Názory k článku Jyxo míří na Atlas, Webfast tu končí

Docela me zarazilo kategoricke tvrzeni, ze "Jyxo je nejlepsi". Obcas neco hledam - a nekdy je nejlepsi Webfast, nekdy Google, nekdy Jyxo... Rozhodne bych si nedovolil stanovit poradi takto jednoznacne.

Někdy je dokonce nejlepší Megatext. ;-)

A proč vlastně "Jyxo nerozezná český jazyk"? Existuje přece <meta http-equiv="content-language" content="cs">

Jinak souhlasím s názorem, že Jyxo nemusí být nutně nejlepší. Dokonce si myslím, že ani nemůže být nejlepší a to právě z důvodu, že neprohledává všechny stránky v češtině. Mně jako uživateli internetu je totiž jedno, jestli je webstránka v doméně .cz nebo třeba .de. Důležité je, aby na můj dotaz "Jan Lucemburský zahraniční cesty" našel vyhledávač všechny relevantní stránky. Ty totiž můžou být někde na geocities.com nebo bůhví kde. Proto budu raději používat Google.

Precetl jsem si clanek az ted (a uprimne mne docela prekvapil :) ), takze opravim nektere nepresnosti:

(1) Bombardovani - ano, v tomto je Jyxo velmi blizke Google; "hodnoceni zvnejsku" nebo "kolaborativni filtrovani" je velmi silna technika na hodnoceni relevance - v 99% jsou jeji vysledky naprosto skvele. To, ze se obcas par lidi rozhodne, ze pro jednu konkretni frazi vynese nejaky odkaz na vrchol, neni ZADNY problem. Frazi 'hasalik je vul' nehledal nikdo, kdo se o tom napred nerozvedel z blogu, ze?
(a mimochodem, Jyxo je mene ovlivnitelne - v tomto pripade to zafungovalo pouze proto, ze ona fraze byla soucasti URL, coz cilovy web dovoluje a blogger toho zneuzil).

(2) Metadata - Jyxo pouziva metatagy description a keywords. Ostatni metadata bohuzel prakticky nikdo nepouziva, tedy neni co podporovat :( - az se v dostatecne mire objevi, zacneme je samozrejme zohlednovat.

(3) UTF-8 - ano, zde si sypu popel na hlavu. 30.12. mne na to upozornil Marek Prokop, o silvestru jsem lyzoval, opravim to az ted.

(4) Diakritika - zde si naopak myslim, ze automaticke doplnovani diakritiky je velmi prinosne. FAST a Google ji nepodporuji a proto casto nenajdou co je potreba.
A mimochodem, to doplnovani funguje sloziteji, nez je popsano v clanku (a zaroven sloziteji nez u jinych vyhledavacu). Chyby z homografie obvykle nenastaji - klidne o tom napisu presnejsi detaily.

(5) cz versus cestina - Jyxo se snazi indexovat jak to, co je v .cz, tak to, co je mimo .cz a je psane cesky. To druhe se urcuje manualne a tak je to jako vsechno manualni trochu narocnejsi na udrzbu. Ale myslim, ze jsme vykrocili spravnym smerem.

ve ctvrtem bodu ma byt 'jej' misto 'ji'

To je hezký článek, povedl se ti, Martine. Jen by mne ještě zajímalo, zda jsi prověřoval alternativu, že Jyxo hodnotí výše novější stránky.

Mimochodem, Mirkovi Zemanovi přeju, aby nemusel korespondencí s panem Hasalíkem strávit tolik času jako já, když Martin onen slavný odkaz do weblogu Sovy v síti vložil. Panu Hasalíkovi naopak vzkazuji, aby to bral sportovně -- pomalu, ale jistě se stává velmi populární osobností a myslím, že spíše v dobrém. V každém případě je vidět, že zvolání "hasalik je vul" významně přispělo k oživení českého internetu a posloužilo Martinovi k téměř vědeckému výzkumu, z něhož máme prospěch všichni. Myslím, že by mi vůbec nevadilo, kdybych tím volem byl příště třeba já :-)

Michale, tvůj postoj k metadatům a sémantice (X)HTML vede k začarovanému kruhu. Webmasteři nezačnou sémantické prvky používat, dokud je vyhledavače nebudou brát v úvahu a naopak, jak píšeš, vyhledavače nebudou brát v úvahu něco, co většina webmasterů nepoužívá.

S tímto přístupem by třeba nikdy nevznikl Daypop, protože RSS přeci na celém světe používá jen pár set webů. Přesto je to jeden z nejužitečnějších vyhledavačů, který svým způsobem předběhl i GoogleNews a dosáhl toho při skoro stejném efektu technologicky mnohanásobně jednoduššími prostředky.

Myslím, že to jsou vyhledavače, které musí udělat ten první krok. Dokonce jsem přesvědčen, že ho udělají a některé už s tím i začaly. Bylo by škoda, kdyby tak progresivní vyhledavač jako Jyxo zůstal pozadu.

Vyjádřil jste to velmi přesně. Uživatelé skutečně potřebují, aby jim vyhledavač našel co *nejméně* stránek s co nejvyšší relevancí. Je samozřejmě dobře, že má Jyxo velikou databází a že v doméně CZ indexuje více dokumentů než Google, ale čím méně bude vracet výsledků, tím lépe :-)

Ano, stará známá pravda :)

možnost výběru kazí :)

Google je skvělý, ale Jyxo často vrací mnohem relevantnější odkazy. Už se mi několikrát stalo, že jsem něco hledal na Google, nic nenašel, pak zkusil Jyxo a odkaz byl na 1. nebo 2. místě. Takže paráda, spokojenost, díky !

moje volba pro hledání v českém Internetu -> Jyxo + doplňkově Google

Proč neuplatní metahlavičku s proklamací jazyka? Sledujte:

<span xml:lang="cs">Viele grüße aus Prag!</span>

Cosi tu tvrdím a není to pravda. Vyhledavače, mají-li vracet relevantní výsledky, musí jazyk rozpoznávat na základě hledisek statistické a strojové jazykovědy.

