موتور جستجو

موتور جستجو

اسلاید 1: Search Engine1387.03.13به نام خدادانشکده فنی منتظری مشهد

اسلاید 2: اطلاع یابی در اینترنتظهور اینترنت و سپس رشد و گسترش روز افزون ( شبکه جهانی وب) فهرستها و چالشهای نوینی را در فرایند اطلاع یابی پدید آورد. امکان جستجو و دسترسی به حجم زیادی از اطلاعات از طریق اینترنت،فعالیت های آموزشی ، تحقیقاتی، تجاری و ... را تحت تاثیر خود قرار داده است.مشکل اصلی فرایند اطلاع یابی در اینترنت بازیابی حجم کمی از اطلاعات و منابع اطلاعاتی نیست ، بلکه مشکل جدیدی تحت عنوان (بازیابی بیش از حد اطلاعات) پدید آمده است. در گذشته کاربران نیاز کمتری به فراگیری مهارتهای جستجو داشتند و اغلب از متخصصان اطلاع رسانی برای دسترسی به اطلاعات کمک می گرفتند ،اما امروزه باید بدون حضور یک واسط انسانی و داشتن دانش کافی درباره اصول و مهارتهای جستجو و بازیابی اطلاعات به کاوش در اینترنت و فراگیری اصول و مهارتهای اطلاع یابی برای جستجو گران مهم و حیاتی شد. اطلاع یابی، مجموعه مهارتهای مورد نیاز برای شناسایی،دسترسی و جستجوی اطلاعات است .

اسلاید 3: چرا باید در شبکه جهانی وب به جستجوی اطلاعات پرداخت 1.منحصر بفرد بودن : برخی از منابع اطلاعاتی در شبکه جهانی وب نمونه چاپی یا الکترونیکی( بر روی دیسک فشرده یا شبکه های پیوسته )ندارد. پایگاه اطلاعاتی مقالات تمام متن find articles که حاوی متن کامل هزاران مقاله است تنها از طریق شبکه جهانی وب قابل دسترس است و نسخه چاپی یا الکترونیکی ندارد.بسیاری از منابع مرجع مانند فرهنگها راهنماها و سرگذشتنامه ها منحصرا از طریق محیط وب در دسترس قرار می دهند .2.روز آمد بودن: یکی از ویژگیهای مهم شبکه جهانی وب نسبت به رسانه های چاپی انعطاف پذیری بیشتر آن برای روز آمد سازی اطلاعات در زمان کوتاهتر است. امروزه اطلاعات بسیاری از پایگاههای اطلاعاتی در وب نظیر (http://askeric.org/eric)ERIC,(www.ncbi,nlm.nih.gov/pubmed) MEDLINE و پروانه های ثبت اختراع امریکا (www. Uspto.gov) هر هفته به روز می شو ند. 3. رایگان بودن : برخی از منابع اطلاعاتی در شبکه وب رایگان هستند و همین موضوع انگیزه ای قوی برای جستجوی اطلاعات در این محیط به وجود آورده است. مثال از طریق onelook dicionaries (www.onelook.com ) میتوان به طور رایگان در بیش از 800 فرهنگ پیوسته رایگان (بیش از 8/4 میلیون واژه)به جستجو پرداخت یا از طریق سایت national academic press(www.nap.edu) متن کامل بیش از 2500 کتاب معتبر علمی و تخصصی را به طور پیوسته مطالعه کرد.

اسلاید 4: 4.سهولت جستجو و بازیابی اطلاعات :سهولت جستجو و باز یابی اطلاعات از طریق کلید واژه های مورد نظر را در کادر جستجو وارد کرد و فرایند بازیابی اطلاعات را در پیش گرفت. در بسیاری از موارد جویندگان اطلاعات ترجیح می دهند به جای مراجعه به کتابخانه ها و مراکز اطلاع رسانی از طریق کامپیوتر شخصی خود به جستجوی اطلاعات مورد نظر بپردازند زیرا جستجوی کلید واژه ای یا مرور صفحات وب بسیار آسانتر از شیوه های سنتی دسترسی به اطلاعات است .سهولت انجام جستجو (نه بازیابی اطلاعات مورد نظر )در محیط گرافیکی وب حتی بر رفتار اطلاع یابی دانش آموزان نیز تاثیر گذاشته است به طوری که بسیاری از دانش آموزان آمریکایی جستجوی کلید واژه ای در وب را به جستجو در برگه دان کتابخانه ها ترجیح میدهند و عقیده دارند که استفاده از این محیط برای انجام تکالیف درسی و تحقیق به مراتب آسانتر است .5.دسترسی به اطلاعات چند رسانه ای : یکی از مهمترین قابلیتهای شبکه جهانی وب ، امکان جستجو و بازیابی حجم بسیار زیادی از اطلاعات چند رسانه ای شامل صوت،تصویر و ویدیو است.

