A céltalan szörfözés már nem vezet sehová; túl sok az oldal, túl sok az adat, s az ide-oda szaladgálással csak annyit érünk el, hogy végleg elveszünk az információ tengerében.

Ha viszont valaki a virtuális világban kiejti azt a szót, hogy keresés, akkor 100 emberből 99-nek a Google jut az eszébe. A Google olyan az intelligens keresés világában, mint Godot a színdarabban: nem jelenik meg, de a háttérben mindenki ehhez pozícionálja magát – von párhuzamot a színházi és a virtuális világ között Váncsa Julianna, a Montana Tudásmenedzsment Kft. műszaki igazgatója.

Mindazonáltal sok víz folyt le a világ folyóin, amíg a hőskori Altavistától eljutottunk a másodperc töredéke alatt akár több millió találatot is feldobó Google-ig.

 

Relevancia és statisztika

A keresők hőskorában egyébként a találatok sorrendezését a relevanciára próbálták alapozni – tekint vissza Jóföldi Endre, a Weblib Informatikai Kft. ügyvezetője. Ez azt mutatta, hogy egy adott szöveg, oldal mennyiben kapcsolódik egy adott keresőkifejezéshez. A módszer egy darabig bevált, ám a hozzáférhető tartalom mennyiségének robbanásszerű emelkedése új problémákat hozott.

A mai keresők mindegyike alapvetően statisztikai algoritmusokra épül. A Google forradalmi ötlete az volt, hogy az oldalak közötti kapcsolatokat figyelembe vette annak megállapításában, hogy melyek azok az oldalak, amelyek egy-egy témában véleményformálóak, meghatározóak. Hasonlít ez a tudományos írások impact factor számához, azaz egy írás annál értékesebb, minél többen idézik az adott tudományterületen. Még jobb, persze, ha olyanok idézik, akik maguk is sokat idézett szerzők. Ha továbbgondoljuk a párhuzamot, rögtön két alapvető problémával találjuk szembe magunkat.

 

Új oldalak és optimalizálás

Először is itt van az új oldalak kérdése. A statisztikai alapú algoritmusok természetükből adódóan csak visszafelé tudnak nézni. Ha túlságosan új egy információ, még nem volt lehetősége kiépülni az idézési struktúrának. Ez pedig alapfeltétele lenne annak, hogy jó helyre kerüljön a sorrendezésben. A probléma ma már egyre fontosabb téma a szakma, a közösségi hálózatok és azonnali üzenetek világában, ahol minduntalan kiderül, hogy a legjobb információkat sokszor még sehol sem idézték. Ezek megtalálására a hagyományos keresők egyszerűen nem alkalmasak.

Másodszor, a keresőoptimalizálással összefüggő kérdésekről sem szabad megfeledkezni. Ma már a magyar nyelvű oldalak esetében is egyre jobban megfigyelhető, hogy sokszor pénzügyi erőforrás kérdése, hova kerüljön valakinek az oldala egy adott kulcsszóra. Hozzá lehet jutni linkekhez, újra lehet írni szövegeket kulcsszósűrűség alapján, és így tovább. Újra csak nem az információ minősége az elsődleges meghatározó, hanem valamilyen más szempont.

Kérdés, mi vezet a megoldás felé? Itt három lehetséges irányt kell kiemelni.

1. Elképzelhető olyan közösségi megoldások létrejötte, ahol a felhasználók szavazata segíthet gyorsabban kiemelni egy új lapot az információs szénakazalból.

2. Fejlődnek a szemantikus keresők is, új generációjuk már itt kopogtat az ajtónkon (Powerset, Hakia, Iglue stb.); és természetesen a nagy keresők fejlesztésének is ez az egyik fő iránya. A fejlesztők próbálják jobban „megértetni” az oldalak szövegét a keresőmotorral a tárolás során, nem mindegy ugyanis, hogy egy kulcsszó az adott oldalon a fő tartalom vagy optimalizálásai szempontok miatt került-e oda.

3. A találatok jobb megjelenítése is fontos kérdés. A sorrendezés azért lényeges, mert egy-egy keresőkifejezés esetében az első 10 helyről lecsúszó jó források gyakorlatilag láthatatlanok. Hiába van a 13. helyen a számunkra legjobb adat, ha egyszerűen sohasem lapozunk a második találati oldalra – márpedig a statisztikák ezt bizonyítják.

Mit lehet tenni? Vizualizálhatjuk a találatokat (Searchme, Kartoo, Quintura), vagy éppen klaszterekbe, tartalmi csoportokba rendezhetjük az információt (Polymeta, Clusty). Ez már csak azért is fontos, mert a tartalom mennyiségének növekedésével egyre jobban szűkül a keresztmetszet. Elméleti szempontból ugyanis képtelenség, hogy ott legyen 10 találatba besűrítve a számunkra fontos információk teljessége.

