Suchmaschinenforschung - Kommentare und Einschätzungen von Dirk Lewandowski

Für die Zeitschrift “Information: Wissenschaft und Praxis” (IWP) gebe ich ein Sonderheft zum Thema Suchmaschinen heraus. Die IWP ist eine wissenschaftliche Zeitschrift, die sich mit Themen aus den Bereichen Informationswissenschaft, Dokumentation, Bibliothekswesen und angrenzenden Gebieten beschäftigt. Die Zeitschrift hat einen sehr guten Ruf und eine weite Vertreitung.

Für das Themenheft suche ich Beiträge sowohl aus der Wissenschaft als auch aus der Praxis (also Unternehmen und Institutionen). Alle Details finden sich im folgenden Call for Papers. Wenn Sie einen Beitrag schreiben möchten, können Sie sich gerne schon vor dem Einsendeschluß an mich wenden, um die Details zu besprechen.

Call for Papers

Suchmaschinen
Qualität - Ranking - Anwendungen

Zweites Themenheft der Zeitschrift Information Wissenschaft und Praxis
Gastherausgeber: Dr. Dirk Lewandowski, Düsseldorf

Die Zeitschrift Information: Wissenschaft und Praxis plant für ihre 3. Ausgabe im Jahr 2007 (Erscheinungsdatum Ende April 2007) ein Schwerpunktheft zum Thema Suchmaschinen.

Dieses zweite Suchmaschinen-Themenheft (nach der Ausgabe 1/2005) soll sich wiederum unter informationswissenschaftlichen Gesichtspunkten mit der Technologie und der Leistung der Suchmaschinen beschäftigen. Während die Web-Suchmaschinen im Vordergrund stehen, sind auch Beiträge zu Spezialsuchmaschinen und der Verwendung von Suchmaschinentechnologie in weiteren Kontexten willkommen.

Das Themenspektrum beinhaltet die folgenden Bereiche, ist jedoch nicht auf diese beschränkt:

• Marktsituation
• Evaluierung von Suchmaschinen
• Spezialsuchen: Multimedia, lokale Suche, …
• Rankingverfahren
• Suchfeatures und Suchstrategien
• Spezialsuchmaschinen für wissenschaftliche Inhalte
• Nutzeraspekte, Nutzerstudien
• Ansätze der Benutzerführung
• Umgang der „klassischen“ Informationsanbieter mit dem Thema Suchmaschinen
• Einbindung von Suchmaschinen-Technologie in Fachportale/-suchmaschinen

Erwünscht sind Beiträge, die theoretische Grundlagen oder praktischen Anwendungen in diesen oder verwandten Themenfeldern behandeln. Wir bitten alle Experten, die sich mit den genannten Themen befassen, Beiträge einzureichen.

Es werden zwei Arten von Papers veröffentlicht: Reguläre Aufsätze mit einem Umfang von ca. 30.000 Zeichen sowie kurze Papers mit einem Umfang von etwa 10.000 bis 15.000 Zeichen. Die letztgenannte Kategorie ist vor allem für die Beschreibung von laufenden Projekten sowie für Berichte aus Unternehmen gedacht, während die erste Kategorie stärker auf die Wissenschaft orientiert ist.

Zeitplan:
• Einreichung von Beiträgen bis zum 15.12.2006 (gerne können Autoren bereits vorher Abstracts oder Interessensbekundungen einsenden und erhalten eine direkte Rückmeldung)
• Rückmeldung über die Annahme der Beiträge bis zum 15.1.2007.
• Überarbeitung der akzeptierten Beiträge bis zum 15.2.2007.
• Erscheinen des Themenhefts: Ende April 2007.

Bitte senden Sie Ihre Beiträge in elektronischer Form an
Dirk Lewandowski
dirk.lewandowski@uni-duesseldorf.de

… unter diesem Titel habe ich zusammen mit Prof. Wolfgang G. Stock einen Aufsatz in der Zeitschrift “WISU -Das Wirtschaftsstudium” (Ausgabe 8-9, 2006, S. 1078-1083) veröffentlicht (Preprint PDF hier).
Wir haben versucht, eine kurze und verständliche Einführung in das Suchverhalten der Suchmaschinennutzer zu geben. Wenn auch nicht besonders detailreich, so doch hoffentlich leicht verständlich.
(Etwas) mehr zu Nutzeruntersuchungen habe ich hier geschrieben.