اسلاید 5: سیر تحول تاریخی ابزارهای کاوش شبکه جهانی اینترنت در اواخر دهه 1960 پا به عرصه ظهور گذاشت ، اما تا سال 1990 ابزارهایی برای کاوش اطلاعات موجود در آن وجود نداشت. با مروری اجمالی بر تاریخچه ابزارهای کاوش اینترنت میتوان دریافت که تقریبا کلیه پیشرفتها در این زمینه توسط دانشجویان و طرحهای پژوهشی آنها صورت گرفته است.در سال 1990 اولین ابزار کاوش اینترنت توسط آلان اِمتیچ (Alan Emtage) در دانشگاه MacGil University تحت عنوان Archie توسعه یافت. این ابزار کاوش تنها میتوانست فایلهای اینترنتی، نه متن و اسناد موجود در اینترنت را بازیابی کند.در سال 1993 در دانشگاه نوادا برای بازیابی اسناد و متون در سرورهای گوفر نظامی مشابه آرکی طراحی شد که ورونیکا نام داشت . در واقع ورونیکا برای اولین بار امکان جستجو و باز یابی متن و اسناد ساده (بدون تصویر یا پیوندهای فرامتنی ) را در اینترنت فراهم کرد .آرکی و ورونیکا پدر و مادر تمام ابزارهای کاوش امروزی به شمار می آیند. بعدها دو ابزار کاوش برای جستجوی اطلاعات در محیط وب توسعه یافتند که عبارت بودند از آلی وب و ورالد واید وب واندرر . ورالد واید وب واندرر که توسط ماتؤگری در دانشگاه MITتوسعه یافت از روبات ها به تعبیر دیگر برنامه های کامپیوتری برای جستجو و نمایه سازی صفحات وب استفاده می کرد. به این ترتیب اولین موتور کاوش پا به ظهور گذاشت و پایگاه موتور کاوش تحت عنوان وندکس شکل گرفت .

اسلاید 6: در اوایل سال 1994 دو دانشجوی دوره دکتری مهندسی برق دانشگاه استانفورد به نامهای دیوید فیلو و جری یانگ فهرستی از سایتهای وب مورد علاقه و منتخب را تهیه و در محیط وب ارائه کردند . سپس به منظور جستجو در پایگاه اطلاعاتی گرد آوری شده از سایتها ، نرم افزار کاوشی به آن افزودند و ان را (www.yahoo.com) yahoo! نام نهادند . پس از مدتی ، حجم اطلاعات موجود در yahoo! افزایش یافت و روزانه هزاران نفر به آن مراجعه کردند.در دسامبر 1995 (www.altavista.com) Alta vista به عنوان یکی از شناخته شده ترین موتور های کاوش ظهور پیدا کرد و به دلیل ویژگیها و نوآوریهایی که در آن پیش بینی شده بود، به سرعت به عنوان یکی از بهترین ابزارهای کاوش اینترنت مطرح شد; به طوری که توانایی انجام روزانه میلیونها جستجو را بدون کاهش سرعت بازیابی اطلاعات به همراه داشت .Alta vista اولین موتور کاوشی بود که از زبان طبیعی ( مانند جستجوی جمله آب و هوای تهران چطور است ؟) و عملگرهای بول برای باز یابی اطلاعات در محیط وب استفاده کرد .در ماه می 1996 (www.hotbot.com) Hot Bot به عنوان یکی دیگر از ابزارهای کاوش مهم ابداع شد که روبات آن قادر بود روزانه حدود 10 میلیون صفحه در محیط وب را در پایگاه خود نمایه کند. در سال 1995 اولین ابر موتور کاوش توسط اریک سلبرگ تحت عنوان Metacrawler( (www.metacrawler.com ظهور پیدا کرد . این ابر موتور کاوش می توانست در پایگاه شش موتور کاوش و راهنمای موضوعی به طور هم زمان به جستجو بپردازد .

اسلاید 7: در اواخر سال 1997 یکی از بزرگترین و مهمترین ابزارهای کاوش امروزی یعنی موتور کاوش www.google.com) Google ) از طریق طرح تحقیقاتی دانشگاه استانفورد ظهور یافت . Google تلاش کرد که در نظام رتبه بندی نتایج کاوش خود مبتنی بر میزان ارتباط آنها با کلید واژه های جستجو،تحول اساسی به وجود آورد که از طریق استفاده از معیار میزان استناد به یک سایت مشخص توسط سایت های دیگر صورت می گیرد.

اسلاید 8: ابزارهای کاوش اینترنت چیست؟ابزارهای کاوش اینترنت پایگاههای اطلاعاتی جستجو یا مرور هستند که با استفاده از آنها میتوان به «بخشی » از اطلاعات موجود در اینترنت دست یافت . این ابزارها به دو شیوه کاربران را به سوی اطلاعات مورد نظر راهنمایی می کنند:جستجوی کلید واژه ها مرور و انتخاب پیوندهای فرامتنی کاربران را به سوی اطلاعات مورد نظر، هدایت می کنند . ابزارهای کاوش اینترنت را میتوان به دو نوع اصلی تقسیم بندی کرد:راهنمای موضوعی موتورهای کاوش 1. راهنماهای موضوعی : راهنمای موضوعی وب ،پایگاههایی هستند که اطلاعات صفحات یا سایتهای وب منتخب را توسط نیروی انسانی در پایگاه خود نمایه می کنند. 2. موتورهای کاوش : موتورهای کاوش ، پایگاههای اطلاعاتی قابل جستجویی هستند که از طریق برنامه های کامپیوتری به شناسایی و نمایه سازی خودکار صفحات وب می پردازند . موتورهای کاوش بر خلاف راهنماهای موضوعی ، برنامه های خودکاری هستند که هیچ گونه وابستگی به نیروی انسانی ندارند . به تعبیر دیگر ، فرایند شناسایی،انتخاب و نمایه سازی اطلاعات وب توسط برنامه های کامپیوتری انجام می شود .

