VIKMA06
Vyhledávání informací
14. 12. 2018: Přednáška P12+K5: Vyhledávání netextových informací, vyhledávání a internet
FF MU, podzim 2018
Mgr. Josef Schwarz
126172@mail.muni.cz

Výsledky 7. dílčího úkolu
¢7. úkol (Ptejte se knihovny)
lPřehled dotazů
lStatistická analýza
là(oba soubory v IS)
•

Výsledky 9. dílčího úkolu
¢Zadání: Je dán úryvek (text z roku 1966): „A je příznačné, že hledajíc živný kontakt s vlastní
minulostí, najdou ho Francouzi ne u Crébillonů, Restifů, Laclosů a Nerciatů (příliš zdravých pro
naši dobu), ale u Sada. Paulhan, Bataille, Blanchot, Beauvoirová ho opráší svými studiemi. Pak už
půjde jen o to, abychom ho překonali. (Jak se to dařilo a daří, ukázal Václav Černý ve své nedávné
studii.).“ O jakou studii V. Černého jde? Zjistěte bibliografické údaje.
¢Řešilo 9 studentů, ke správnému (autorskému) řešení dospěli 2 studenti.
¢Autorské řešení viz samostatný soubor v osnově předmětu.
•

Netextové informace
¢obraz, zvuk, kombinace
•textová složka je marginální
¢internet
•velký objem netextových informací
•omezené možnosti vyhledávání
•vyhledávače (podle popisku – příklad 1, 2, 3)
¢způsoby přístupu
•prohlížení
•vyhledávání
¢
•

Indexace netextových inf.
¢podstatně složitější než indexace textových inf.
¢hlediska indexace/vyhledávání
lhlediska 1
•věcnost (ofness) à „tvrdá“ indexace
•výrazovost (aboutness) à „měkká“ indexace
lhlediska 2
•základní vlastnosti (barva, tvar)
•logické vlastnosti (vztah mezi objekty)
•abstraktní vlastnosti (metaforický význam)

Vyhledávání netextových inf.
¢content-based image retrieval (CBIR)
lvyhledávání podle obsahu
lautomatické zpracování obrazu (image processing)
¢description-based image retrieval
l(context-based, concept-based)
lvyhledávání podle popisu (kontextu, pojmového vyjádření) (image indexing)
l
l

CBIR
¢vyhledávání na úrovni pixelů
lQBIC - Query by Image Content
¢objektové vyhledávání
lextrahování obrazových objektů
¢image mining (dolování obrazových informací)
lextrakce podobných znaků z celé db
lextrakce všech vlastností bez prvotní znalosti
l

Vyhledávání podle popisu
¢výhoda: sémantický obsah obrazu
¢nevýhoda: subjektivitaàinkonzistence indexace
¢způsob indexace závisí na typu kolekce a požadavcích uživatelů
¢indexace
•biografických vlastností
•předmětových vlastností
•fyzických vlastností
•vztahových vlastností

Řízené slovníky pro popis netextových dokumentů
¢ICONCLASS
¢ATT (Art & Architecture Thesaurus)
¢Thesaurus for Graphic Materials
•
l

Aplikační oblasti
¢průmyslové vlastnictví (ochranné známky)
¢lékařství
¢umění a architektura
¢astronomie
¢kriminologie
¢…atd.

Vyhledávání a internet
lSkrytý web
lSémantický web

Neviditelný web
deep


Typy „neviditelnosti“
¢Nepřehledný web (Opaque web)
¢Soukromý web (Private web)
¢Vlastnický web (Proprietary web)
¢Skutečně neviditelný web (Truly invisible web)

Nepřehledný web
¢Obsahuje soubory, které mohou být, ale z určitých příčin nejsou vyhledávači indexované.
¢
¢Důvody:
●hloubka indexování (depth of crawling)
●frekvence indexování (zprávy, inzerce, ceny akcií)
●maximální počet viditelných výsledků
●odpojené stránky
●

Soukromý web
¢Obsahuje stránky, které by robot dokázal zaindexovat, ale správce webu to znemožňuje.
¢
●stránky chráněné heslem
●soubor robots.txt
●metatagy „noindex“, „nofollow“

Vlastnický web
¢Část webu, ke které je přístup pouze po splnění určitých podmínek.
¢
●stránky vyžadující souhlas s podmínkami pro vstup
●stránky dostupné po zaplacení poplatku

Skutečně neviditelný web
¢Stránky, které roboty neindexují kvůli svým technickým omezením.
¢
●dynamicky generované stránky
●relační databáze (Oracle, MS SQL Server, IBM DB2)

Přednosti hlubokého webu
¢specializovaný obsah – komplexnější informace
¢sofistikovanější uživatelské rozhraní
¢větší důvěryhodnost
¢oborovost

Přístup k hlubokému webu
¢metavyhledávače
¢specializované vyhledávače, katalogy, adresáře
¢oborové (předmětové) vyhledávače, katalogy, adresáře
¢referenční zdroje
¢weby knihoven
¢digitální a virtuální knihovny
¢oborové databáze
¢weby organizací
¢knihy (archivy, e-books)
¢blogy
¢
¢

Sémantický web
¢


klasický x sémantický web
¢Tvořen tak, aby jeho obsahu porozuměl pouze člověk
¢Citlivý na použitou terminologii
¢Nalezených dokumentů je obvykle příliš mnoho nebo naopak příliš málo (případně žádné)
¢Výsledkem vyhledávání je pouze jedna stránka
¢Rozšíření klasického webu
¢Obsah ve strojově přístupné formě
¢Vyhledávání podle klíčových slov nahrazeno zodpovídáním dotazů
¢Dotaz je možno zodpovědět na základě extrakce informací z více stránek

Klasická podoba webu
¢
•<h1>Agilitas Physiotherapy Centre</h1>
•Welcome to the home page of the Agilitas Physiotherapy Centre.
•Do you feel pain? Have you had an injury? Let our staff
•Lisa Davenport, Kelly Townsend (our lovely secretary)
•and Steve Matthews take care of your body and soul.
•<h2>Consultation hours</h2>
•Mon 11am - 7pm<br>
•Tue 11am - 7pm<br>
•Wed 3pm - 7pm<br>
•Thu 11am - 7pm<br>
•Fri 11am - 3pm<p>
•But note that we do not offer consultation
•during the weeks of the
•<a href=". . .">State Of Origin</a> games.
•

Web s explicitními metadaty
¢XML + XML schéma
¢RDF + RDF schéma
¢
l<company>
l<treatmentOffered>Physiotherapy</treatmentOffered>
l<companyName>Agilitas Physiotherapy Centre</companyName>
l<staff>
l<therapist>Lisa Davenport</therapist>
l<therapist>Steve Matthews</therapist>
l<secretary>Kelly Townsend</secretary>
l</staff>
l</company>
¢
¢

Sémantický web
¢Základní složky (předpoklady) SW
lstrukturace dokumentů
lvyjádření sémantiky - ontologie
lvyhledávací nástroje - agenti
l
lstandardy
•syntaktická složka
•URI
•strukturální složka
•XML
•sémantická složka
•RDF + RDFS (schéma RDF)
•OWL, OIL
l

Vrstvy sémantického webu



Sémantický web – příklady řešení
¢W3C
¢příklad aplikace RDF
lenergetika
¢Výzkum
lThe Open University London, Knowledge Media Institut
•Magpie
lStanford Knowledge Systems Laboratory
•DAML (agenti)
lEU, 5. rámcový program
•On-to-knowledge
•