|
Kísérlet az
internetes keresok nyelvi lehetoségeinek felmérésére
Tóth Erzsébet
1. A tesztelés célja és motivációja
Írásomban egy olyan tesztelés eredményeiről szeretnék beszámolni, amely Judit Bar Ilan és Tatyana Gutman 2002 novemberében végzett vizsgálatához kapcsolódik. Ők elsődlegesen morfológiai szempontból elemezték az orosz, francia, magyar és a héber nyelvű lekérdezések értelmezését az angol nyelvű keresőknél és a helyi fejlesztésű keresőknél. Kutatásuk során mindketten arra koncentráltak, hogy a keresők mennyire képesek figyelembe venni a kiválasztott nyelvek egyedi sajátosságait és milyen hatékonyan válaszolnak a nem angol nyelvű lekérdezésekre. Eredményeikben a keresők találatainak a számát közölték a lefuttatott lekérdezésekkel együtt.1 Ezen szakirodalmi előzmény alapján végeztem egy tesztelést 2005 júliusa és szeptembere között. Vizsgálatommal az volt a célom, hogy feltérképezzem az angol és a magyar nyelvű keresők nyelvi lehetőségeit a különböző megadott lekérdezésekre. Az angol nyelvű keresőkön angol és magyar nyelvű lekérdezeseket egyaránt lefuttattam, a ma-gyar nyelvű keresőkön azonban csak ma-gyar nyelvű kereséseket végeztem, mert azok főként magyar nyelvű weboldalakat indexelnek, kivéve az Origo-Vizsla és az Altavizsla szolgáltatásokat. Arra a kérdésre kerestem a választ, hogy ezek a keresőszolgáltatások tettek-e bármilyen erőfeszítést a lekérdezések pontosabb nyelvi értelmezése érdekében, vagy továbbra is megoldásra váró feladatok maradnak a számukra. A tesztelés eredményei teljes mértékben alátámasztották az említett szerzők korábbi megállapítását, mely szerint: a magyar nyelvű keresők csak bizonyos mértékig veszik figyelembe a magyar nyelv egyedi sajátosságait. Ezzel szemben az angol nyelvű keresők komoly hiányosságokat mutatnak ezen a téren, hiszen főként pontos szóalakra és kifejezésre keresnek és egyszerű minta-megfeleltetést végeznek.
2. A tesztelés módszere
A tesztelés mindkét nyelv esetében a megfelelő szavak, kifejezések felkutatásával kezdődött. Körültekintően választottam ki a tesztelésre szánt keresőkifejezések halmazát. Ezután próba lekérdezéseket végeztem mindegyik keresőn, annak ellenőrzésére, hogy a kiválasztott keresőszavak egyértelműen kifejezik-e a vizsgált nyelvi problémát és, hogy megfelelnek-e a tesztelés célkitűzéseinek. A keresőszavak kiválasztásánál alapvetően arra törekedtem, hogy olyan kifejezéseket válasszak, amelyek mindkét nyelv speciális nehézségeit tükrözik. Döntésemben az előzetes megfigyeléseimre támaszkodtam. Természetesen a tulajdonneveket figyelmen kívül hagytam, hiszen azok nem fordulnak elő más morfológiai alakban a szabadszövegben. A vizsgálat megkezdése előtt áttekintettem mindegyik keresőszolgáltatás tájékoztató anyagát, hogy pontosan tájékozódjam mindazokról a fontos jellemzőkről, sajátosságokról, amelyek relevánsak lehetnek a tesztelés szempontjából az adott keresőre nézve. A lefuttatott lekérdezésekre az első 100 találatot vizsgáltam meg. Egyedüli kivételt képezett a csonkolás vizsgálata a magyar nyelvben, ahol lekérdezésként egy szűkebb találathalmazt eredményező kifeje-zést adtam meg, a májmételyt (=parazita, féreg). Csonkolásnál rögzítettem az egyes keresők által lekérdezett találatok számát. Elsődlegesen a találatok leírását vettem alapul, de ahol indokolt volt azok tartalmába is belenéztem. A kereséseket 2005 júliusa és szeptembere között hajtottam végre. Nem értékeltem a találatok relevanciáját, mert a keresők nyelvi képességeinek a felmérése állt a tesztelés középpontjában.
A tesztelésbe összesen három angol nyelvű ke-resőt vontam be: a Google-t, az AltaVista-t és az AlltheWeb-et 2,3,4. A választásom azért esett erre a három angol nyelvű keresőre, mert ezek lehetővé teszik a magyar nyelvű weboldalakra történő keresést. Ezenkívül a Google kereső magyar nyelvű lekérdezési felületet is biztosít a felhasználók számára. Összesen öt jelentősebb magyar nyelvű keresőt teszteltem, amelyek a következők voltak: Heuréka, Origo-Vizsla, Kurzor, Góliát és az Altavizsla. Ezek közül egyedül az Altavizsla kereső esetében nem találtam semmiféle tájékoztató segédletet. A keresők kiválasztásánál fontos kritérium volt számomra, hogy azok megbízhatóan működjenek, vagyis rövid válaszidő után szolgáltassanak megfelelő mennyiségű találatot a lekérdezésekre.
3. A kiválasztott vizsgálati szempontok ismertetése
A teszteléshez Bar Ilan és Gutman közös tanul-mányában található szempontokat vettem alapul, amelyek az alábbiak voltak: morfológiai elemzés (stemming), stopszavak és ékezetek kezelése, csonkolás, szinonimákra történő keresés. Morfológiai elemzés (stemming) alatt azt értem, amikor a kereső megtalálja egy lekérdezés tol-dalékolt alakjait.