اسلاید 9: موتور جستجو چگونه کار می کند؟ وقتی جستجویی در یک موتور جستجوگر انجام و نتایج جستجو ارایه می شود، كاربران در واقع نتیجه كار بخش های متفاوت موتور جستجوگر را می بینند. موتور جستجوگر قبلا پایگاه داده اش را آماده كرده است و این گونه نیست كه درست در همان لحظه جستجو، تمام وب را بگردد. بسیاری از خود می پرسند كه چگونه ممکن است گوگل در كمتر از یك ثانیه تمام سایت های وب را بگردد و میلیون ها صفحه را در نتایج جستجوی خود  ارایه كند؟ گوگل و هیچ موتور جستجوگر دیگری توانایی انجام این كار را ندارند. همه آنها در زمان پاسخ گویی به جستجوهای كاربران، تنها در پایگاه داده ای كه در اختیار دارند به جستجو می پردازند و نه در وب! موتور جستجوگر به كمك بخش های متفاوت خود، اطلاعات مورد نیاز را قبلا جمع آوری، تجزیه و تحلیل می كند، آنرا در پایگاه داده اش ذخیره می نماید و به هنگام جستجوی کاربر تنها در همین پایگاه داده  می گردد. بخش های مجزای یك موتور جستجوگر عبارتند از:Spider یا عنکبوتCrawler یا خزندهIndexer یا بایگانی کنندهDatabase یا پایگاه دادهRanker یا سیستم رتبه بندی

اسلاید 10: الف Spider-عنکبوتاسپایدر یا روبوت (Robot)، نرم افزاری است كه كار جمع آوری اطلاعات مورد نیاز یك موتور جستجوگر را بر عهده دارد. اسپایدر به صفحات مختلف سر می زند، محتوای آنها را می خواند، لینکها را دنبال می کند، اطلاعات مورد نیاز را جمع آوری می كند و آنرا در اختیار سایر بخش های موتور جستجوگر قرار   می دهد. كار یك اسپایدر، بسیار شبیه كار كاربران وب است. همانطور كه كاربران، صفحات مختلف را بازدید می كنند، اسپایدر هم درست این كار را انجام می دهد با این تفاوت كه اسپایدر كدهای HTML صفحات را می بیند اما كاربران نتیجه حاصل از كنار هم قرار گرفتن این كدها را. index.html صفحه ای است كه كاربران آنرا به صورت شكل (1) می بینند: شكل 1- نمونه ای از صفحات وب كه توسط مرورگرها نشان داده می شود.

اسلاید 11: شكل 1- نمونه ای از صفحات وب كه توسط مرورگرها نشان داده می شود.اما یک اسپایدر آنرا چگونه می بیند؟ برای این كه شما هم بتوانید دنیای وب را از دیدگاه یك اسپایدر ببینید، كافی است كه كدهای HTML صفحات را مشاهده کنید. برای این كار در مرورگر مورد استفاده خود، مسیر نشان داده شده در شكل (2) دنبال کنید. شكل 2- روش مشاهده كدهای HTML یک صفحه وب با انجام این کار فایل متنی شكل (3)  به شما نشان داده می شود:شكل 3- كدهای HTML سازنده یك صفحه وب

اسلاید 12: اسپایدر، به هنگام مشاهده صفحات، بر روی سرورها رد پا برجای می گذارد. شما اگر اجازه دسترسی به آمار دید و بازدیدهای صورت گرفته از یک سایت و اتفاقات انجام شده در آن را داشته باشید، می توانید مشخص كنید كه اسپایدر كدام یک از موتورهای جستجوگر صفحات سایت را مورد بازدید قرار داده است. یکی از فعالیتهای اصلی که در SEM انجام می شود تحلیل آمار همین دید و بازدیدها است. اسپایدرها كاربردهای دیگری نیز دارند، به عنوان مثال عده ای از آنها به سایت های مختلف مراجعه می كنند و فقط به بررسی فعال بودن لینك های آنها می پردازند و یا به دنبال آدرس ایمیل (Email) می گردند.ب- Crawler (خزنده) كراولر، نرم افزاری است كه به عنوان یك فرمانده برای اسپایدر عمل می كند. آن مشخص می كند که اسپایدر كدام صفحات را مورد بازدید قرار دهد. در واقع کراولر تصمیم  می گیرد كه كدام یك از لینك های صفحه ای كه اسپایدر در حال حاضر در آن قرار دارد، دنبال شود. ممكن است همه آنها را دنبال كند، بعضی ها را دنبال كند و یا هیچ كدام را دنبال نكند.کراولر، ممكن است قبلا برنامه ریزی شده باشد که آدرس های خاصی را طبق برنامه، در اختیار اسپایدر قرار دهد تا از آنها دیدن کند. دنبال كردن لینك های یک صفحه به این بستگی دارد كه موتور جستجوگر چه حجمی از اطلاعات یک سایت را می تواند (می خواهد) در پایگاه داده اش ذخیره كند. همچنین ممكن است اجازه دسترسی به بعضی از صفحات به موتورهای جستجوگر داده نشده باشد.

اسلاید 13: شما به عنوان دارنده سایت، همان طور كه دوست دارید موتورهای جستجوگر اطلاعات سایت شما را با خود ببرند، می توانید آنها را از بعضی صفحات سایت تان دور كنید و اجازه دسترسی به محتوای آن صفحات را به آنها ندهید. موتور جستجو اگر مودب باشد قبل از ورود به هر سایتی ابتدا قوانین دسترسی به محتوای سایت را (در صورت وجود) در فایلی خاص بررسی می کند و از حقوق دسترسی خود اطلاع می یابد. تنظیم میزان دسترسی موتورهای جستجوگر به محتوای یک سایت توسط پروتكل Robots انجام می شود. به عمل کراولر ، خزش (Crawling) می گویند .ج- Indexer (بایگانی كننده) تمام اطلاعات جمع آوری شده توسط اسپایدر در اختیار ایندکسر قرار می گیرد. در این بخش اطلاعات ارسالی مورد تجزیه و تحلیل قرار می گیرند و به بخش های متفاوتی تقسیم می شوند. تجزیه و تحلیل بدین معنی است كه مشخص می شود اطلاعات از كدام صفحه ارسال شده است، چه حجمی دارد، كلمات موجود در آن كدامند، کلمات چندبار تكرار شده اند، كلمات در كجای صفحه قرار دارند و ... .در حقیقت ایندکسر، صفحه را به پارامترهای آن خرد می کند و تمام این پارامترها را به یک مقیاس عددی تبدیل می کند تا سیستم رتبه بندی بتواند پارامترهای صفحات مختلف را با هم مقایسه کند. در زمان تجزیه و تحلیل اطلاعات، ایندکسر برای كاهش حجم داده ها از بعضی كلمات كه بسیار رایج هستند صرفنظر می کند. كلماتی نظیر a ، an ، the  ، www ، is و ... . از این گونه كلمات هستند.