Krom toho můžete mít stránky s mixovanými jazyky.

Nebo "je", protože "diaktirikum" je středního rodu. ;-)

Podle vlastních zkušeností (a protože se pohybuji mezi běžnými uživateli internetu tak vím, že i podle zkušeností těchto běžných uživatelů - rozuměj těch, kteří se nevyjadřují v diskuzích na Lupě) je absolutně nejlepší Google (respektive Seznam) a WebFast (respektive Atlas a Centrum) udává absoulutně nerelevatní údaje. Po přečtení tohoto článku jsem to zkoušel, zadal jsem několik klíčových slov a Google mi vrátil velké a informacemi nabouchané servery, zatímco WebFast vrátil malé a pro mě do té doby neznámé servery s nízkou návštěvností (buď jsem je v auditech nenašel vůbec nebo s nepatrnou návštěvností) a s minimálním obsahem.
Podle mě to je jednduché, čím více se měří odkazy z jiných stránek, tím je fultext kvalitnější, čím více dá na doménu apod. (o kvalitě serveru nic neříkající info), tím víc je k ničemu. Odkazů se dá zneužít, ale kvalitu fultextu to v globálu nesníží (naopak - mluví se o tom a fultext jde nahoru).
Podle výše uvedeného textu hodnotím Jyxo jako někde mezi Googlem (kvalita) a WebFastem (nedotáhnutý fulltext). Atlas bude na Seznam i nadále ztrácet (rozuměj pravidlo 20:80 říká, že vyhledávač se má soustředit na kvalitní vyhledávání a pak teprve blbosti jako jsou spolužáci, pokec apod.)

Ad 2) Nevím, nevím, ale třeba Novinky začaly používat pro nadpisy sémantické značky, Sexus je celý v XHTML 1.0 Strict, Bílé zboží je napsáno strukturně, máme tu už několik týdnů strukturně napsané Živě, a pak je tu pomalu sílící trend osobních weblogů, pro které je sémantické využití značek a metadat celkem běžné (vím, zatím jde o pár desítek webů, ale jsou to většinou relevatní zdroje). Vlastnosti ALT vyžaduje dokonce norma a s rostoucím ohledem na osoby se specifickými potřebami se i atributivní metadata objevují, kde bychom je dříve nenašli...

Myslím, že u nově vznikajících stránek už si žádný profesionální webdesigner nedovolí zcela ignorovat (skromnou) sémantické rozrůznění HTML a u webů, které už stojí, je jen otázkou času, kdy dojde ke drobným úpravám.

Mimochodem, ta práce s diakritikami by mě zajímala -- a třeba i pokus o srovnání s jinými vyhledavači a porovnání výhod přístupu, který jste zvolil s repsketováním existujících diakritik, jak je pojímají Google a AllTheWeb (není pravda, že diakritiky neumějí, neumějí jen "doplnit" diakritiku u dotazů v ASCII nebo u zdrojů v ASCII). Přimlouvám se u Marka, aby to publikoval.

Pokud se nemýlím a ve vaší replice skutečně zaznívá ironie, pak vám přeji přijemný výběr z 630079 stránek, které Jyxo najde na dotaz "sex a hry" navíc oproti Googlu. Ten vrací jen směšných 87700, což je počet, ze kterého si normální uživatel opravdu vybrat nemůže ;-)

Ne, to jsem neprověřoval. Zvažoval jsem to, ale netuším, jak dosáhnout takového srovnání, abych vyloučil backlinky. Možná to zkusím na Dívce z autobusu, na tu je odkazů zatím málo.

Jinak jsem ještě zapomněl panu Illichovi vzkázat, že překvapených lidí bylo asi při pohledu na dnešní vydání Lupy více. Chodím občas na Pankrác na večeři (to je čtvrť, kde sídlí Atlas) a jednou večer jsem od vedlejšího stolu zaslechl, že Atlas mění vyhledavač ... moc možností není, tak jsem několika dobře mířenými hláškami v závěru roku vyvolal v pár lidech dojem, že vlastně o všem už vím a zainteresované strany odposlechnutou informaci potvrdily.

Tak tedy jen abyste věděli, že Lupa je horší než Mosad. :-) Jsme všude, slyšíme všechno. I když teda společnost v té restauraci mluvila tak hlasitě, že jsem to prostě přeslechnout nemohl. Slibuji, že seznam restaurací, které v Praze navštěvuji, napříště zveřejním na svém webu. :-)

Já bych se po kušenosti s citačnímu indexy v akademické sféře k téhle scientometrii tak vehementně nehlásil. Světu zůstalo utajeno mnoho myšlenek, protože mají nízký citační index. Stejně fatální důsledky má kolaborativní filtrování na webu. Informace by měla být hodnocena z velké části podle obsahu, zpětné odkazy mají fungovat jako korektiv.

Vetsina veci, co hledam, je v anglictine, a tak pouzivam Google (je u mne jako default v Mozille).
Pro cokoliv v cestine pouzivam nejprve Jyxo a je to (dle mych zkusenosti) to nejlepsi, co se dnes nabizi. Udelal jsem si pro Jyxo i podporu v Mozille. Rychle, inteligentni, relevantni vysledky, jen aby Michal Illich neusnul na vavrinech. Drzim mu palce, protoze mne Jyxo opravdu velmi pomaha a usnadnuje zivot.

