bezpecnosti nekterych velkych systemu a jejich dosud otevrenych dirach (seznam, atlas, vltava2000, prace, eurotel, ...)? Zajimalo by mne take jak daleko napr. pokrocilo GSM a niceni mobilu "cizim sumem" ci napadani synchronizace cele site s naslednym hroucenim segmentu a bunek.

Predpokladam, ze by to bylo nesmirne zajimave. Aspon by lidem doslo, co vznika pri nedostatecne mire paranoi. Hlavne, ze vyrobci usetri. Mozna by Lupa mohla jit touto novou cestou v novem roce. Zajiste by se naslo mnoho ctenaru (mne nevyjimaje)!! Preji hodne uspechu.

Ano, z Lupy jsem (reagujete na můj článek). O kontakt na Vás mám zájem kvůli případné spolupráci na tvorbě dalšího obsahu, nemuselo by se jednat jen o články. Kdyžtak se ozvěte.