اسلاید 14: د - DataBase (پایگاه داده) تمام داده های تجزیه و تحلیل شده در ایندکسر، به پایگاه داده ارسال می گردد. در این بخش داده ها گروه بندی، كدگذاری و ذخیره می شود. همچنین داده ها قبل از آنكه ذخیره شوند، طبق تکنیکهای خاصی فشرده می شوند تا حجم كمی از پایگاه داده را اشغال كنند. یك موتور جستجوگر باید پایگاده داده عظیمی داشته باشد و به طور مداوم حجم محتوای آنرا گسترش دهد و البته اطلاعات قدیمی را هم به روز رسانی نماید. بزرگی و به روز بودن پایگاه داده یك موتور جستجوگر برای آن امتیاز محسوب می گردد. یكی از تفاوتهای اصلی موتورهای جستجوگر در حجم پایگاه داده آنها و همچنین روش ذخیره سازی داده ها در پایگاه داده است.و- Ranker (سیستم رتبه بندی) بعد از آنكه تمام مراحل قبل انجام شد، موتور جستجوگر آماده پاسخ گویی به سوالات كاربران است. كاربران چند كلمه را در جعبه جستجوی (Search Box) آن وارد می كنند و سپس با فشردن Enter منتظر پــاسخ می مانند. برای پاسخگویی به درخواست کاربر، ابتدا تمام صفحات موجود در پایگاه داده كه به موضوع جستجو شده، مرتبط هستند، مشخص می شوند. پس از آن سیستم رتبه بندی وارد عمل شده، آنها را از بیشترین ارتباط تا كمترین ارتباط مرتب می كند و به عنوان نتایج جستجو به كاربر نمایش می دهد.حتی اگر موتور جستجوگر بهترین و كامل ترین پایگاه داده را داشته باشد اما نتواند پاسخ های مرتبطی را ارایه كند، یك موتور جستجوگر ضعیف خواهد بود. در حقیقت سیستم رتبه بندی قلب تپنده یك موتور جستجوگر است و تفاوت اصلی موتورهای جستجوگر در این بخش قرار دارد. سیستم رتبه بندی برای پاسخ گویی به سوالات كاربران، پارامترهای بسیاری را در نظر می گیرد تا بتواند بهترین پاسخ ها را در اختیار آنها قرار دارد.

اسلاید 15: حرفه ای های دنیای SEM به طور خلاصه از آن به Algo ( الگوریتم) یاد می كنند. الگوریتم، مجموعه ای از دستورالعمل ها است كه موتور جستجوگر با اعمال آنها بر پارامترهای صفحات موجود در پایگاه داده اش، تصمیم می گیرد که صفحات مرتبط را چگونه در نتایج جستجو مرتب كند. در حال حاضر قدرتمندترین سیستم رتبه بندی را گوگل در اختیار دارد.می توان با ادغام کردن اسپایدر با کراولر و همچنین ایندکسر با پایگاه داده، موتور جستجوگر را شامل سه بخش زیر دانست که این گونه تقسیم بندی هم درست می باشد:کراولربایگانیسیستم رتبه بندیتذکر- برای سهولت در بیان مطالب بعدی هر گاه صحبت از بایگانی کردن (شدن) به میان می آید، مقصود این است که صفحه تجزیه و تحلیل شده و به پایگاه داده موتور جستجوگر وارد می شود.

اسلاید 16: راهنمای موضوعی Open Directory (www.dmoz.org)DMOZ به عنوان یکی از مهمترین و جامع ترین راهنماهای موضوعی وب در ژوئن 1998 تحت عنوان NewHoo در دسترس قرار گرفت. این ابزار کاوش توسط ویراستاران داوطلب اداره میشود و آنها در سراسر دنیا وظیفه بررسی و وارد کردن سایتهای معرفی شده را بر عهده دارند. طبق آمار ارائه شده توسط این سایت تا آبان ماه 1381 حدود 53 هزار ویراستار داوطلب با سایت همکاری داشتند. توصیف ارائه شده برای هر سایت از کیفیت و محتوای خوبی برخوردار است. بعلاوه، این راهنمای موضوعی هیچ هدف تجاری و انتفاعی ندارد و همگان میتوانند با آن به عنوان ویراستار موضوعی همکاری کنند یا سایتهای مرتبط و با کیفیت را به بخشهای موضوعی مختلف آن معرفی نمایند. برخی از مهمترین ابزارهای کاوش نظیر Google‌، HotBot و lycos در بخش راهنمای موضوعی خود از پایگاه Open Directory استفاده میکند.نقاط قوت:بزرگترین راهنمای موضوعی که توسط انسان اداره میشود غیر انتفاعی بودن و غیر تجاری بودن سایت دارای ساختار سلسله مراتب موضوعی قوی و نسبتا جامع سیاست نمایه سازی برای گنجاندن سایتهای با کیفیت و معتبر دارای امکانات جستجوی مناسب نسبت به سایر راهنماهای موضوعی وب امکان انجام جستجو در یک تقسیم موضوعی مشخص و خاص امکان جستجو از طریق عملگرهای بول و ریاضی

