Specializovan² t²denφk o v²poΦetnφ technice
o Internetu
(CW 12/97)

---

FulltextovΘ prohledßvaΦe ΦeskΘho Internetu -- a hned t°i!

Pavouk mß nejlΘpe oÜet°enΘ n∞kterΘ funkce, ale zatφm p°φliÜ pou₧iteln² nenφ. SearchCZ vßm nikdy neodpovφ nesmysl, ale leccos nenajde. Atlas najde nejvφce, jen₧e obΦas odpovφ Üpatn∞...

Musφm se p°iznat, ₧e tento Φlßnek jsem zaΦal psßt velmi rozho°Φen. Vym²Ülel jsem titulky jako Pavouk v pavuΦin∞ zabloudil, P°edstavuje Atlas krajinu jinΘ planety? Φi Nedokß₧ou zavΘst drßty a cht∞jφ prohledat Internet. P°φΦinou mΘho hn∞vu p°itom byla skuteΦnost, ₧e nov∞ se objevivÜφ prohledßvaΦe ΦeskΘho Internetu nepracujφ zrovna tak, jak by m∞ly.

P°edstavitelΘ firmy Seznam se ji₧ loni v listopadu netajili zßm∞rem nabφdnout jako svoji dalÜφ slu₧bu fulltextovΘ vyhledßvßnφ. Nynφ se stalo, ₧e se jim objevila konkurence hned trojnßsobnß: Pavouk (http://pavouk.cesnet.cz), SearchCZ (na strßnce Telecomu na http://194.228.2.35:8000/searchcz/) a Atlas (http://www.atlas.cz).

╪ekn∞me si rovnou, ₧e i kdy₧ to nenφ v₧dy v²slovn∞ uvßd∞no, vÜechny t°i slu₧by zatφm b∞₧φ vφcemΘn∞ ve zkuÜebnφm provozu -- z hlediska u₧ivatele to znamenß, ₧e ani jedna nefunguje tak, jak by m∞la. Podoby, ve kter²ch se tyto t°i prohledßvaΦe objevily, majφ v tuto chvφli k ideßlnφ verzi hodn∞ daleko.

ZaΦn∞me Pavoukem. Podle p∙vodnφho plßnu m∞l vesele Üermovat no₧iΦkami ve chvφli, kdy nalezne ₧ßdan² odkaz. Jen₧e ouha, radost se mnohdy nekonß, tato nestv∙ra se s velk²m mno₧stvφm pojm∙ prost∞ mφjφ a jejφ sφtφ toho propadne a₧ p°φliÜ mnoho. V tuto chvφli je tedy Pavouk pou₧iteln² pouze omezen∞; je mu ale ke cti, ₧e se postupn∞ zlepÜuje. Ji°φ T. Pelech, jeden ze dvou lidφ pod cel²m projektem podepsan²ch, toti₧ zjistil, ₧e Pavouk nenajde ani hesla vztahujφcφ se k jeho vlastnφ osob∞ a to mu dodalo pot°ebnou motivaci k dalÜφmu vylepÜovßnφ. Pavouk nynφ sice najde odkaz na "Pelech", ale neznß Pavla Housera ani Φeskou domovskou strßnku IDG, co₧ hodnotφm jako mimo°ßdn∞ v²znamn² nedostatek. Uvidφme Φasem. JeÜt∞ je t°eba °φci, ₧e v p°φpad∞ Pavouka je ale dob°e oÜet°ena duplicita server∙ i r∙znΘ k≤dovßnφ ΦeÜtiny (viz dßle). Pavouk v∞tÜinou nachßzφ dokumenty k≤dovßnφ pro windows.

Pavoukovi podobnou slu₧bou je Atlas, kter² do provozu uvolnila firma Sprinx. Je zajφmavΘ, ₧e v internetov²ch periodikßch (Zprßvy z Internetu na serveru Bajt, komentß° na NeviditelnΘm psovi, Sv∞t Namodro) byla hodnocena bezv²hradn∞ kladn∞, aΦkoliv mß v tuto chvφli takΘ celou °adu nectnostφ. Na poΦßtku na nφ byly nefunkΦnφ odkazy. To se zlepÜilo, jen₧e p°edpis op∞t obsahuje °adu chyb. NerozliÜuje mnohdy mezery na konci slov (op∞t jsem to zjistil p°edevÜφm testovßnφm informacφ, kterΘ Atlas nalezne o mΘ maliΦkosti, jde o to, ₧e pokud hledßte °et∞zec abc, najdete i xxxab cxx), nebo se i jak m²lφ. Hledßnφ u₧ivatel∙ podle jmΘna Φi e-mailovΘ adresy je zatφm rovn∞₧ ve stavu zrodu -- i kdy₧ databßze se z°ejm∞ bude postupn∞ napl≥ovat. Jejφ prvnφ podoba byla dle tvrzenφ p°edstavitel∙ firmy Sprinx vyhotovena podle lidφ aktivnφch v newsov²ch konferencφch, co₧ mß n∞co do sebe. Atlas nerozliÜuje malß a velkß pφsmena.