Když už jsme u těch fultextů, zkuste si ověřit soubor:
http://ad.lupa.cz/robots.txt
To je jenom takové malé odbočení, aby Ti co zde mají reklamu pochopili kdo jim na ní kliká.

Na to jsou metodiky IAB, ktere rikaji, co vsechno se ma nebo nema zapocitavat. Nevidim duvod, proc zakazovat pristupy na reklamu robotum, jen je potreba, aby byly identifikovatelne kvuli odfiltrovani ze statistik.

Prave ze 'jej', protoze rec je o tom doplnovani.

Pokud budete vetu cist s 'ji' nebo 'je', tak dojde k tomuto nedorozumeni:

> (není pravda, že diakritiky neumějí, neumějí jen "doplnit"
> diakritiku u dotazů v ASCII nebo u zdrojů v ASCII).

Aneb jak jsou zajmena obcas dulezita :)

Je možné pouštět roboty na Web proto, abychom je následně mohli odhalovat a filtrovat.
Zda to reklamní systém dělá a jak spolehlivě se ale nikdy nedozvíme, tedy pokud nenajdeme soubor robots.txt, který může kdokoliv stáhnout a přečíst.

Obvykle stejne neskonci kampan presne na objednanem poctu zobrazeni. A to jeste k nejvetsim nepresnostem dochazi tehdy, kdyz je reklama distribuovana pres nekolik redakcnich systemu, tam se pocty lisi o cela procenta. Krom toho ten /robots.txt opravdu neni tak dulezity, je to spis veci auditu.

Zajimalo by mne,jak se Jyxo (a vubec ostatni) zachovaji treba pri indexu stranky http://www.tomasv.com/default.asp

Text je tam jak cesky tak anglicky. Budou indexovany nebo ne v pripade ze by stejny text byl v domene www.tomasv.cz?

T.

Jo, jo, jednou jsme byli s kolegou na pizze v té úžasné restauraci na Míráků a kousek vedle nás seděla konkurence a nahlas se bavila o svých plánech. :-)

Jinak, Martine, nebylo by lepší odkazovat na "Dívka z autobusu" a ne "Dívce z autobusu"? První výraz se bude jistě hledat více než druhý, ne? :-) Nebo úplně lepší by bylo "Autobus Praha Brno" - to je větší šance, že dotyčná najde vaši stránku. :-)

/* test robota v PHP - krátký a téměř stoprocentně spolehlivý */
$robot = 0;

$agent_test = " " . StrToLower ($HTTP_USER_AGENT);

If ((!StrPos ($agent_test, "mozilla")) && (!StrPos ($agent_test, "opera"))):
$robot = 1;
Else:
If (StrPos ($agent_test, "@")) $robot = 1;
If (StrPos ($agent_test, "search")) $robot = 1;
If (StrPos ($agent_test, "crawl")) $robot = 1;
If (StrPos ($agent_test, "bot")) $robot = 1;
EndIf;

Ještě jsem zapomněl k bodu 4) Diakritika doplnit, že homografie určitě není úplně zanedbatelný problém a Jyxo si s ní neporadí. Jak jinak si vysvětlit, že při pokusu najít šití Jyxo vrací odkazy na VDSL? :-)

Ad 1) Mám takový pocit, jako by to byl právě Martin Kopta, kdo Radima Hasalíka takto vynesl do záře reflektorů české blogařské scény. ;-)

Ad 2) Já třeba ano a velmi rád. Jako fanoušek zrakově postižených uživatelů se jim snažím co nejvíce vyjít vstříc. :-)

Jen mě napadá - Empyreum také po komerčním úspěchu odepsalo veřejně přístupné stránky (Archon, Spidera, Fulltext), jestlipak Jyxo dopadne stejně?

Zacarovane kruhy jsou hnusna vec :) - spousta skvelych myslenek kvuli nim zajde. Mimochodem zajimavy projekt na znackovani webu byl OpenGrid, ale protoze se nikdo nepridal, tak je vicemene mrtvy.

(a kdyz odbocim, zacarovane kruhy jsou mimochodem duvody, proc na internetu neprogramuju chaty, bazary, seznamky, katalogy, atd. ale radeji fulltext - vsechno to jsou docela zabavne veci, ale ty prve jmenovane vetsinou trpi problemem "nikdo je nepouziva, protoze je nikdo nepouziva"; fulltext si vystaci sam: jeho kvalita neni zavisla na poctu uzivatelu).

*

S tim RSS (a RDF) to je trosku jina vec. Byly to nejdriv velke weby, ktere ucitily potrebu si vymenovat data. A tak rekli "Poslys Franto, webmastre z xyz, vyexportuj mi to do neceho hezky parsovatelneho". A kdyz se takhle domluvili dva (vetsinou spriznene) servery a nejaky programator to natlapal, tak uz byla skoda to nevyuzit a tak to bud dali verejne ke cteni nebo o tom aspon dali vedet zajemcum. A protoze podobnou domluvou prosli temer vsichni (kazdy vetsi web ma nejake partnery) a zacalo to byt podporovane vetsinou publikacnich systemu, tak byla otevrena cesta k tomu, aby tyhle informace zacaly odebirat portaly nebo specializovane vyhledavace.

Tedy hnacim motorem tady byla spoluprace "velkych" a zaroven velka jednoduchost cele implementace (programujete jednou pro dany publikacni system). U dukladneho znackovani je potreba spoluprace autoru obsahu a znackovat kazdou jednotlivou stranku, coz je pracne.

*

Mimochodem, myslim, ze Google News take pouziva RSS.

Byla by to škoda, protože na Atlasu není možnost hledat třeba jen na univerzitách...