اسلاید 17: نقاط ضعف:در موارد معدودی، کیفیت سایتهای نمایه شده، یک دست و هماهنگ نیستنسبت به موتورهای کاوش پایگاه اطلاعاتی کوچکی داردعدم حساسیت به بازیابی کلید واژه ها با حروف بزرگ یا کوچکعدم امکان استفاده از عملگر نزدیک یابی عدم امکان محدود کردن کاوش از طریق زبان و تاریخ عدم امکان تعیین مدخل ها برای نمایش در هر صفحه

اسلاید 18: موتور کاوش MSN Search (Http://search.msn.com)MSN Search موتور کاوشی است که توسط شرکت مایکروسافت راه اندازی شد. این موتور کاوش برای بازیابی اطلاعات از پایگاه inktom و راهنمای موضوعی Look Smart استفاده میکند در بخش جستجوی ساده آن، امکانات محدودی قابل دسترس است. اما در بخش جستجوی پیشرفته، قابلیتهای نسبتا مناسبی پیشبینی شده است. بر آورد دقیقی از حجم پایگاه اطلاعاتی آن وجود ندارد. این موتور کاوش از لحاظ جلو گیری از باز یابی سایتهای غیر اخلاقی بسیار مطمئن است و به صورت خود کار از بازیابی چنین سایتهایی جلوگیری میکند.نقاط قوت:امکان جستجو از طریق قابلیت Page Depth Limit دارای برنامه غلط یاب خود کار کلمات انگلیسیامکان رتبه بندی نتایج بر اساس تاریخ، عنوان و عمق سایت امکان جستجوی فرمت های مختلف فایل پیشرفته نقاط ضعف:عدم استفاده از عملگرهای بول در جستجوی ساده بازیابی نتایج متفاوت از طریق عملگر به کارگیری عملگر کوتاه سازی عدم امکان استفاده از عملگر نزدیک یابی عدم امکان ترجمه سایتها به زبانهای مختلف عدم امکان محدود کردن تاریخ انتشار صفحات وب

اسلاید 19: موتور کاوش HotBot (www.hotbot.com) HotBot در ماه می 1996 ظهور پیدا کرد. این موتور کاوش دارای امکانات و قابلیتهای جستجوی پیشرفته و مناسبی به ویژه در بخش جستجوی ساده است. در واقع، بسیاری از قابلیتهای جستجوی ساده، طراحی شده و در دسترس قرار گرفته است. راهنمای موضوعی HotBot از پایگاه Open Directory استفاده میکند. این موتور کاوش از دو پایگاه lnktomi و Direct Hit برای بازیابی نتایج اصلی بهره میگیرد. طبق اخرین آمار مستند برآورده میشود که این موتور کاوش بیش از 500 میلیون صفحه وب را در پایگاه خود نمایه کرده است.نقاط قوت:امکانات جستجوی پیشرفته در بخش جستجوی سادهامکان جستجو از طریق قابلیت Page Depth Limit (کاوش مبتنی بر عمق صفحات وب)امکان جستجوی فرمت های مختلف فایل در بخشهای جستجوی ساده و پیشرفته نمایش اطلاعات به صورت مفصل و مختصرامکان جستجوی نام یک شخص از طریق گزینه The Person

اسلاید 20: نقاط ضعف:جستجوی صفحات پیوند داده شده Link Search دقیق نیست.دارای پایگاه اطلاعاتی نسبتا کوچک مه به آهستگی رشد میکندبرخی از قابلیتهای کاوش در بخش جستجوی پیشرفته همیشه درست کار نمیکندفاقد عملگر نزدیک یابی استعدم امکان ترجمه سایتها به زبانهای مختلف عدم امکان جستجوی کلید واژه ها در قالب پیوند فرامتنی نداشتن برنامه غلط یاب خود کار برای تصحیح املای کلمات انگلیسی حساس نبودن نسبت به کلید واژه ها با حروف بزرگ و کوچک عدم امکان حذف نتایج تکراری از سایتی واحد و برعکس، دسترسی به سایتهای مشابه

اسلاید 21: موتور کاوشfast search(www. Alltheweb.com) Fast searchدر ماه می 1999 در دسترس کاربران اینترنت قرار گرفت . این موتور کاوش با عنوان All The Web هم شناخته میشوند و نشانی دسترسی آن نیز مشابه این نام است(www.alltheweb.com). این موتور کاوش در اوایل مرداد ماه 1381 مدعی شد با 2.1 میلیارد صفحه، از بزرگترین ابزارهای کاوش اینترنت است.قابلیتهای جستجوی اطلاعات:Fast search امکان استفاده از عملگرهای بول (بجز AND )، جستجوی ترکیبی و کوتاه سازی را ارائه نمیدهد و تنها میتوان از عملگرهای ریاضی + و – استفاده کرد. برای اجرای عملگرهای بول باید از بخش جستجوی پیشرفته و فهرست انتخاب استفاده کرد. نقاط قوت:یکی از بزرگترین پایگاههای اطلاعاتی در میان ابزارهای کاوش سرعت بازیابی بالادر میان ابزارهای کاوش‌، بیشترین تعداد زبان(49 زبان) را پوشش میدهد.امکان دسترسی به کلیه نتایج بازیابی شده