T°etφ z °ady pßn∙ na holenφ je ve zkuÜebnφm provozu b∞₧φcφ slu₧ba Telecomu. Ta mß jako jednu z v²hod schopnost sklo≥ovßnφ (s v²jimkou nap°. nezvykl²ch p°φjmenφ), lze ji vÜak vytknout, ₧e neobsahuje mo₧nost pracovat s logick²mi operßtory. Rovn∞₧ rozm∞ry strßnky nejsou p°φliÜ Ü¥astnΘ, pokud mßte nastaveno nejb∞₧n∞jÜφ rozliÜenφ obrazovky 800 * 600 pixel∙.

Podstatnß pro prohledßvaΦ je prezentace v²sledku. Podle p°eddefinovan²ch kritΘriφ se poΦφtß tzv. sk≤re a podle n∞j dojde k se°azenφ nalezen²ch dokument∙ ve vaÜem prohlφ₧eΦi. Pro ka₧dΘho, kdo p°iÜel do styku s AltaVistou, bude po°adφ generovanΘ Φesk²mi fulltextov²mi prohledavaΦi p°ipadat nezvyklΘ. Je vÜak t°eba uznat, ₧e jak na Atlasu, tak na SearchCZ, mßte mo₧nost si do jistΘ mφry vÜe nastavit sami.

Opravdov²m neÜt∞stφm ΦeskΘho fulltextu je, jak jinak, samotnß ΦeÜtina. Ne snad, ₧e by prohledßvaΦe Φesky neum∞ly, jenom₧e vßs zcela zaplavφ jedin²m dokumentem v celΘ Ükßle k≤dovßnφ. Ono to p∙sobφ na prvnφ pohled dob°e, najφt tolik odkaz∙, ovÜem v zßp∞tφ se ukß₧e, ₧e se jednß o dokument jedin²... Pokud je tedy v databßzi prohledßvaΦe zaindexovßno X strßnek, toto Φφslo je z°ejm∞ podstatn∞ ni₧Üφ prßv∞ kv∙li existenci rozdφlnΘho k≤dovßnφ a duplicit∞ server∙ (nap°. http://cech.cesnet.cz je stejnΘ jako http://www.cech.cesnet.cz, http://seznam.cz je stejnΘ jako http://svetobeznik.cz). ╚estnou v²jimkou je v tomto ohledu Pavouk. SearchCZ alespo≥ ve v²pisu rozliΦuje k≤dovßnφ ASCII a diakritiku.

Zb²vß tedy zßsadnφ otßzka: Mß dnes v²znam pou₧φvat k orientaci na ΦeskΘm Internetu spφÜe ΦeskΘ fulltextovΘ prohledßvaΦe a nebo zkusit AltaVistu s omezenφm +host:cz? Konec konc∙, na Atlasu i SearchCZ toho dnes u₧ z°ejm∞ najdete vφc -- p°es vÜechny jejich chyby. AltaVista nebude v²hledov∞ z°ejm∞ schopna tak rychle reagovat na zm∞ny v jedinΘ zemi.

Nepochybuji o tom, ₧e ve chvφli, kdy toto Φtete, se ji₧ proti popisovanΘmu stavu mnohΘ zlepÜilo a nebo se to zlepÜφ v blφzkΘ budoucnosti. SkuteΦnß bitva o zßkaznφka se teprve rozbφhß a prvnφ rozpaΦitΘ dojmy mohou b²t rychle zapomenuty. P°esto mn∞ vÜak nedostatky prohledßvaΦ∙ nejsou lhostejnΘ. P°edtstavte si internetovΘho zaΦßteΦnφka, kterΘho kamarßd posadφ k poΦφtaΦi a °ekne mu: "Podφvej, na Internetu najdeÜ vÜechno, ·pln∞ vÜechno. Co t∞ nejvφc zajφmß?"

"JezevΦφci."

"V²born∞. Vy¥ukej slovo bez hacku a carek, v 1. pßd∞ jednotnΘho Φφsla (a nebo jen slovnφ zßklad doprovßzen² hv∞zdiΦkou) tady na tom a tom vyhledßvacφm serveru a ono ti to najde..."

Pakli₧e vÜak slu₧ba nenajde nic a nebo p°ijde nesmyslnß reakce, mß Internet -- kdy₧ ne p°φmo nep°φtele, tedy alespo≥ skeptika.

P°edstavitelΘ prozatφm pouze katalogovΘho prohledßvaΦe Seznam jsou klidnφ a dßl pracujφ na fulltextu vlastnφm: "U₧ nem∙₧eme b²t prvnφ, ale m∙₧eme b²t lepÜφ," °φkß °editel firmy Ivo LukaΦoviΦ. Bu∩ jak bu∩, po nerovnΘ konkurenci Seznamu a U zdroje se vÜak m∙₧eme t∞Üit, ₧e souboj vyhledßvacφch slu₧eb se naplno rozjede i v ╚eskΘ republice.

(pah)