 

Ellenőrzés és szakértelem

Sok átlagos felhasználó a Google-ban látja a keresők királyát. De mit is tud keresni az ember az interneten a Google-lal? Azt, amit valaki valahol közzétett, tematikától függetlenül, ellenőrizetlen forrásként. Hiszen arról, amit az interneten megosztanak velünk, sohasem tudjuk, hogy milyen szinten ellenőrzött – esetleg sehogy sem –, mekkora szakértelemmel hozták létre, illetve mennyire szubjektív vagy objektív. Abban sem lehetünk biztosak, hogy a fejünkben támadt gondolatot le tudtuk-e fordítani a Google adta felületen olyan keresőkérdéssé, amelynek segítségével minden releváns választ megkapunk – mondja Váncsa Julianna.

Eközben több problémával is találkozunk. A Google közismert webes keresőjével például nem találjuk meg azokat a dolgokat, amelyek lokális hálózatunkon, saját számítógépünkön találhatóak. Nem találjuk meg azt sem, amit cégek hoztak létre üzleti vagy kevésbé üzleti információként, és a vállalati tűzfal mögé tették. Akkor sem kapunk releváns találatokat, ha nem pontosan úgy fogalmazzuk meg a keresőbe beírandó szavakat, kifejezéseket, mint ahogy azok a keresett szövegben előfordulnak. Ezekre más megoldást kell találni.

Másrészt a Google úgy indult 12 évvel ezelőtt, hogy a találatokat „érdekmentesen” szolgáltatta, semmiféle üzleti megoldás, illetve kereskedelmi szempont nem befolyásolta. Mára eljutottunk odáig, hogy a találati lista első oldalán nem annyira a releváns, hanem a relevánsnak mutatkozó cégek jelennek meg. Az torzítja az eredményeket, hogy aki nagy látogatottságot akar elérni, a saját weboldalát a keresőre optimalizálja, azaz keresett kulcsszavakat tesz weboldalának címébe, valamint legfontosabb metaadatai közé, amelyeket a Google általában előrehoz.

 

A tűzfal mögött

Ha viszont azt akarjuk, hogy a saját gépünkön lévő és a vállalati tűzfal mögötti adatokat is megtaláljuk, egyértelműen vállalati keresőre van szükségünk. Ezekkel a keresőkkel szemben támasztott egyik legfontosabb követelmény viszont az, hogy legyenek intelligensek. Arról, hogy hol kezdődik az intelligencia, örök vita folyik a szakmában, van, ahol már a néhány összefüggést feltáró keresőt is intelligensnek tartják.

A valódi intelligenciát azonban két tényező határozza meg. Az egyik, ha a kereső tudja a nyelvet, azaz kidobja a ragozott formákat és szinonimákat is – például tudja a kutyáról, hogy eb alakban is előfordul –, másrészt megkeresi a kérdéskörrel összefüggő többi kifejezést is; így nem kell betű szerint tudni, illetve beírni, amit keresünk.

Ennek alapja a tudás felépítése. Ez azt jelenti, hogy a szakmai terminológiát hierarchikus rendbe szervezzük (tezaurusz, taxonómia, ontológia), azaz „felparcellázuk”, s megmondjuk, hogy mi mihez tartozik, mivel áll összefüggésben. Ezt a tudást felhasználhatjuk arra, hogy osztályozzuk a rendelkezésre álló dokumentumokat, s ebben az esetben még csak keresni sem kell: csupán odamegyünk a menürendszerben a taxonómiának ahhoz a részéhez, ahol a keresett kifejezést elhelyeztük.

A szakmai témák rendszerezésén túlmenően lényeges momentum az üzleti megoldások használata is. Például egy jól felépített, intelligens vállalati keresőrendszer akár egyszemélyes eszköze lehet egy cégvezetőnek, aki a vállalati információs rendszer adatbázisaiban, levelezésében vagy eldugott zugaiban különféle formátumban megjelenő anyagokra kíváncsi, illetve ellenőrzése alatt akarja tartani az üzleti folyamatokat, s a történésekről nem csupán beosztottjainak jelentéseiből akar értesülni.

Természetesen a tudás alapú mellett akad másfajta megközelítés is, ilyen például a tematikus vagy vertikális keresés. Itt szűkebb, meghatározott témák mélyebb felépítése a cél.

 

Más módszerrel

Tévedés azt hinni az internetről, hogy a rajta található tengernyi adatból megfelelő választ lehet összeállítani a bennünket érdeklő kérdésekre. Annál kevésbé, mivel a három legnagyobb keresőrendszer – a Google, a Yahoo és a Bing – együttesen is csak néhány ezrelékét látja az internetes tartalmaknak. Az igazán értékes információk keresése olyan tartalmakban megy végbe az úgynevezett mély weben (deep web), amelyek adatbázisokban és lekérdezőfelületeken online keresőszóra adott válaszokban található meg – veszi át a szót Kása Károly, a Weblib Informatikai Kft. ügyvezetője.