Aus der Princeton University Press frisch auf den Schreibtisch: “Google’s PageRank and Beyond: The Science of Search Engine Rankings” von Amy N. Langville und Carl D. Meyer.
Interessant für alle diejenigen, die sich wirklich tiefergehend mit den Rankingverfahren der Suchmaschinen auseinander setzen möchten. Das Thema ist allerdings etwas eingeschränkter als der Titel verkündet: Es geht tatsächlich „nur“ um die linktopologischen Verfahren, diese werden dafür aber in aller Ausführlichkeit aus einer mathematischen Perspektive behandelt. Um es klar zu sagen: Das Buch ist voller Formeln und für die entspannende Feierabendlektüre nicht geeignet.
Die ersten beiden Kapitel bieten eine kurze Einführung in das Themenfeld, ab Kapitel drei geht es dann um das Ranking nach Popularität. In den Kapiteln vier bis zehn wird Googles PageRank auf den Grund gegangen; es dürfte sich hier um die bisher ausführlichste Darstellung des Verfahrens handeln. Weitere Kapitel widmen sich dem „Konkurrenzverfahren“ HITS und anderen linktopologischen Algorithmen. Das letzte Kapitel beschreibt kurz die zukünftigen Felder bzw. die „heißen Themen“ des Web Information Retrieval: Spam, Personalisierung, Clustering, Intelligente Agenten, Aktualitätsfaktoren, Zensur und Privacy, Klassifikationen und Data Fusion. Eher als Anhang sind die Kapiel 14 (Resources for Web IR) und 15 (The Mathematics Guide) zu sehen.
Auch wenn es sich ganz klar um ein „trockenes“ Fachbuch handelt, versuchen die Autoren doch, den Stoff etwas aufzulockern, indem sie dem Text (jeweils unter der Überschrift „Asides“) Anekdoten und journalistisch geschriebene Erklärungen beigeben. Diese dürften den Lesern dieses Blog aber schon weitgehend bekannt sein, so dass sie sich ganz auf „the real stuff“ konzentrieren können.

Mitte Mai fand an der Universitat Pompeu Fabra in Barcelona ein Workshop mit dem Titel The Future of Web Search statt. Ich war leider nicht dort, auf der Website sind aber die Präsentationen aller Vorträge zu finden. Mit am Interessantesten dürfte die Keynote von Andrei Broder; pdf) sein.

Broder ist mittlerweile „Fellow & VP Emerging Search Technologies“ bei Yahoo! Research, bekannt ist er aber vor allem für seine früheren Arbeiten bei AltaVista. Unter anderen seien hier die klassische Studie zur Bow-Tie-Struktur des Web (Volltext, deutsche Zusammenfassung) und seine Taxonomy of Web Search (pdf; deutsche Zusammenfassung) genannt. Dazu kommen noch jede Menge Patente.

Aber zur Sache: Nach Broder liegt die Bedeutung der Suchmaschinen darin, dass ohne sie das Web als solches nicht möglich wäre [4; die Zahlen in eckigen Klammern verweisen auf die jeweilige Folie in der Original-Präsentation]. Alle anderen Ansätze, die im Web verstreuten Informationen auffindbar zu machen (wie Klassifikationen, Bookmarks, usw.), sind gescheitert. Es besteht aber nur ein Anreiz, Inhalte zu erstellen, wenn diese auch auffindbar sind. Außerdem machen Suchmaschinen eine enorme Spezialisierung möglich: Dadurch, dass prinzipiell alles auffindbar ist, lassen sich auf geschäftlicher Seite sehr spezialisierte Shops führen; auf der gesellschaftlichen Seite können sehr spezielle Interessengruppen zueinander finden und sich austauschen.

Wie sieht es nun mit der Entwicklung der Suchmaschinen aus? Nach Broder gibt es vier Generationen [9]: Die erste Generation stützte sich allein auf Text (Worthäufigkeiten usw.), die zweite brachte als zusätzliches Element Informationen, die nicht direkt von der indexierten Seite kommen, mit ins Ranking ein (also vor allem Link-Informationen, aber auch Klickzahlen und die Auswertung von Ankertexten). Die dritte Generation – deren Entwicklung momentan noch im Gange ist – versucht, das Informationsbedürfnis hinter der gestellten Anfrage herauszufinden, der Fokus liegt dabei auf dem Nutzer, nicht wie früher nur auf der tatsächlich gestellten Suchanfrage. Die Suchmaschinen haben unterschiedliche Datenquellen integriert und versuchen mit Rechtschreibkontrolle, Vorschlägen zur Einschränkung der Suchanfrage, usw. dem Nutzer zu helfen (siehe auch Erweiterung und Einschränkung der Suchanfrage). Eine vierte Suchmaschinen-Generation gibt es nach Broder noch nicht wirklich, aber um sie soll es in seinem Vortrag gehen.