Značkovat každý jednotlivý text je pracné, a když už se s tím někdo dělá, tak obvykle z nějakého důvodu. Každá redakce má nějaký style guide, vzpomínám si, že poměrně důsledné značkování ve článcích měla už loni i Lupa -- a platí si na to redaktora. Tam, kde je potřeba redakční systém zpřístupnit širšímu okruhu psáčů obvykle dobře funguje nějaký WYSIWYG (Živě) nebo Wiki (Sexus). To ostatní jsou šablony.

V diskusi u textu, který o Jyxo na Lupě vyšel v září, jsem psal o jedné náhodně nalezenou chybě, a teď vidím, že tam i po 4 měsících bohužel stále zůstává:

při zadání hledání slova "ponožky" (nebo i "ponozky") je na druhém místě uvedena stránka http://www.his.cz/ponozky.htm. Na uvedené stránce však mimo jejího názvu žádný výskyt slova ponozky ani ponožky není - jsou tam jen čepice a název stránky je evidentně omyl (ona firma H.I.S. na serveru his.cz vůbec žádné ponožky nenabízí).

Znate rozdil mezi optimistou a pesimistou?

Ja na vysledkove strance ke slovu 'ponozky' vidim, ze 14 z 15 odkazu jsou o ponozkach :)

To, ze se tam dostala i vami zminovana stranka je pochopitelne - to slovo se nachazi na velmi dulezitem miste - v url.

Kdybych byl vyhledavač, tak bych z vaší stránky zaindexoval přibližně tento text:

#000000 #0066cc #0066cc #ffffff 0 0 0 0 100% Tomasv Logo /images/logo.jpg The Tomas Vetrovsky Seattle /images/top2.gif style image /images/top3.gif BACKGROUND: url(/images/top4px.gif) repeat-x left top 100% style image

atd.

Vzhledem k tomu, ze kód těla stránky začíná

<body "

ale i z mnoha dalších důvodů, je to celé naprostý nesmysl napsaný v něčem, co se žádnému jazyku používanému na webu, natožpak HTML, vůbec nepodobá. Neberte si to osobně, ale přesně takové stránky, by se neměly nikdy v žádném vyhledavači objevit.

Jinak ale k vašemu dotazu na použití více jazyků na jedné stránce. K tomu slouží atribut lang, resp. xml:lang. Vloží se jednou do prvku <html>, kde označuje základní jazyk dokumentu a pak znovu do těch prvků, které jsou psány jazykem jiným.

OpenGrid sice neznám, ale jako docela zajímavý projekt na značkování webu mi připadá HTML. Sice se zatím ještě moc neujalo, ale jeho popularita začíná stoupat, takže dnes už na českém internetu pár desítek webů v HTML je (a některé dokonce v XHTML). Píše o tom ostatně Martin Kopta v sousedním příspěvku a já jeho víru v pozitivní trend sdílím.

Co se týče RSS (a pro změnu vážně), ano, asi tak nějak vznikalo a začalo se šířit. Ale nebylo tomu s HTML stejně? To asi také původně vzniklo pro potřeby publikování informací v rámci velkých organizací a teprve o dost později se ho zmocnil Franta Vomáčka, aby v něm matlal svůj osobní weblog.

Začarované kruhy jsou špatné jen tehdy, nenajde-li se někdo, kdo je rozetne :-)

Jedná se o jeden z důvodů proč v anketě pod článkem tak výrazně vede Google. URl je důležitá jen za určitých podmínek (obsah Webu dané klíčové slovo potvrzuje, odkazy obsahují stejná slova jako jsou v Url apod.). Podle mě nejde o to, že by to programátoři Jyxo nevěděli, ale ono to není tak triviální implementovat (automaticky vyzdvyhovat slova v doméně umí každý fulltext - i ty hodně špatné).

Prehlizite jednu vec - to webmaster one stranky ji nazval ponozky.htm a nastavil titulek na "ponozky". To, ze stranka neodpovida obsahu (klame) je problem webmastera.

Vsimnete si, ze na dane strance jsou 3 obrazky. Za soucasneho stavu techniky nedokaze ZADNY vyhledavac rozpoznat, zda na tech obrazcich jsou vyobrazene ponozky nebo cepice. Co tedy delat? Musi se spolehnout na textovou informaci, kde autor (nepravdive) tvrdi, ze na strance jsou ponozky.

*

A mimochodem, prohlednete si vysledky Google - vetsina vysledku tam ma take slovo ponozky v url a nadpisu. A kritizovana stranka je v prvnich patnactce odkazu taky. Trochu spatny priklad k dokazovani, kdo je lepsi :)

Nevím, nevím, tady jsou jiné výsledky Googlu, které ukazují, že se slovo ponožky na webu his.cz vůbec nikde nenachází.

Pokud žádný vyhledavač nedokáže rozpoznat, co na stránce, na které jsou jen obrázky bez ALTů, skutečně je, proč ji tedy indexuje? Taková stránka není platným HTML dokumentem a může se hodit maximálně pro vyhledávání obrázků (pokud mají něco rozumného alespoň v názvu). To je výtka všem vyhledavačům :-)

Nyní výtka specificky Jyxu a ostatním českým vyhledavačům. Na tomto příkladu je krásně vidět jak je filtrování/doplňování diakritických znamének ošidné. Není-li na stránce žádný text, jak Jyxo pozná, že je to česká stránka a že tedy ponožky = ponozky? Podle metadat je ta stránka navíc ve slovenštině.

Musím znovu opakovat to, co jsem už v této diskusi napsal. Uživatel si nechce (hloupé slovo, on nemůže) vybírat z 34 tisíc stránek, které Jyxo vrátí na dotaz ponožky. Uživatel chce a může využít maximálně pár desítek odkazů, zato však opravdu relevantních. Není tajemství, že mám Jyxo rád a že ho považuji za jednoznačně nejlepší český vyhledavač, ale větší přísnost na webmastery by mu hodně pomohla a čím víc bude u nás přibývat stránek, tím nutnější to bude.