Az internetnek az említett keresők látókörén kívül eső adathalmazát más keresőmegoldásokkal lehet elérni, mégpedig a különböző webhelyeken található, bizonyos mélységig paraméterezhető keresési űrlapokkal. Ezekkel a szűrési módszerekkel azonban az a gond, hogy nem intelligensek; csupán keresnek, mégpedig betűegyezés alapján, a megtalálást pedig ráhagyják a keresést indító személyre. Így nem csoda, hogy – egy felmérés szerint – a keresést végző vállalati dolgozók 70 százaléka kétórai kutatás után sem találta meg, amit akart.

Így nagy jelentőségük van az olyan keresési megoldásoknak, amelyek túlmennek a strukturált adatbázisokban végzett egyszerű szűrési módszeren. Jobban mondva arra van szükség, hogy ne mi keresgéljünk a felhozott adathalmazban, hanem maga a rendszer találja meg a szükséges információt. Például úgy, hogy a többezres találati eredményt elemezzük, mihelyt megérkeznek a keresőrendszerből, s a találatok közötti összefüggések alapján olyan tartalomjegyzéket, témacsoportokat készítünk hozzá, amelyek alapján könnyebben eljutunk a bennünket valóban érdeklő információhoz.

A témacsokrokat ugyanakkor a nyelvi sajátosságok alapján célszerű szinonimák szerint is csoportosítani.

A nyelvészetnek tehát nagy jelentősége lesz a jövőben a keresés hatékonyabbá tételében, különösen a meglehetősen speciálisnak számító magyar nyelv esetében.

A talált információk megbízhatósága érdekében a vertikális keresők fognak egyre jobban elterjedni a jövőben. Az egyik jelentős kereső már nyitott is a tematizálás felé, és speciális lehetőségeket kínál a termékkeresés és az egészségügy területén.

A tematizálás úgy megy végbe, hogy az adott kereső – például a Polymeta – „szemezget” más keresők találataiból, ezeket összesíti, majd tartalomjegyzéket készít az eredményről. Ennek a módszernek olyan környezetben van jelentősége, ahol a felhasználónak több forrásban kell keresnie. Az egyetemi és kutatói környezetben például előfordul, hogy a kutatóknak drágán és kötelezően előfizethető, külföldi adatbázisokban kell keresniük. Ennek a több tucat adatbázisnak a kihasználtsága azonban nagyon csekély, mivel a felhasználóknak a hagyományos keresőkkel nincs idejük az összeset végigböngészni.

A metakereső viszont az összes forrást végigböngészi, s az eredményt közös listában összegzi egyetlen felületen, mi több, kiegészíti tartalomjegyzékkel is.

 

Türelmetlen felhasználók

Viszont ha nem tudjuk, hogy hol van az információ, azaz benne van-e a keresőnk által indexelt adattérben, semmi garancia sincs rá, hogy megtaláljuk – szögezi le Váncsa Julianna. A kereső ugyanis nem hoz létre, csak szolgáltatja a már meglévő tartalmat. A vállalati keresőmegoldásokban az a lényeg, hogy a felhasználó könnyedén kapja meg a szükséges információt a kereső által már ismert forrásokból.

Ha valamely szűk szakterületi témáról van szó, a felhasználó általában ismeri a potenciális forrásokat, ha viszont az állandóan változó interneten bárhol lehet a minket érdeklő dolog, akkor bizony próbálkozni kell. Ebben segíthetnek a keresőszolgáltatások; amikor ugyanis feljön egy kifejezéshez rendelt találat, akkor a kapott lista intuíciót is sugall, hogy merre érdemes továbbhaladni.

Más kérdés, hogy amikor a felhasználó csak keres és keres, és nem talál semmit, mikor hagy fel az erőfeszítéssel. Nos, ez kultúra kérdése; Amerikában például sokkal tovább és lelkesebben keresnek az emberek, mint Európában. Felmérések szerint ha valaki a vén kontinensen egy általános keresésre (például a legolcsóbb repülőjegy A-ba) az első találati helyen 35 másodpercen belül nem kap releváns választ, megy a második találati helyre, ám a harmadik-negyedik sikertelen kísérlet után feladja a keresést, és veszi a telefont.

A válaszidő egyébként sok mindentől függ, többek között annak az útvonalnak a hosszától, amelyen az információ eljut hozzánk. Ha külső forrásból érkezik az információ, az internet pillanatnyi sebessége és például a közbeeső szerverrendszerek és útválasztók állapota befolyásoló tényező lehet. Ha házon belüli a keresett adat, akkor a pillanat töredéke alatt megjelenhet a találat a nagysebességű belső hálózat jóvoltából.