Aber noch einmal zurück zur Generation Nummer drei [12]: Mittlerweile führen die Suchmaschinen eine semantische Analyse der Suchanfrage durch. Die Veränderung weg vom einfachen syntaktischen Abgleich zwischen Suchanfrage und Dokumenten hin zu einem semantischen Abgleich ist laut Broder der wichtigste Trend in der Geschichte der Web-Suche. Es möge sich zwar um nur einfache semantische Verfahren handeln, dafür seien sie aber effektiv. Das kann man schon in Richtung eines Angriffs auf das vielbeschworene Semantic Web deuten, bei dem es sich ja eher umgekehrt verhält.

In der semantischen Analyse wird von der Suchmaschine die Sprache der Anfrage ermittelt und entsprechende Ergebnisse werden zurückgegeben. Das Ranking unterscheidet sich je nachdem, in welcher Sprache die Anfrage gestellt wurde.
Interessant ist, dass Broder hier die „Search Shortcuts“ (siehe auch Manuelle Einbindung von Top-Quellen) als integralen Bestandteil der Suchmaschinen und nicht nur als nettes Anhängsel sieht. Beispiele finden sich auf den Folien 15-18.

Um den Kontext einer gestellten Suchanfrage zu ermitteln, verwenden Suchmaschinen unterschiedliche Daten [20]: Den Ort des Nutzers, seine bisher gestellten Suchanfragen, sein persönliches Profil (wenn vorhanden), einen explizit ausgewählten Kontext (durch die Nutzung einer bestimmten vertikalen Suche) und einen impliziten Kontext (etwa über die eingegebene Top-Level-Domain der angewählten Suchmaschine).
Ähnlich verhält es sich mit Geodaten sowohl in den Dokumenten als auch in den Anfragen. In etwa 10 Prozent aller Dokumente finden sich Ortsangaben wie Postleitzahlen, Telefonnummern, usw.

In der vierten Generation der Web-Suche wird kommt nun ein weiteres Element hinzu: Anfragen werden nicht mehr nur ad hoc gestellt und beantwortet, sondern der Nutzer wird automatisch mit Informationen versorgt; und zwar zu dem Zeitpunkt, an dem er sie braucht. Welche Informationen er benötigt, ergibt sich auch seinen Aktivitäten und aus dem Kontext. Beispiele sind News-Alerts, Subscriptions (E-Mail, RSS) und auch kontextabhängige Werbung [31]. Wer sich ausführlicher mit diesem Thema der „ambient findability“ beschäftigen möchte, der findet einen brauchbaren Überblick in Peter Morvilles gleichnamigem Buch (ausführliche Besprechung dazu).

Im letzten Teil des Vortrags widmet sich Broder dann noch der Werbung im Web. Nach einigen eher allgemeinen Aussagen [38-46] kommt er auch hier auf die Frage nach dem Kontext zu sprechen [47]. Auch die Anzeigen dürften nicht einfach Wort für Wort mit der Suchanfrage abgeglichen werden, sondern auch hier sind Informationen aus den bisher gestellten Anfragen, dem Nutzerprofil, dem Ort des Nutzers und den bisher angesehenen Informationen zu verwenden.

Nachdem die Frage mit dem Start dieses Blogs verstärkt aufkam: Ja, man kann mich für Vorträge, Workshops und Moderationen buchen und wenn es einen Artikel zu schreiben gibt, sage ich meistens auch nicht nein.

Ich bitte aber darum, folgendes zu beachten:

Wenn das Ganze einen kommerziellen Hintergrund hat, dann sollte auch ein angemessenes Honorar gezahlt werden (An die SEOs: Ja, SEO ist kommerziell!). Vortragsangebote aus diesem Bereich, die „phantastische Möglichkeiten des Networkings“ anbieten, den Referenten die Reise- und Hotelkosten aufbrummen und damit werben, dass man ja dafür den Eintritt erlassen bekäme (wow!), sind nicht so richtig interessant.

Wenn es sich um eine wissenschaftliche, dem Gemeinwohl dienende, o.ä. Veranstaltung handelt, kann man über alles reden (aber vielleicht nicht gerade darüber, ob SEO dem Gemeinwohl dient!).

Ähnliches gilt für Artikel in Fachzeitschriften: Bei Publikationen mit Gewinnabsicht erwarte ich ein Honorar, bei anderen nach Absprache.

Auch wenn das jetzt nicht ganz danach klingt: Ich freue mich über jede Anfrage! Auch an gemeinsamer Arbeit und Veröffentlichung bin ich stets interessiert.
Anfragen bitte nur per Mail (unter „Kontakt“ in diesem Blog). Wenn das Telefon klingelt, stehe ich meist gerade unter der Dusche oder koche eine warme Speise.