Vlákno názorů k článku Nástup časoprostorového vymezení dotazů od JV - Pro prostorove dotazy: "Kde do 3 km od...

Pro prostorove dotazy: "Kde do 3 km od meho bydliste je hospoda?" existuji prostorove databaze, ktere se ruznym zpusobem (pomoci obdelniku, lichobezniku) snazi aproximovat Eukleidovsky prostor. Jednotlive oblasti pak lze seskupovat do vetsich a taky vytvaret vyhledavaci stromy (R-stromy, prostorove obdoby B-stromu)
... Alespon neco malo, co mi utkvelo v pameti ze skoly

Otazkou je, kdo bude takova data zadavat, resp. kde je dneska vezmeme. Ikdyz hospody by slo udelat asi automaticky: Zlute Stranky -> PSC -> Mapa CR.

Ad: Otazkou je, kdo bude takova data zadavat?
Správně položená otázka. A já bych rád naznačil, že nikdo. Všechny stránky, u kterých je prostorová či časová informace relevantní, ji totiž už dnes obsahují. Neznám aspoň ani jednu stránku hotelu či hospody, ze které by se nepoznalo, kde dotyčný podnik je. A pak je to o dotvoření logiky crawlerů, aby dokázaly časovou či prostorovou informaci identifikovat a zpracovat. Například pokud by našly něco, co vypadá jako adresa, porovnaly by ji s rejstříkem adres, který dnes už existuje, a ze kterého by se v případě shody vzaly geografické souřadnice.
Tady je podle mého velké místo na trhu a možnost vymyslet, jak by takový algoritmus mohl vypadat. Mohl by obsahovat i kontrolní mechanismus na základě P2P schématu - pokud nějaký uživatel zjistí, že se systém totálně spletl, bude mít možnost a hlavně i motivaci takovouto chybu ohlásit a napravit. Podobný mechanismus by už byl "neprůstřelný". Výsledná databáze prostorových informací by pak byla nenahraditelným zdrojem pro nejrůznější vyhledávací služby.

PS: Nevylučuji, že v budoucnu se ujme standard, jak označovat relevantní časovou či prostorovou informaci pro daný text přímo na dané stránce a přímo jejím tvůrcem. Ale ten se ujme právě proto, že se s touto informací začne ve vyhledávačích rutinně pracovat,právě díky zmíněným nástrojům pro "dolování" časoprostorové informace. Do té doby totiž nebudou mít tvůrci stránek motivaci takový standard používat.

Možná, že by se dalo využít geourl - http://geourl.org .

I tato databáze by mohla být jedním ze zdrojů geografických dat pro případný "dolovací" mechanismus. Ale asi ničím více - jde o databázi, kam si tvůrci stránek mají zaregistrovat své stránky podle zeměpisné polohy. Nejde tedy o nic více a nic méně, než o jeden z možných standardů, jak naše stránky geograficky začlenit.
Chtělo by to však skok - dostat se k systému, který by byl používán opravdu masově a univerzálně. Těžko se najednou všichni uživatelé rozhodnou začít používat některý ze standardů hromadně. K tomu musí mít motivaci - například v silném vyhledávači, který s takovou informací úspěšně pracuje a který stránky s takovou informací zvýhodní. Ale takový vyhledávač nejprve potřebuje geograficky začlenit většinu internetového obsahu, kde to dává smysl, i bez aktivní účasti tvůrců stránek. A to je přesně služba, která zde dnes chybí.

Na VŠE se mimo jiné vyvíjí systém, který dokáže na WWW stránce identifikovat adresu - to je řešením, jak identifikovat polohu objektu. Další informace by se mohly hledat v metainformacích stránek - potřebné jazyky pro to určitě existují, ale nepoužívají se masově.
Co se týká vyhledávání podle názvu hl. města či oblasti - toto řeší tezaury. Pokud se do vyhledávání dosadí tezaurus, dokázal by udělat substituci ve vyhledávání - pokud zadám Praha, bude se hledat Praha OR Prague OR "hlavní město ČR" (použití vazby asociace tezauru) ... Podobně při hledání města ve středních Čechách by mohl hledat stránku s jakýmkoliv městem stř. Čech (použití vazby nadřazený/podřízený termín tezauru). Jde jen o to vytvořit/použít takovýto tezaurus.
Podobně by mohl vyhledávací stroj substituovat termín "včera" za včera or "12. 5. 2003" OR "2003/05/12" ...