Saját keresőmegoldás esetén a teljesítmény egyébként többek között azon múlik, hogy a keresőmotor mögött milyen masszív a számítógép, azaz milyen gyors a processzora, és mekkora a memóriája az indexfájlok számára. Mindazonáltal mit sem ér az izmos hardver, ha nem intelligens keresővel dolgozunk – ebben az esetben ugyanúgy akár órákat is tölthetünk el kereséssel, eredmény nélkül.

 

Adatvédelem

A személyre irányuló keresések eredménye, illetve ezek felhasználása több esetben felvethet adatvédelmi kérdéseket, így mielőtt adatgyűjtésbe kezdenénk valakiről, érdemes tájékozódni a vonatkozó jogszabályokról – figyelmeztet Jóri Andrásadatvédelmi biztos.

A problémakört az egyéni felelősség és a keresőgépek szemszögéből is meg lehet közelíteni. Egyrészt ha valaki tudatosan kerülni akarja, hogy róla adatok jelenjenek meg az interneten, a megfelelő technológia, illetve eljárás alkalmazásával (például ennek megfelelően címkézi fel az oldalát) többé-kevésbé csökkentheti a kockázatot. Ám ha egyszer már nyilvánosságra került valami, akkor nagyon nehéz fellépni ellene, különösen, ha a magyar jog hatálya alá nem tartozó kiszolgálón találhatók az adatok.

A keresőgépekkel kapcsolatos érdekes felvetés, hogy mi történik azokkal az adatokkal, amelyeket beírunk a keresőmezőbe, s a keresőrendszer megtartja? A szolgáltatók ugyanis a keresési adatokat, ip-címhez kötve, egy ideig megőrzik. Sokan azt gondolják, ezek nem érzékeny adatok, holott nem így van, mint az ki is derült egy amerikai példából. 2006-ban az egyik tengerentúli szolgáltató közzétette a keresésekről szóló adatbázisát, gondolván, ezzel is növeli oldalainak hatékonyságát. Egyes felhasználók viszont elkezdték visszakövetni a kereséseket – s bár pusztán az ip-cím alapján nem lehetett volna eljutni a kereső személyéhez, mégis megtörtént, mivel sokan saját nevükre vagy lakhelyük valamilyen jellemzőjére keresnek. Mindez oda vezetett, hogy a nagy nyilvánosság elé került az egyes személyek titkolni akart barangolása a weben, sok esetben személyes tragédiákat okozva. Ezért az Európai Unió adatvédelmi biztosai – széles körű tájékozódás után – kimondták: a szolgáltatók legfeljebb 6 hónapig őrizhetik meg a keresési adatokat.

 

„Szakszolgálatok”

A személyes adatok jogosulatlan felhasználásáról a jogszabályok világosan intézkednek, s kellő szankciókat tartalmaznak. Nem lehet tehát például közösségi oldalon más nevében profilt létrehozni, oda képet, (esetleg valótlan) információt feltölteni az illető hozzájárulása nélkül, vagy valakiről fotókat letölteni és máshol, esetleg negatív kommentárral közzétenni. Ha kiderül a turpisság – esetleg az adatvédelmi biztos közreműködésével –, a szolgáltató természetesen törli a hamis profilt – feltéve, ha a szerver Magyarországon vagy Európában van.

A felhasználó adatainak védelmére a közösségi oldal üzemeltetőjét „fel lehet kérni”. Például regisztráláskor ne legyen kötelező megadni az érzékenyebb adatokat, vagy technológiai eszközzel akadályozza meg a fényképek letölthetőségét.

No de mi van akkor, ha egy ország hírszerző vagy nemzetbiztonsági szerve gyűjt titokban adatokat személyekről? Ez is a személyiségi jogok korlátozását jelenti ugyan, de a jogszerűség a nemzetbiztonsági törvény betűjétől függ. Adott esetben megengedett az adatgyűjtés nyílt forrásból, tehát a közösségi oldalakról is. Ha mégis kiderül, hogy jogszerűtlen volt a kutakodás, akkor az adatvédelmi biztos megvizsgálhatja a nemzetbiztonsági szolgálatok tevékenységét.

Egyértelműen adatvédelmi kérdés viszont az, amikor egy „normál” szervezet kezd el gyűjteni adatokat magánszemélyekről, azok hozzájárulása nélkül. Ennek tipikus esete, ha egy vállalat személyzetise a felvételi elbeszélgetés előtt közösségi oldalakról szed össze döntést befolyásoló információkat egy jelentkezőről. Más kérdés, hogy ezt a gyakorlatban nem lehet ellenőrizni, ezért mindenkinek jól meg kell gondolnia, milyen adatokat tesz közzé magáról.