Svádět špatné výsledky Jyxo na Webmastra je dost drsné.
Stačí od doménového spekulanta pronajmout doménu a Jyxo Vás hodí na první místo bez jakéhokoliv obsahu nebo s obsahem ze zcela jiného serveru - to se stalo, mimochodem Google se obelhat nenechal.

Mily Ludku,

to, co zakoupil seznam.cz je od skutecneho Google tak daleko jako Petrin od Tower Bridge. Presto ale mate pravdu, ze je to pro hledace obycejnych veci nejlepsi volba. Bohuzel ale sire baze dokumentu je mala a z toho pak vyplyva i mala kvalita vyhledavani.

S nazorem na atlas se plne pripojuji. Tento server mi pripada jak komercne tak i marketingove odepsany.

to, co zakoupil seznam.cz je od skutecneho Google tak daleko jako Petrin od Tower Bridge. (...) Bohuzel ale sire baze dokumentu je mala a z toho pak vyplyva i mala kvalita vyhledavani.

Tomuto nerozumim, jak to myslite?

U slova "ponožky" na Google opravdu ta chyba není. Google totiž opravdu netuší, že ponožky a ponozky jsou táž slova. ;-)

Docela by mě zajímal poměr dotazů položených u týchž slov bez diakritik a s diakritiky. Typuji si, že běžný uživatel nebude hledat bez diakritik.

Ponozkova diskuse je trochu unavujici, budu uz jen strucny:
(1) Webmaster zodpovida za obsah. Webmaster daneho webu nerika pravdu o obsahu stranky. Neexistuje prostredek, jak to technicky zjistit.
(2) Jedna se o jediny odkaz z prvnich 15ti, nezevseobecnujte tedy ("spatne vysledky"). Navic se porad bavime pouze o ponozkach - u 99.99% dotazu se to neprojevi.
(3) Onen spatny odkaz se nachazi na Jyxo i na Google, i na FASTu (pri stejnem dotazu, tedy ponozky s omezenim na cz). Tedy na jeho zaklade tezko muzete tyto vyhledavace porovnavat.

Kdyz si koupite domenu, tak vam to moc nepomuze. Rozhodujici jsou jine faktory. Pokud chcete uvest presny nazev webu, sem s nim (pripadne do mailu). Neexistuje nic jako "prvni misto" - pouze prvni misto pro konkretni dotaz - a to neni problem ziskat (vzdy a na kazdem vyhledavaci muzete zformulovat dotaz tak, aby vysla prave vase stranka prvni).

vratme to k realite, at pominou vasne :)...

1) a vy odpovidate za to, ze najdete co uzivatel chce. V pripade zde si stezujiciho pana se Vam to evidentne nepovedlo, a mam-li byt uprimny, vubec se mu nedivim.

2) nemate pravdu, existuje napriklad dotaz "default htm", kterym uzivatel chce hledat napriklad defaultni tvar html, tech prikladu se da vygenerovat cela rada. Vetsinou budou pochazet od pocitacovych ceskych nadsencu ci zacatecniku s pocitaci. Pomerne zajimava cilova skupina, nebo se mylim?

3) snad jen poznamka: nekopirujte chyby konkurence. ja chci konecne vyhledavat v cesku necim rozumnym!!! :)

Tipuji (občas se přetypuji :-).

Asi myslel kvantitu výsledků, ne kvalitu vyhledávání. Běžný překlep. Jinými slovy, v malé knihovně mohou být skvostné knihy, ale není jich mnoho. :-)

Vyuziji toho ze se zde aktivne hadaji profici a zeptam se trochu mimo misu.
K cemu je v soucasne dobe panu Simonovi to jeho blokovani domen registraci, kterou nezaplati? Ja jsem chtel registrovat domenu kde bylo v nazvu krestni jmeno meho pribuzneho, ta domena byla obsazena od roku 1997 majitelem, ktery ji vyuzival, loni na podzim nezaplatil a registrovaji ji Simon. Samozrejme ji nezaplatil, dal jsem specialni zadost, ihned zaplatil a ted ji mam. K cemu to tomu Simonovi je? Jediny vysledek je ze se cloveku o mesic zdrzi registrace..., nebo ne?

Vezmeme to prakticky - zkuste na google a na seznamu vyhledat slovo "kopta". Myslim, ze to stale dava rozdilne vysledky. Pro "obecna" slova dostanete z googlu i seznamu totez, pro veci, ktere jsou konkretni mate mnohdy znacne rozdily.

Muj zaver z toho je, ze seznam ma "stroj" orezany o nektere statisticke moduly, neb uvazili, ze nema cenu platit za statistiku a ze to stejne nikdo nepozna. Opravdu nevim co si mam myslet. Muze to byt i projev toho, jak maji parcialne vyriznuty index, muze to byt cokoliv.

Nevim jestli je to nejaky genialni zamer ci prosty projev neodbornosti na strane Seznamu, ci meho nepochopeni a prehlednuti a z toho plynoucich chybnych zaveru na strane druhe.

Myslim, ze tohle je pod timhle clankem totalni off-topic. :-) Ale kdyz uz jsme u toho, proc by to nezkusil. :-) Treba se najde nekdo, kdo mu napise a bude to chtit koupit, protoze nevi o specialni zadosti.

Na jedné straně CZ.NIC už dva týdny nechce zodpovědět moje doplňující otázky k jejich poslední tiskové zprávě (a jsou docela nevinné), na straně druhé není schopen udělat informační kampaň.