اسلاید 22: امکان بازیابی فایلهای PDF و FTPامکان محدود کردن جستجو از طریق حجم صفحات وب براساس کیلو بایتدارای بخشهای جستجوی جدا گانه برای بازیابی اطلاعات چند رسانه ای شامل صوت،تصویر و ویدئوجستجو در نشانی پروتکل اینترنت(IP Address) که منحصر به فرد است.نمایه سازی صفحات وب به صورت تمام متننقاط ضعف:عدم امکان استفاده از عملگرهای بول، کوتاه سازی و نزدیک یابیمحدود بودن امکانات جستجو در فیلدهای مختلف عدم امکان ترجمه سایتهای بازیابی شدهنداشتن برنامه غلط یاب خود کار برای تصحیح املای کلمات انگلیسیحساس نبودن نسبت به بازیابی کلید واژه ها با حروف بزرگ یا کوچکعدم امکان حذف نتایج تکراری از سایتی واحد و برعکس، دسترسی به سایتهای مشابه

اسلاید 23: راهنمای موضوعی Yahoo! بدون شک Yahoo!شناخته شده ترین، پر مراجعه ترین و عامه پسند ترین ابزار کاوش اینترنت است. هرچند که امروزه با ظهور راهنماهای موضوعی بزرگتر و قدرتمند تری نظیر DMOZ کمی از محبوبیت آن به ویژه در میان محققان و کاوشگران حرفه ای کاسته شده است. Yahoo! در اواخر سال 1994 در دسترس قرار گرفت و ابتکار طراحان آن در جهت شناسایی و تقسیم بندی موضوعی سایتهای اینترنت توسط انسان باعث شد تا هم اینک روزانه دهها میلیون نفر در سراسر جهان به آن مراجع کنند. طبق آخرین آمار، حدود 1.8 میلیون سایت در پایگاه این راهنمای موضوعی نمایه شده است و بیش از 150 ویراستار به کار شناسایی یا توصیف سایتهای اینترنت در آن مشغول فعالیت هستند.Yahoo! یک ابزار کاوش کاملا تجاری است. به طوری که سایتهای تجاری با پرداخت حدود 300 دلار میتوانند نسبت به ثبت سایت خود در آن اقدام کنند. پرداخت این هزینه به معنای وارد شدن در پایگاه Yahoo! نیست، بلکه این مبلغ به عنوان هزینه برسی سایت دریافت میشود. تبلیغات و خدمات جانبی دیگر از پست الکترونیکی، چت، بازیهای کامپیوتری و موسیقی گرفته تا وضعیت آب و هوا، ورزش و خرید فروش اجناس و ... ماهیت اصلی Yahoo! را به عنوان یک راهنمای موضوعی سایتهای وب در جهان تا حدود زیادی تحت تاثیر قرار داده است. Yahoo! دارای امکانات جستجو و بازیابی نسبتا ضعیفی است.

اسلاید 24: نقاط قوت:شناخته شده ترین و پر مراجعه ترین ابزار کاوش اینترنتدارای خدمات جانبی عامه پسند برای عموم مردمنقاط ضعف:عدم امکان استفاده از عملگرهای بول عدم استفاده از پرانتز برای انجام جستجوهای پیچیدهعدم حساسیت به بازیابی کلید واژه ها با حروف بزرگ و کوچکعدم امکان محدود کردن کاوش از طریق از طریق زبان دارای پایگاه اطلاعاتی کوچکی استرویکرد کاملا تجاری نسبت به برسی و گنجاندن سایتها در پایگاه خود

اسلاید 25: موتور کاوش Googleموتور کاوش Google یکی از جدید ترین ابزارهای کاوش وب است که در سپتامبر 1999 در دسترس عموم قرار گرفت . با اینکه Google به تور نسبی بسیار زود به عرصه رقابت ابزارهای کاوش اینترنت گام نهاد، ولی به سرعت در میان مردم شناخته شد. این موتور کاوش ، مبتکر نظامی منحصر به فرد یعنی تجزیه و تحلیل پیوندهای فرا متنی برای رتبه بندی نتایج کاوش است که تحت عنوان Link Popularity از آن نام برده میشود. ذخیره تصویر از صفحات یا سایتهای نمایه شده در پایگاه Google تحت عنوان cached با کاربران امکان میدهد که صفحات یا سایتهای وب را در همان زمانی که توسط روبات آن شناسایی و نمایه شده اند ، مشاهده کنند. Google اخیرا در رقابتی فشرده با موتور کاوش Fast Search ، توانست عنوان بزرگترین موتور کاوش منفرد در محیط وب را به خود اختصاص دهد. به دلیل واسط جستجوی ساده و بدون گرافیک و نیز استفاده از برنامه بازیابی اطلاعات مناسب ، این موتور کاوش از سرعت بازیابی بالایی برخوردار است.حجم پایگاه اطلاعاتی:Google بزرگترین و جامع ترین پایگاه اطلاعاتی را میان ابزارهای کاوش منفرد در اختیار دارد ، به طوری که مدعی است تا اواخر آبان ماه 1381 بیش از سه میلیارد صفحه وب را در پایگاه خود نمایه کرده است.رشد حجم پایگاه اطلاعات Google بسیار سریع بوده است به طوری که در مدت زمانی کوتاه به عنوان بزرگترین موتور کاوش وب مطرح شد.

