Povrchový a hluboký web
Všechny informace v internetovém prostředí se nacházejí v několika úrovních přístupnosti. Na každé úrovni můžeme nalézt jiné množství informací, podle toho, kde jsou uložena a jak jsou zpřístupněna.
Povrchový web
Povrchový web je zastřešuje veřejné a indexované dokumenty v síti Internetu. Právě díky indexaci vyhledávači je možné ho těmito vyhledávači prohledat.[1] Vyhledávání však není tak rozsáhlé. Uživateli se tak po zadání dotazu dostane malé množství všech potenciálních informací na Internetu buď pro technická omezení nebo proto, že je jejich robotům vstup do těchto zdrojů zakázán. Vyhledávací služby sice poskytnou informaci o existenci podobného informačního zdroje, ale nevyhledají informace, které jsou v něm obsaženy.[2]
Vyhledávače povrchové web se skládají ze tří modulů – webového robota, indexátoru a vyhledávacího modulu.[3]
Webový robot
V průběhu milisekund prohledá webové stránky a v závislosti na zadaném klíčovém slově poté zobrazí na obrazovku seznam stránek, které nejlépe odpovídají podmínkám zadaných uživatelem.[4]
Index
Výsledky z vyhledávání pavoukem jsou zpracovány do indexové stránky. To je stránka, která vznikne z jednotlivých webových stránek, jenž obsahují zadavatelem vložené klíčové slovo, nebo vyhledávací termín.[4]
Vyhledávací modul
Když chce uživatel najít stránku, která obsahuje určitá slova, pracuje s vyhledávacím modulem, který prohledá index a seřadí nalezené stránky podle relevance a několik prvních pošle uživateli.[1]
Nejčastěji používané vyhledávače povrchového webu jsou:
- Yahoo
- Ask
- Bing
- Seznam
Hluboký web
Hluboký web nebo neviditelný web obsahuje internetové informační zdroje, jejichž obsah není dostupný prostřednictvím standardních vyhledávacích strojů. Může se jednat o informace, které jsou uloženy v databázích a generují se dynamicky až na základě interakce uživatele se systémem (např. online katalogy knihoven nebo bibliografické báze dat) nebo o informace, ke kterým je přístup chráněn heslem a jsou dostupné pouze autorizovaným uživatelům, často pouze na komerční bázi (plné texty časopisů apod.)[2] Počet dokumentů, které nemohou být vyhledány prostřednictvím tradičních vyhledávacích nástrojů, je až pětinásobně vyšší než ta část informačního prostoru Webu, ke které poskytují přístup vyhledávací stroje.[4]
Hlavní typy informací v prostředí hlubokého webu[5]
Informace mají různý charakter a nejsou indexovatelné z několika různých důvodů.
- Dynamicky generované stránky - Mezi dynamicky generované stránky řadíme databáze, katalogy knihoven, digitální knihovny, slovníky, encyklopedie a další. Informace se generují až na základě dotazu. Dynamické stránky tvoří největší a nejvýznamnější část hlubokého webu.
- Nepropojené stránky - Webové stránky jsou roboty indexovány na základě vzájemného hypertextového propojení. Stojí-li nějaká stránka mimo toto propojení, roboti ji nenaleznou a proto jí říkáme nepropojená stránka.
- Soukromé stránky - Pro vstup na některé webové stránky je vyžadována registrace nebo heslo. Robot tak zaindexuje pouze vstupní stránku.
- Dočasná data - Rychle se měnící obsah stránek neumožňuje indexaci z důvodu jejich častého střídání. Kódované textové informace - Informace v nich obsažené jsou pro vyhledávací stroje nečitelné.
- Multimediální informace - Jde o obrazové informace, video-informace a informace zvukové. Bez dostatečného průvodního textu roboti nerozeznají, o co se jedná.
Text je dostupný pod licencí Creative Commons Uveďte autora 3.0 Česko při dodržení případných autorských práv a dalších podmínek
© 2013 ISSN: 2336-5897