Přál bych panu Dohnalovi a celému CZ.NICu, aby letos dosáhly na Českém Internetu masivní obliby gTLD. Budu pak říkat mluvčím CZ.NICu, že lituji, ale momentálně memám čas věnovat mu dvě minuty na telefonu a není šance, že bych kdy měl ... snad při nějaké tiskovce. :-)

Při hledání ve článcích se v některých případech oběví skupiny.
Proč jsou některé formou adresy a jine popisuje název?
Dá se nějak zařídit, ne adresu, ale popis těchto stránek?

Neměl by v tomto případě jyxo použít automaticky název z <TITLE>?

Jetli tomu rozumim, tak verite v pravdeposobnost, ze nekdo kdo ma obrovske ambice ziskat nejakou domenu, je ochoten zaplatit castku rekneme v tisich az desetitisicich nevi ze je mozno podat specielni zadost? Kdyz to vypise po zadani takove domeny kazdy zprostredkovatel?
To mu podle me, pokud v tom neni zadny hacek nevyjde byzniskejs.

Lidé jsou různí. Běžně musím klientům vysvětlovat, že když se jim po zadání domény do prohlížeče vypíše stránka Globe Internet o tom, že na doméně nic není a mohou si ji koupit, že prostě není volná, ale má ji GI.

Třeba jen zapomněl vypnout automat... :-)

Skupiny jsou generovane automaticky a jsou razene priblizne podle poctu dokumentu v nich. S tim, ze pojmenovane skupiny maji prednost.

Ty pojmenovane skupiny maji nazev prideleny nami - to proto, aby vse bylo jednotne a pro uzivatele prehledne a pochopitelne. Pouzivat title by slo, ale v cz je dost rozsireny nesvar, ze title vubec neodpovida obsahu nebo ma cely web jediny title -> takze se to nezda byt uplne dobrym resenim.

Jo, před nedávnem jsem se snažil získat nějaké informace od CZ.NICu telefonicky - úplně všechna telefonní čísla CZ.NICu i KPNQwestu byla několik dní obsazena, včetně toho, co má p. Dohnal v podpisu ve svých e-mailech.

Chěl jsem sem dát link na příslušné stránky z http://www.nic.cz/ , ale na jednotlivé stránky nelze odkazovat!!!

K těm gTLD - asi 90% našich partnerů v Německu a Rakousku mají doménu .com a ne .de, dokonce i firmy na Taiwanu se přesouvají z .com.tw na .com, třeba to tak bude, za vydatného přispění CZ.NICu i u nás.

To je normální rasismus, navíc stavějící celou vědeckou disciplínu identifikace robotů :-) na hlavu.

Rasismus spočívá v tom, že nezaregistrujete menšinové browsery, což vás ale asi netrápí. Co by vás ale trápit mohlo, je existence velkého počtu robotů, které v user_agent mají Mozilla.

Navíc tyhle metody vedou k tomu, že když se zítra objeví browser FinalUltraWebBrowser a získá 80% trhu, bude mít v user_agent co? Správně, Mozilla a MSIE. Nejlépe nějak tak, aby se spolehlivě detekoval jako všechny existující browsery:

Mozilla/4.0 (compatible; MSIE 6.0; MSIE 5.5; Windows 2000; FinalUltraWebBrowser 1.2.3) Opera 7.0 [en]

BTW, všimněte si, že tam je MSIE *dvakrát*, mám to z logu, Opera to asi fakt tahle posílá.

Roboti, kteří mají v UA mozilla, jsou ošetřeni také - právě kvůli nim tam jsou testy na řetězec bot, crawler atd. (řetězce jsem vybral podle seznamu UA několika set nejpoužívanějších robotů).

Víte o nějakém menšinovém prohlížeči (tím myslím nějaký, který někdo rálně používá), který nemá v UA Mozilla ANI Opera? Podle mých statistik jsou reálně používané IE (má řetězec mozilla), NN (má řetězec mozilla), Mozilla/Phoenix (má řetězec mozilla) a Opera (má řetězec Opera, někdy i mozilla).

Netvrdím, že ten skript je úplně stoprocentně spolehlivý, však je taky hodně krátký, ale osobně ho používám pouze na vpisování metatagů do stránky, když je chce robot, a na filtrování statistik, tam nepřesnost v řádu desetiny procenta nevadí...

Spíš ji má někdo (většinou ne GI) hostovanou nebo zatím jen zaparkovanou u GI, ne?

Měl jsem na mysli takové ty domény jako sro.cz, film.cz, ip.cz, ltd.cz, office.cz... GI jich ma pomerne dost.

Treba jen ceka, az se jej na podminky ziskani te domeny nekdo zepta, a pak si ji sam zaplati...

Sazmořejmě to závisí na tom, co považujete za reálně používané. Texmodové browsery nikdo za reálně používané nepovažuje, taky proto, že při přístupu na tutéž stránku vám lynx udělá jeden GET, zatímco MSIE třeba 20 (rámy, externí styly, obrázky), takže naivním zpracování logů dopadne lynx bídně, i kdyby byl používaný z 60%.

Ale tohle by byl dlouhý flamewar. Chtěl jsem poukázat na problém, že když webmasteři mění chování stránek podle toho, jestli user_agent obsahuje Mozilla, MSIE či Opera, tak to vede hlavně k tomu, že to pak vývojáři browserů (a robotů) cpou do user_agent, aby i jejich browser (robot) dostal tu správnou verzi stránek. Tím vznikají identifikátory, v nichž se Opera maskuje za MSIE maskující se za Netscape maskující se za Mozillu, a celá myšlenka user_agent řetězce jde do kytek.

Divil byste se, kolik robotů má user_agent jako MSIE, bez nějakých změn (já např. takhle maskuju wget skoro vždycky :o)

Zajimalo by me, co je relevantni udaj pri vyhledavani obrazku. Kde ma byt umisten text, podle ktereho se vyhledava? Musi byt v ALT nebo staci, kdyz je nekde pobliz?

