Qualität von Web-Suchmaschinen Search Engine Stragies Munich 2005 Dirk Lewandowski Heinrich-Heine-Universität Düsseldorf, Abt. Informationswissenschaft

Informationswissenschaft Uni Düsseldorf Eine der führenden Ausbildungsstätten im Bereich Informationswissenschaft. Einzigartiger Studiengang Informationswissenschaft und Sprachtechnologie (B.A./M.A.) –Elemente aus Informationswissenschaft, Sprachwissenschaft, Informatik –Praktika im Verlauf des Studiums Forschung der Abteilung Informationswissenschaft u.a.: –Web Information Retrieval –Suchmaschinen-Marketing

Ziel des Vortrags Darstellung der Qualität von Suchmaschinen aus neutraler Sicht. Kurzer Überblick über aktuelle Forschungsergebnisse.

Inhalt 1.Qualität der Treffer 2.Qualität der Datenbestände 3.Qualität der Suchfunktionen 4.Fazit

1 Qualität der Treffer

Retrievaltests Qualität von Suchmaschinen wird anhand von Testanfragen gemessen. Errechnet wird die erreichte Präzision = Anteil der relevanten Treffer bis zu einem bestimmten Cut-Off-Wert. Beispiel: –50 zufällig ausgewählte Suchanfragen –berücksichtigt werden die ersten 20 Treffer –Jeder Treffer wird bewertet: für die Suchanfrage passend oder nicht?

Quelle: Griesbaum 2004

Retrievaltests: Ergebnisse Alle Suchmaschinen schneiden schlecht ab: Präzision <0,6. D.h. nur max. 6 von 10 Treffern sind relevant. Andersherum: Mindestens 4 von 10 Treffern sind irrelevant. Die Suchmaschinen liegen nahe beieinander; Bestätigung durch Kurztests und eigene Erfahrungen. Testberichte in Publikumszeitschriften genügen i.d.R. nicht den Ansprüchen an Retrievaltests.

2 Qualität der Datenbestände

Abdeckung des deutschen Web Größe des deutschen Web ca. 4 Mio. Domains mit ca. 320 Mio. Seiten. Abdeckung durch Suchmaschinen zwischen <50 Prozent und etwa 60 Prozent. Bessere Abdeckung als in vergleichbaren älteren Studien; Tendenz aber ähnlich. Quelle: Pothe 2004

Country Bias Seiten aus unterschiedlichen Ländern werden unterschiedlich häufig und unterschiedlich tief indexiert. US-Sites werden zu >80 Prozent indexiert; andere teils nur zwischen Prozent. Tiefe der Indexierung: US-Sites ca. 90 Prozent; andere teils <50 Prozent. Vergleichende Untersuchungen für deutschsprachige Sites liegt noch nicht vor. Quelle: Vaughan u. Thelwall 2004

Index-Aktualität Aktualität schwankt erheblich. Keine Komplettaktualisierung alle 30 Tage! Aktuellster Index: Google, MSN, Yahoo. Oft keine klaren Intervalle erkennbar. Quelle: Informationswissenschaft Uni Düsseldorf, laufende Untersuchung

3 Qualität der Suchfunktionen

Suchfunktionen Umfang der Suchmöglichkeiten variiert erheblich. Alle großen Suchmaschinen bieten gewisse Kernfunktionen, z.B.: –Beschränkung auf Titel –Sprachauswahl –Datumsbeschränkung –Dateiformate Es hat sich bisher keine einheitliche Abfragesprache herausgebildet. Quelle: Lewandowski 2004a

Recherchefunktion: Datumsbeschränkung Suchmaschinen können nur schwer erkennen, wie aktuell eine Seite ist. Die Funktion Datumsbeschränkung ordnet nur 4-6 von zehn Dokumente richtig zu. Am besten schneidet hier Google ab, danach Yahoo. Datumsbeschränkung bei Teoma / Ask Jeeves lohnt sich nicht. Quelle: Lewandowski 2004b

Quelle: Lewandowski 2004

Fazit

Suchmaschinen sind (noch) nicht perfekt. Suchmaschinen erfassen oft nur einen Teil von Websites. Textanzeigen haben weiterhin Bedeutung, auch wenn die Homepage gut gerankt ist. Für kurzfristige Kampagnen sollte man sich nicht auf die Indexierung durch Suchmaschinen verlassen.

Vielen Dank.

Quellen Griesbaum, J. (2004): Evaluation of three German search engines: Altavista.de, Google.de and Lycos.de. Information Research 9(4) paper Lewandowski, D. (2004a): Abfragesprachen und erweiterte Funktionen von WWW-Suchmaschinen. IWP - Information: Wissenschaft und Praxis 55(2), (2004). funktionen.phphttp:// funktionen.php Lewandowski, D. (2004b): Date-restricted queries in web search engines. Online Information Review 28(2004)6, Vaughan, L.; Thelwall, M. (2004): Search Engine Coverage Bias: Evidence and Possible Causes. In: Information Processing & Management, 40(4), Pothe, A. (2004): Nachgezählt: Wie groß ist das WWW? ct 26/2004,