اسلاید 26: قابلیتهای جستجوی اطلاعات :Google از قابلیتهای جستجوی نسبتا ضعیف و محدودی برخوردار است که در واقع جامعیت پایگاه اطلاعاتی آن را تحت شعاع قرار داده است. این موتور کاوش ، فقط عملگر OR را قبول میکند و استفاده از دیگر عملگرها شامل AND,NOT پرانتز، کوتاه سازی، نزدیکی یابی به صورت درج عملگرها میان کلید واژه ها در آن امکان پذیر نیست. امکان استفاده از عملگرهای ریاضی + و – در Google وجود دارد، ولی با وجود این نمیتوان از طریق پرانتز، جستجوی ترکیبی انجام داد. این موتور کاوش امکان جستجوی انواع مختلفی از فایلهای نظیر PDF و Microsoft Office را ارائه می دهد که تقریبا در میان موتورهای کاوش،‌ منحصر به فرد است. راهنمای موضوعی Google از پایگاه Open Directory استفاده میکند.در اوایل اردیبهشت ماه 1381 این موتورهای کاوش، واسط جستجوی فارسی خود را در دسترس قرار داد که از طریق گزینه Language Tools یا آدرس WWW.Google.com/fa میتوان آن را فعال کرد. Google جز زبان فارسی، امکان تغییر واسط جستجوی انگلیسی به 80 زبان دیگر را ارئه میکند و تحول بزرگی در طراحی ابزارهای کاوش چند زبان محسوب میشود. نقاط قوت:بزرگترین ابزار کاوش منفرد از لحاظ حجم پایگاه اطلاعاتی معیار رتبه بندی سایتها بر اساس تعداد صفحات پیوند داده شدهامکان مشاهده سایتهای بازیابی شده در زمان نمایه شدن

اسلاید 27: امکان جستجوی مختلف فایل بویژه فایلهای Microsoft officeامکان ترجمه صفحات وب به 12 زبان مختلفدارای برنامه غلط یاب خود کار برای تصحیح املاء کلمات انگلیسی امکان تغییر واسط جستجو به 81 زبان مختلف از جمله فارسیدارای واسط جستجوی ساده و بدون تبلیغاتسرعت بالای بازیابی اطلاعاتقابلیت جستجوی تصویر و اخبار جهان امکان دسترسی به صفحات مشابه از طریق گزینه Similar Pagesنقاط ضعف:امکانات نسبتا محدود برای جستجوهای پیشرفته از طریق عملگرهای بولعدم امکان جستجو از طریق عملگر نزدیک یابیتنها نیمی از صفحات وب در پایگاه اطلاعاتی آن به صورت تمام متن نمایه شده اند .پیش گزیده کاوش:Google به طور خودکار، عملگر AND را میان کلید واژه های جستجو اجرا میکند

اسلاید 28: عملگرهای بول و ریاضی:Google به طور خودکار، کلید واژه ها را از طریق عملگر AND ترکیب میکند. به عبارت دیگر، نباید عملگر AND را به کار برد. عملگر OR را باید با حروف بزرگ به کار برد. برای اجرای عملگر NOT باید از علامت منفی (-) استفاده کرد. از عملگر ریاضی مثبت(+) میتوان به جای AND استفاده کرد.جستجوی عبارتی و نزدیک یابی:Google جستجوی عبارتی را از طریق قرار دادن عبارت یا کلید واژه های جستجو میان علامت گیومه ( ) مورد حمایت قرار میدهد. اما نمیتوان از عملگر نزدیک یابی استفاده کرد.کوتاه سازی:Google هیچ شکل از عملگرهای کوتاه سازی، حتی ریشه اصلی کلمات را پوشش نمیدهد.حساسیت نسبت به جستجوی کلید واژه ها با حروف بزرگ : این موتورهای کاوش نسبت به بازیابی کلید واژه ها با حروف بزرگ یا کوچک، حساس نیست.

اسلاید 29: فیلد های قابل جستجو:فیلدهایی که از طریق آنها میتوان به جستجوی اطلاعات در Google پرداخت، عبارتند از:بازیابی عبارت یا کلید واژه در عنوان سایتintitle:مانند:intitle:Iranian Newspaperبازیابی کلید واژه در نشانی دسترسی صفحات وبinurl:مانند:inurl:amirkabirبازیابی صفحات وب پیوند داده شده به یک سایت مشخص link:مانند:link:www.mashhadmit.irجستجوی کلید واژه ها در یک سایت شخصی مشخص:siteمانند:site:www.cnn.comبازیابی صفحات مشابه از یک سایت خاصrelated:مانند:related:www.unesco.orgبازیابی داده ها در قالب پیوند فرامتنیallinanchor:مانند: allinanchor:free journals

اسلاید 30: محدود کننده ها (زبان و تاریخ)Google امکان محدود کردن فرایند جستجوی اطلاعات را از طریق 35 زبان مختلف ارائه میدهد. علاوه بر این، امکان محدود کردن تاریخ انتشار صفحات از طریق فهرست انتخاب از سه ماه تا یک سال پیش بینی شده است. در این میان، قابلیتی به منظور محدود کردن تاریخ انتشار منابع میان دو طیف زمانی مشخص پیش بینی نشده است.شیوه رتبه بندی و مرتب سازی:Google از طریق تجزیه و تحلیل پیوندهای گنجانده در سایتهای مهم به رتبه بندی اطلاعات بازیابی شده می پردازد.این قابلیت که link popularity نام دارد،‌ مبتنی بر تعداد پیوندهای فرامتنی یا به تعبیری دیگر، استناد ها به صفحه هات یا سایتهای وب است. به این ترتیب اگر به یک سایت، تعداد بیشتری از صفحات یا سایتهای وب استناد کرده باشند، احتمالا از اهمیت بیشتری برخوردار خواهد بود و در رتبه بندی نتایج کاوش رتبه بالاتری را بدست می آورد.نمایش اطلاعات:Google عنوان، نشانی دسترسی، حجم فایل، مدت زمان کاوش و همچنین تعداد نتایج بازیابی شده را نشان میدهد. این موتور کاوش به صورت پیش گزیده 10 مدخل را در هر صفحه نمایش میدهد اما امکان نمایش 20 تا 100 مدخل ابتدایی بازیابی شده را مشاهده کرد. امکان جلو گیری از بازیابی صفحات یا سایت های نا مناسب و غیر اخلاقی در جستجوی پیشرفته از طریق گزینه safe search وجود دارد .