Zatim jsem si vsimnul, ze tuhle sluzbu nabizi ceske Centrum a Google (bohuzel googlovska DB obsahuje dost casto jiz neexistujici obrazky, update neni moc casty; s Centrem nemam moc zkusenosti). Sam pridavam na web celkem dost obrazku a vetsinou je popisuju. Byl bych moc rad, kdyby byly i vyhledatelne. Diky.

Pokud si vzpominam a podle vlastni zkusenosti Vim.

Tak Jyxo neni nejlepsi v CR a na Webfastu jsem vzdy nasel to co jsem chtel na Jyxu je to 50/50!!!!

Google vede ve světe na Cr neni dobry.
A ty keci ze Jyxo je nejlepsi je zaplaceny reklama...

Pro me asi zustane nejlepsim vyhledavacem Archon.cz a na fulltext asi megatext.cz
Bohuzel prvni uz je jenom za penize a ten druhy (asi) skoncil..

Ja ked chcem nieco najst v domene CZ tak tiez najprv Google a potom Jyxo a v SK sa vyber zuzi iba na Google :(

Škoda, že nikdy nikoho ještě nenapadlo zaplatit si u mě nějakou reklamu ve článku, vzhledem k pondělní stávce by se mi možnost jízdy vlastní tramvají celkem šikla.

Jinak, Google opěvují jen lidé, kteří neznají AllTheWeb.

Megatext je opravdu výtečný. Pro normální využití je sice k ničemu, ale když potřebuji na někoho něco vyhrabat a můžu strávit hodiny času prolézáním výsledků, je opravdu Megatext dokonalý. Všem zájemcům o Megatext doporučuji Quick.

Aha... :-)

tak to dekuji, myslel jsem si totiz ze Megatext skoncil.
Je to presne - chci-li o nekom nebo o nejake specialni veci co nejvice informaci, tak jedine Megatext.
Kdyz uz jste me tak dobre poradil, nevite nahodou co je s Archonem?

Anebo ti, kteří nepoužívají ixquick.com :-)

v tomto konkrétním případě je pro Atlas rozhodně lepší nepodporovat konkurenci, víííš? :o)))

Podle mě je i na cz Google dost dobrý.

Když tak čtu tyhle diskuse, nedalo mi to a zkusil jsem hledat název naší firmy - RYSTON. Na google/seznamu docela použitelné odkazy, na jyxo ale pěkný chaos, proložený různými "WWW Access Statistics" a různými místy, kde se díky reverznímu překladu objeví doména ryston.net - v téhle doméně je spousta firem, které s námi nemají (až na to připojení) nic společného. Podle mě by se tam takové odkazy vůbec neměly objevovat, a na Google se tak neobjevují. Na webfastu trochu ano, ale méně než na Jyxo.

Taky se mi vůbec nelíbí na Jyxo zvolený font - subjektivně mi ta stránky připadá hrozně chaotická, jestli je to víc problém patkového písma, velikosti nebo odstupu řádků - asi vše dohromady.

> A ty keci ze Jyxo je nejlepsi je zaplaceny reklama...

Kdepak, za reklamu neplatime. (A Lupa by se nejspis zaplatit ani nenechala).

Jak vidite, tak zde v diskusi byl za nejlepsi oznacen uz asi uplne kazdy - Jyxo, Google, Webfast, AllTheWeb, dokonce i leta nevyvijeny Megatext :)
Lide tedy maji ruzne nazory, tak je respektujme.

PS: K tomu Webfastu - Jyxo ma nyni o hodne vetsi databazi (14 098 000 oproti odhaduji 10 milionum), docela by mne zajimalo, co jste tam nasel vic - pokud mate konkretni priklady, poslete mi je prosim do mailu, podivam se na to.

Jyxo muzete pouzivat i pro na Slovensko. Licencujeme technologii ambicioznimu projektu Zoohoo (etarget).

Megatext je opravdu výtečný. Pro normální využití je sice k ničemu, ale když potřebuji na někoho něco vyhrabat a [ne]můžu strávit hodiny času prolézáním výsledků, je opravdu Megatext dokonalý.

V takovem pripade (hledate-li jmeno) doporucuji zadat dotaz v uvozovkach do libovolneho jineho vyhledavace. Dostanete stejne vysledky (protoze presne tohle Megatext dela - hleda vzdy presnou frazi, pokud existuje alespon jeden dokument, ktery ji obsahuje; kvuli tomu v techhle pripadech vysledky pusobi dobre). V jinych vyhledavacich ziskate tech informace jeste daleko vic, protoze Megatext ma suverenne nejmensi databazi ze vsech :)

Před několika okamžiky jsem na jyxo.cz zadal ke hledání klíčová slova "seznam.cz+novinky". A jyxo.cz mi z nějakých zcela záhadných důvodů zobrazilo jako výsledek nápis ALERT.

Ale jinak nemám k jyxo.cz připomínku. Akorát to bombování jyxem je docela nepříjemná záležitost, ale beru to s humorem :))

Sorry, ale hned v prvni vete se dopoustite drastickeho omylu, protoze ponožky Google sice na his.cz nezna, ale ponozky uz ano.

S tou výjimkou, že Megatext mi to jméno vyskloňuje. :-) Proto je v tomhle případě dobrý.

Posilam vam do mailu malou ukazku.
Myslim, ze se vam to bude libit :)

Líbí, dokonce moc. Kašlu na Megatext, Jyxo rules. :-)

...asi neumite hledat googlem :)) staci zadat ke hledani slovo "ponozky" a jeden z mnoha odkazu...

