Wie funktionieren Suchmaschinen?

1. gibt es die automatische Volltextindexierung von Intemet-Dokumenten (das machen zum Beispiel Alta Vista, HotBot, oder Infoseek)
2. gibt es Dienste, die die Internet-Ressourcen systematisch, klassifikatorisch, oder hierarchisch aufgliedern (wie zum Beispiel Yahoo, DINO oder Web.de)Daneben existieren noch weitere Ansätze. So beschränken sich manche Dienste auf das Verzeichnen von Teilbereichen (wie zum Beispiel der Commercial Sites Index auf Unternehmen im Internet). Andere Suchdienste setzen nicht auf eine möglichst große Zahl indexierter Dokumente, sondern auf eine differenzierte Bewertung dieser Dokumente (beispielsweise Magellan).

Bei der Volltext-Indexierung wird der gesamte Text der Web-Seiten indexiert. Die Indexierung verläuft automatisch. Für den Input sorgen sogenannte Robots oder Spider, was das gleiche meint, aber unterschiedlich heißt. Manchmal heißen die Programme auch Agents. Spider sind Programme, die selbständig arbeitend Ressourcen im Internet 'aufspüren', indem sie Verweisen (Hyperlinks) von bereits bekannten Dokumenten folgen. Jedes neu von einem solchen Robot gefundene Dokument wird automatisch in der Datenbank der Suchmaschine verschlagwortet.
Wie dies geschieht, hängt vom einzelnen Robot ab; manche indexieren den HTML-Titel oder die ersten Absätze eines Dokuments; andere durchforsten das gesamte Dokument und indexieren buchstäblich jedes Wort. Die meisten Suchmaschinen speichern die gesammelten Dokumente nicht als komplette Spiegelung. Dazu bedarf es eines gigantischen Rechen- und Speicheraufwandes, den derzeit nur Alta Vista betreibt. Zur Suche wird eine Indextabelle angelegt, die die Worte einer Seite in einer Ja-Nein-Struktur enthält.

Dokumentname/Inhalt	Indiziertes Wort und gleichzeitig Suchwort (* = Ja, - = Nein)
	Geld	Macht	Bauern	Kuchen	Schrank	Schränke
Geld allein macht glücklich	*	*	-	-	-	-
Bauernmöbel und Schränke	-	-	*	-	-	*
Kuchen backen für Singles	-	-	-	*	-	-
Die Macht der Könige	-	*	-	-	-	-
Gebäck im Kühlschrank	-	-	-	-	*	-
Macht Kuchen dick?	-	*	-	*	-	-

Mit Hilfe dieser Indextechnik läßt sich die Größe der indexierten Dokumente auf ca. 4% reduzieren.

Hierdurch kommen verschiedene Eigenschaften der Suchmaschine zustande:

• Hohe Suchgeschwindigkeit, da in der Tabelle nur per Ja-Nein-Suche auf das Vorhandensein des gesuchten Wortes abgefragt wird. Ja führt zu Treffern, Nein entsprechend nicht
• Wortbedeutungen spielen keine Rolle. Bei der Suche nach 'Macht' wird auch das Dokument 'Geld allein macht glücklich' gelistet, obwohl es inhaltlich nichts mit dem Suchwort zu tun hat. Abhilfe würde in diesem Fall die Eingabe des großgeschriebenen Suchwortes schaffen, sofern die Suchmaschine Groß- und Kleinschreibung unterscheidet. Das Dokument 'Macht Kuchen dick?', würde trotzdem als Treffer gelistet werden.
• Worte, die im Plural anders geschrieben werden, werden nicht gelistet. 'Schrank' und 'Schränke' sind wegen des Umlautes zwei verschiedene Worte.
• 'Kuchen' und 'Gebäck' sind zwar inhaltlich eng verwandt, aber verschiedene Worte. Die Suche nach dem einen wird keine Treffer beim anderen hervorrufen. Diese Verbindung schaffen nur 'menschliche' Suchkataloge wie z.B. Yahoo.

Software, die die Suchanfrage auswertet

In vielen Fällen bekommen Sie jedoch nicht nur einen Treffer, je nach Suchbegriff meldet Ihnen die Suchmaschine mehrere Tausend von Treffern. Um Ihnen die Auswahl aus mehreren Treffern zu erleichtern, nehmen die meisten, auf Volltext basierenden Suchmaschinen eine automatische Gewichtung der Suchergebnisse vor, das sogenannte 'Ranking'. Die Suchmaschine gewichtet die Ergebnisse auf der Basis eines mathematischen Verfahrens, der unter anderem die Häufigkeit des gesuchten Begriffs im Dokument bewertet. Es gibt keine generelle Gewichtung; jede Suchmaschine verwendet zur Feststellung der Relevanz eines Suchtreffers unterschiedliche Mechanismen. Im Suchergebnis erscheint die Liste der Treffer bei manchen Suchdiensten nach Prozenten gewichtet. Bei anderen Suchdiensten stehen einfach ohne weitere Angaben die 'besten' Treffer am Anfang. Die verschiedenen Hauptaspekte sind:

1. Anzahl der übereinstimmenden Wörter Werden mehrere Suchworte verknüpft, so werden Ergebnisse, die alle oder viele der gesuchten Begriffe oder Phrasen enthalten, als relevanter eingestuft.
2. Häufigkeit des Vorkommens von Suchbegriffen Je öfter das Suchwort im Dokument vorkommt, desto wichtiger wird es für den Gesamtinhalt des Dokumentes gewertet.
3. Position des Vorkommens
   1. Domain und URL: Auf Systemen, die lange Dateinamen zulassen, werden Dokumente oft unter einem aussagekräftigen Namen gespeichert. Die Indexierungssoftware wertet das Dokument bei Übereinstimmung mit dem Suchwort als besonders relevant. Das gilt ganz besonders, wenn es sich um den Domainnamen handelt
   2. Titel: Ein Dokument, mit dem Suchwort im Titel hat gute Chancen auf einen vorderen Platz.
   3. Überschrift: Enthält eine Überschrift das gesuchte Wort, befaßt sich das gesamte Dokument oder ein wesentlicher Teil damit.
   4. Meta-Tag: Die Maschinen, die den Meta-Tag auswerten, ordnen Dokumente, die den Begriff im Content (Inhalt) oder Keywords (Schlüsselworte) Tag führen, höher ein. Die Praxis des Spamming von Meta-Tags hat leider um sich gegriffen. Daher werden Dokumente, die ein Wort zu häufig im Meta-Tag gelistet haben 'bestraft', indem sie nach hinten in die Liste geschoben oder erst gar nicht dem Suchindex zugeführt werden.
   5. Dokumentenanfang: Je früher das Wort im Dokument auftaucht, desto relevanter für das Suchergebnis wird es gewichtet.
4. Bezahlung: Manche wenige Suchmaschinen setzen gegen Bezahlung bestimmte Links nach vorne.

Zurück

Inhaltsverzeichnis

Nächste

Diplomarbeiten zum Runterladen: