Vlákno názorů k článku Recenze vyhledavačů: Seznam.cz od Martin - Že je Seznam špatnej jako celek (fulltext, katalog,...

Že je Seznam špatnej jako celek (fulltext, katalog, mail, ...) ví snad dost lidí a že tu existují mnohem lepší produkty je jasné (Redbox, Caramba, Klikni, Centrum). Smutné je, že stejně velké množství lidí bude používat Seznam jen proto že ho zná a na kvalitě nikomu záležet nebude.

Stejně jsem ale zvědav na vyvrcholení celé série recenzí fulltextů, až nám tajemný K.P. napíše, že nejlepší fulltext je ten jeho.

Tajemny k.p. nebude psat veci, o kterych neni presvedcen, potazmo s ohledem na to, ze jiz nemam autorska prava na sve fulltexty (jsou prodana). I tak bych nemohl napsat, ze tyto fulltexty jsou nejlepsi, protoze nejsou.

Neexistuje zatim zadny universalne dobry stroj, ale je mozne ze az bude existovat 20-30 stroju na ruznem modelu, stane se tim universalne dobrym nejaky meta vyhledavac uz jen proto, ze prunik dokumentu ve svetovych fulltextech cini cca 5%.

Ostatne recenze by mely koncit prekvapenim, ktere je jiz z casti pripraveno, a neni to, co si myslite...

Seznam - je fakt hruza. Konecne nekdo napsal, alespon priblizny popis funkce tohodle 'vyhledavace'. Jenom se divim, ze to slo bez vulgarismu, nemel jste pane Pánek, cukani nektere jadrnejsi slovo pouzit?

Nicmene bych se chtel zeptat pana Pánka, jehoz recenze, IMHO, vypadaji opravdu fundovane a ziskal sem pocit, ze autor vi o cem pise, jestli by nemohl: napsat clanek pro, ehm, ehm, potencionalni tvurce vyhledavacu - nejde mi jenom o prohledavani internetu, ale napr. 'boolovskem' a 'vektorovem' modelu vyhledavani. Konkretne u techle pojmu intuitivne chapu o cem ten, ktery je, ale rozhodne by nevadil podrobnejsi popis. Neco o principu tvorby fulltextovych vyhledavacu. Pripadne pokud jste akademicky ci literarne cinny, celkem rad bych si od Vas neco precetl. Proste neco abychom i my, sprosty lid, meli jeste vic z Vasich recenzi.

Predem dekuji za prizen.

Po pravde jsem nemel cukani k impertinencim vuci seznam.cz. Znam je pomerne dobre a spise mi bylo stydno, ze je jejich fulltext ve stavu, jaky lze stezi spatrit pri pohledu do dob drevniho internetu. Myslim, ze v dnesni dobe by pro ne nebylo problemem si alespon "pujcit" libovolny fulltext, ktery je na trhu. Vidim v tom pak problem nejen technicky (dany kapacitami a prirozene limitovanymi lidskymi zdroji), ale i managersky. Pravdepodobne to bude jen muj subjektivni nazor, ale mam dojem, ze seznam ztratil vizi, cil a smysl existence.

K druhe casti dotazu (ohledne toho, jak fulltexty delat): na teto serii clanku se pomalu pracuje, nebot ani lupa.cz neni nepritelem tohoto napadu. Tyto clanky budou vyrazne prakticke s odkazy na probihajici recenze.

Ono je možné autorská práva zcela odprodat? Myslel jsem, že české právo neumožňuje zcela se autorských práv zbavit prodejem. Copyright by vám měl patřit nadosmrti. Možná jste někomu svěřil výkon svých práv, ale jsou stále vaše, tak nám prozraďte, co jste to dělal za fulltexty.

Jinak k tomu "průniku" - těch 5 % je málo, v článku: S. Lawrence and C.L. Giles, "Accessibility of information on the Web," Nature, Vol. 400, pp. 107-109, 1999. se tvrdí něco jiného. Lawrencův citační index je o dost vyšší než ten váš, takže opravdu ta vaše H*VN*L*GIE (půjčím si, s dovolením, slovo, které tu padlo v příspěvcích již před týdnem) ohledně hodnocení vyhledávačů by mohla skončit.

Zustanu ve vecne rovine:

- jedna se o clanek jiz 2 roky stary, proto jeho relevance k dnesku je v mnohych ohledech vzdalena. Velikost webu se zmenila, stejne tak jako vznikly nove vyhledavace

- clanek se zabyva nikoliv primarne "prunikem", ale spise "sjednocenim". Konkretne Vami zmineny clanek si nepamatuji, ale Lawrence vetsinou prunikoval 2 stroje a ukazoval jak se hybe coverage.

- neni mi jasne co chapete pod pojmem citacni index a jakou to ma souvislost s mnozstvim dokumentu, ktere indexuji vsechny velke vyhledavace zaroven

- nejsem statistik, ale spise bylo vecnejsi napadnout to, ze jsem neuvedl, kolik velkych stroju "prunikuji" do onech 5%. Vezmu-li do teto skupiny nejaky maly (kupr. idnes) a pak jen google, mozna se hrave dostanu i pod 5%.

Kdybyste byl akademicky dostatecne fundovan, mozna byste volil mene silne vyrazy ve spojeni s jednim, ne jiz nejaktualnejsim clankem.

Nespletl jste se, kdyz jste 5% porovnaval s 15-20%, ktere jsou ale o odhadu jine hodnoty?

dovolim si jeste malou vsuvku co rozumim prunikem. Kdyz A indexuje 100 dokumentu, B take, a z toho oba zaroven indexuji 5 totoznych: je prunik 5% (5 dokumentu), sjednoceni 105% (205 dokumentu). Hovorim o te prvni velicine, protoze ta hovori o tom, zda metavyhledavac musi nejak slozite hledat duplicity a korigovat vahy z jednotlivych stroju.

"- neni mi jasne co chapete pod pojmem citacni index a jakou to ma souvislost s mnozstvim dokumentu, ktere indexuji vsechny velke vyhledavace zaroven "

Nejsem sice autor původního příspěvku, ale to nevadí. Citační index v zásadě říká jak moc je autor článku citovaný ostatnímu autory publikací. Dá se z toho odvodit jeho odborná prestiž, nebo to jak moc je možno věřit autorovým závěrům.

S množstvím dokumentů indexovaných vyhledávači to nemá nic společného. I když jsem měl dojem, že na některých (zahraničních) vysokých školách má citační index vliv na odměny lektorů...

Teď se dostanu asi na tenký led, nemám rád matiku, ale...
Pokud sjednocuji počet indexovaných dokumentů, výsledek by měl být 195 dokumentu, ne ?
A výraz SJEDNOCENÍ by měl označovat tento výsledek, jak mi selský rozum káže :o))
100 (A) + 100 (B) = 200 - 5 (prunik) = 195

Prece byste nechtel presnost a peclivost u takove fuzzy vedy, jakym je hodnoceni neceho, u ceho neznam ani algoritmy?

Ano mate pravdu a skvely postreh. Omylem jsem scital, nikoliv odecital tu (5)-ku. Diky za pripominku

Stale mi neni jasne, zda je tento index pojiman jako baze ci faktor (=cislo). V zavislosti od poctu dokumentu a toho jak crawlery uvazovanych stroju prochazeji objevene citace/linky by mozna slo opravdu stanovit nejake zajimave hodnoty s pouzitim zmineneho faktoru. Pak by slo dokonce spocitat (presne odhadnout) pocet dokumentu v pruniku i sjednoceni.