'601. 605. 606. Uvedeny sortiment se vyrabi v licenci H I S. Adresa
vyrobce: VALLECO sro Jasenicka 1253, 755 01 Vsetin tel/fax : 0657 ...
www.his.cz/ponozky.htm - 4k - Archiv - Podobné stránky '

Proč ale hledat slovo *ponozky*, když chci najít *ponožky*. Zvláště u toho Google hledám obvykle nejdřív česky, a teprve ve velmi výmjimečných případech, kdy nejsem s výsledkem spokojen, zkusím hledat také cesky. Když hledám ponožky, žádný H.I.S. se ke mne nedostane.

Proč hledáte ponožky? Každý přeci ví, že je sežene v oddělení oděvů, případně v oddělení obuvi :)

Nemam ponozky, nemuzu si tudiz dovolit v tomhle mrazu riskovat omrzliny, a proto se je pokousim objednat pres web. :-)

Asi jste me nepochopil, kritizoval jste Jyxo, ze stranku si pod urcitym slovem zaindexuje, i kdyz slovo samotne se na strance nevyskytuje ani jednou a Jyxu k tomu staci pouhy vyskyt slova v URL a/nebo titulku stranky. Ja jsem vam predvedl, ze Google udela uplne to same.

Jinak s Vami vicemene souhlasim, to "mene" je proto, ze konkretne v domene ".cz" je vysoka pravdepodobnost, ze dokument tak vystaveny bude v cestine. Ale je to pouze o tom, do jake miry se da generalizovat, aby clovek dostal adekvatni vysledek, urcite by to nebylo presne.

Ano, už rozumím, že jsme si nerozuměli :-)
Já jsem v tomto případě především kritizoval fakt, že Jyxo klade rovnítko mezi ponožky a ponozky u dokumentu, jehož obsah žádný důvod k této rovnosti nedává.

Michal Illich totiž napsal něco v tom smyslu, že z dokumentu nejde nijak poznat, zda pojednává o ponožkách a že to nepozná žádný vyhledavač. Proto jsem se tedy pozastavil nad tím, proč stránka na dotaz ponožky vyleze dost vysoko ve výsledcích, když nejde poznat, že je o ponožkách. Přišlo mi to jako vcelku logická úvaha :-)

Nějak vám nerozumím. Napsal jsem, že Google slovo ponožky na his.cz nezná a vy mi odpovídáte, že se dopouštím omylu, protože Google slovo ponožky na his.cz nezná. Jestliže oba tvrdíme totéž, těžko se jeden z nás může mýlit ;-)

Já prostě v případě této stránky odmítám akceptovat premisu, že slovo "ponozky" je totéž jako "ponožky". Z té stránky nejde nijak poznat, že je psána v češtině a doplnění háčku proto nedává smysl. Kdyby se Google choval stejně, najde mi na slovo ponožky i stránku v papuánštině, kde "ponozky" znamená tetičku z matčiny strany.

No tak já vám ponožky půjčím, ať nemusíte dělat takové nesmysly, jako objednávání ponožek přes Internet :). Vzhledem k dodacím lhůtám a zrušení mikroplatebních systémů prodlužuje čekací lhůtu také převod z banky do banky.

A proč hledat přes Jyxo, když na doméně http://www.ponozky.cz/ leží hromada pleteného zboží?

Proboha jak napsat ponoz(s hackem)ky kdyz nemam ceskou klavesnici? :-))

:-)

Ja se musim priznat, ze mne to automaticke doplnovani diakritiky velmi vyhovuje, i kdyz obcas cloveka prekvapi, co vsechno lze vytvorit.
Dnes jsem napriklad hledal DTS, abych se dozvedel vice o Digital Theatre System prostorove norme a Jyxo krome dts hledalo i ďtš nebo dťs. Ale opakuji, tezko to tomu Jyxu vycitat, dulezite pro mne je, ze v naproste vetsine pripadu opravdu dostanu ty relevantni vysledky.
Mozna by mohlo jit (pokud to jiz nejde) pro dane konkretni hledani a/nebo konkretni slovo to zkouseni diakritiky vypnout, aby byli spokojeni vsichni.
Vlastne ani pak by nebyli - neco by totiz muselo byt jako "default" a tem druhym by mohlo vadit, ze to neni zrovna jejich preferovany styl :-)))

Já mám čínskou a nemám s tím problémy... :-)

Zvykl jsem si na AllTheWeb i Google mít vlastní nastavení. Položím denně cca 70 dotazů, takže se to vyplatí.

Tak si to ž od někud zkopírujte.

To je třeba na mobilu hrozně jednoduché :-)

Podporuje Javu?

JYXO ignoruje robots.txt.
Takže sniffuje všechny dynamické stránky,pěkný bordel.

To neni pravda. Jyxo samozrejme stahuje robots.txt pred kazdou navstevou serveru a ridi se jeho obsahem...

Dynamicke stranky (ty povolene) samozrejme stahujeme - doby, kdy fulltexty crawlovaly jen staticke stranky jsou nastesti ty tam.

Neřídí, nemusíte mne přesvědčovat, vidím do weblogu.

Myslíte v Access Logu? :-)

Ja zase vidim v logu crawleru, ze robots.txt taha a ridi se jim.

Pokud mate opacnou zkusenost, napiste mi presne URL do mailu a podivame se na to - muze to byt chyba u nas (spatne parsovani), u vas (nekorektni format) ci pri prenosu (nedostupnost, cloaking, divne DNS).

Pokud budete jen anonymem, ktery cosi nekonkretniho rika na miste, kam to nepatri, nic se nevyjasni.

Mne Jyxo ze vsech stranek, co mam pod palcem, robots.txt stahuje a taky se jim do pismene ridi.