اسلاید 31: عناصر صفحات نتايج گوگل

اسلاید 32: A.جستجو پيشرفته شما را به صفحه اى كه شما را به محدود كردن جستجو قادر ميسازد لينك ميكند. B.مشخصات و مزيتها (Preferences) لينكها به صفحه اى كه شما را قادر ميسازد تا مشخصات و مزيتهاى جستجو (preferences) را مرتب كنيد، شامل تعداد نمايش نتايج در هر صفحه، زبان اينترفيس، و استفاده از فيلتر جستجو مطمئن است. C.Language Tools Tools for setting language preferences for pages to be searched, interface language and translation of results. D.راهنمائی هاى جستجو شما را به اطلاعاتى كه به شما كمك ميكند تا جستجوى خود را مثر تر سازيد لينك ميكند. اين موضوع به شما ميگويد كه گوگل چه تفوتها و خصوصياتى نسبت به ماشينهاى جستجوگر ديگرى دارد. E.زﻣﻳﻨﻪ جستجو براى وارد كردن پرس و جويى در گوگل، كافيست تا كلمات كليدى تشريحى خود را تايپ كرده، سپس بر روى كليد جستجو كليد كرده يا كليد enter را بزنيد. F.دكمه جستجوى گوگل كليك بر روى اين كليد به اين منظور است كه جستجوى ديگرى را انجام ميدهيد. همچنين شما ميتوانيد تا پرس و جوى ديگرى را با زدن كليد enter تاييد كنيد.G.Tabs Click the tab for the kind of search you want to conduct. Choose from a full web search, images only, Google Groups (Usenet discussion archive) or the Google Directory (the web organized into browsable categories).

اسلاید 33: H.مانع آمارى اين خط جستجوى شما را توصيف ميكند و همچنين تعداد نتايج برگردانده را نشان ميدهد.I.دسته بنديها اگر اصطلاحات جستجوى شما همچنين در دايركتورى وب به چشم ميخورند، اين دسته بنديهاى پيشنهاد شده ممكن است كه به شما در پيدا كردن اطلاعات بيشتر در رابطه با پرس و جوى خود كمك كند. بر روى آنها كليك كنيد تا لينكهاى ديگرى را پيدا كنيد.J.عنوان صفحه اولين خطى كه به عنوان نتيجه نشان داده ميشود، عنوان صفحه پيدا شده است. بعضى وقتها بجاى عنوان، URL (آدرس) نشان داده ميشود، كه اين به معنى است كه صفحه پيدا شده عنوانى ندارد، يا گوگل تمام محتويات صفحه را به طور كامل فهرست نكرده است.K.متن زير عنوان اين متن منتخبى از صفحه نتيجه برگردانده شده از موضوع پرس و جو شما است. اين موضوعات برگزيده شه و انتخاب شده به شما اين امكان را ميدهد تا زمينه اى از موضوعات كه در صفحه هستند قبل از اينكه برروى آن كليك كنيد ببينيد.L.توضيحات اگر پرس و جوى جستجو شما در دايركتورى وب فهرست شده بود، توضيحات مولف نيز نشان داده ميشود.M.دسته بندى اگر سايتى توسط پرس و جو جستجو ى شما كه در دايركتوى وب فهرست شده بود پيدا شد، دسته بندى آن نيز در زير آن مشخص ميشود. N.URL نتيجه اين آدرس نتيجه يافته شده می باَشد.O.اندازه اين شماره انداز بخش متن صفحه پيدا شده است. اين براى سايتهايي كه هنوز ضميمه نشده اند موجود نميباشد. P.ذﺨﻴﺭ شده

اسلاید 34: كليك برروى لينك cache شده شما را قادر ميسازد تا محتويات صفحه را به عنوان وقتى كه ما آنرا ضميمه كرده ايم ببينيد. اگر به هر دليلى، لينك نتيجه اصلى شما را به صفحه كنونى نبرد، شما ميتوانيد آن صفحه را از cache ما بازيافت كنيد تا اطلاعاتى كه ميخواهيد را بيباايد. در نسخه cache شده، موضوع جستجوى شما برجسته است.Q.صفحات مشابه وقتى شما لينك صفحات مشابه را كليك ميكنيد، گوگل به طور خودكار صفحات مشابهى را كه در اينترنت موجودند و عمل جستجوى آنها همين نتيجه را بدست مياورند را كشف ميكند. R.نتيجه برجسته وقتى كه گوگل چند نتيجه را از يك وب سايت پيدا ميكند، بيشترين نتيجه اى كه در اول قرار ميگيرد مناسبترين نتيجه نسبت به موضوع شما است. S.More Results If there are more than two results from the same site, the remaining results can be accessed by clicking on More results from... link.

اسلاید 35: موتورهای جستجو: http://uk.altavista.com  | داراي قابليت جستجوي فارسي http://www.yahoo.com   | داراي قابليت جستجوي فارسي http://www.google.com    | داراي قابليت جستجوي فارسي http://www.search.com   | داراي قابليت جستجوي فارسي http://www.metacrawler.com   | داراي قابليت جستجوي فارسي Aolsearch  | داراي قابليت جستجوي فارسي http://www.ask.com   http://www.lycos.com www.entireweb.com http://www.exactseek.com http://www.gigablast.com http://www.goclick.com http://www.hotbot.com http://www.inktomi.com search.jayde.com http://www.looksmart.com

اسلاید 36: http://www.nationaldirectory.com search.netscape.com http://www.dogpile.co.uk http://www.northernlight.com http://www.mirago.co.uk http://www.turbo10.com http://www.webcrawler.com http://infoseek.go.com http://www.about.com http://www.mama.com http://www.excite.com http://search.msn.com