A morfológiai elemzésnél vizsgáltam tehát, hogy az adott kereső megtalálja-e egy keresőkifejezés többes számú alakját vagy sem (vagyis keres-e a lekérdezett kifejezés többes számú alakjára). Lekérdezéseim a következők voltak: dog-dogs, ház-házak, kocsi-kocsik, kutya-kutyák.
Az első két magyar példánál megfigyelhető, hogy a tővégi magánhangzó nem változik a többes számú alakban az egyes számúhoz képest, míg a kutya-kutyák esetében igen. Választottam egy fosztóképzővel ellátott főnevet is – tisztességtelen – a morfológiai elemzés elvégzésére. Tettem ezt azzal a céllal, hogy megfigyeljem a keresőszolgáltatás ennek az összetett kifejezésnek milyen más egyéb szóalakjait találja meg, azaz végez-e valamilyen morfológiai vizsgálatot erre a kifejezésre.
A stopszavak kezelésénél azt ellenőríztem, hogy a keresőkifejezés megjelenik-e a határozott és határozatlan névelőkkel együtt a találatokban. A lekérdezésekre kapott találatokban azt tanulmányoztam, hogy a keresők külön keresnek-e a megadott névelőkre vagy sem. Ennek a kérdésnek az eldöntése egyértelmű volt, mivel a megadott keresőkifejezés a névelővel együtt többnyire ki volt emelve a találatleírásokból, amikor az adott kereső keresett a névelőkre. Azonban a másik esetben, amikor a névelők ki voltak zártak a keresésből, csupán a keresőkifejezés szerepelt kiemelve a találatleírásokban. A következő lekérdezéseket vizsgáltam meg az angol nyelvben: a dog (=egy kutya), an aunt (=egy nagynéni), the car (=az autó).A magyar nyelv vonatkozásában pedig a ház, az ember, egy kocsi lekérdezéseket használtam. A stopszavak esetében gyakori kérdőszavakra, illetve szám-jegyekre nem kerestem.
Az ékezetek kezelését kizárólag a magyar nyelvben vizsgáltam meg, hiszen az nem releváns vizsgálati szempont az angol nyelv esetében. Itt nevezetesen két keresőkifejezést használtam a kertem és az alma lekérdezéseket. Arra a kérdésre kerestem a választ, hogy ezeknek a keresőkifejezéseknek az ékezetes változatait is lekérdezi-e a kereső a találatai között vagy sem.
Csonkolásnál gondot jelentett számomra, hogy a magyar nyelvű keresők közül egyedül a Heuréka kereső állította magáról, hogy képes csonkolni egy keresőkifejezésre 6. Az összes többi ma-gyar nyelvű kereső tájékoztató segédletében nem találtam erre vonatkozó információt. Minden esetben a * karaktert használtam csonkolásra a keresőkifejezés után. Az angol nyelv esetében az Olympi* keresőkifejezést adtam meg azzal a céllal, hogy megtaláljam az összes olimpiai játékokról szóló oldalt az alábbi kifejezésekkel, pl.: Olympic (=olimpiai), Olympics (=olimpia, olimpiai játékok), Olympia (=földrajzi név), Olympian (=olimposzi), stb. A magyar nyelv esetében szándékosan törekedtem egy szűkebb, behatároltabb találathalmaz vizsgálatára annak érdekében, hogy a lekérdezés ragozott szóalakjait könnyebben találjam meg és le tudjam ellenőrízni azok tényleges előfordulását a találathalmazon belül. Ezért a májmétely nevű parazita ragozott szóalakjaira kerestem a májmétely* lekérdezéssel. Továbbá megvizsgáltam a különböző keresőknél, hogy a májmétely* lekérdezésre kapott találathalmazok ténylege-sen tartalmazzák-e a keresőkifejezés ragozott szóalakjait, vagy sem. Végeredményül azt kap-tam, hogy ezek a találathalmazok nem tartalmazták a lekérdezés ragozott szóalakjait egyik kereső esetében sem. Ekkor szükségesnek láttam külön egyenként, manuálisan is keresni a májmétely lekérdezés ragozott szóalakjaira, hogy ellenőrízhessem léteznek-e olyan ragozott szóalakok, amelyeket a keresőknek vissza kellett volna keresniük, de azt mégsem tették meg.
Végül pedig azt elemeztem, hogy a keresők visz-szakeresik-e egy lekérdezés szinonimáit, vagy sem. A szinonimák hogyan jelennek meg a kapott találatokban, például ki vannak-e emelve a találatleírásokból vagy sem, ill. a megadott keresőkifejezéssel együtt fordulnak-e elő a találatleírásokban, vagy attól függetlenül is szerepelnek. Az angol nyelv esetében az alábbi lekérdezéseket vizsgáltam meg ilyen szempontból: car (=autó), glasses (=szemüveg). A magyar nyelvben pedig a kutya és a vetélkedő keresőkifejezések szinonimáira kerestem.
Tesztelés közben felfigyeltem egy hibára az AltaVista és az AlltheWeb esetében. Amikor a keresést leszűkítettem kizárólag a magyar nyelvű találatokra, ekkor angol, spanyol és francia nyelvű oldalak is megjelentek az első 100 találat között az alma lekérdezésre. Tehát a találatok nyelvi szűkítése nem működött kielégítően ennél a két keresőnél. Ugyanez a hiba nem fordult elő a Google kereső és a többi magyar nyelvű kereső esetében.
A továbbiakban az angol és a magyar nyelvű keresők nyelvi lehetőségeit tekintem át a korábban ismertetett vizsgálati szempontok alapján.
3.1. Az angol nyelvu keresoknél talált nyelvi megoldások
A morfológiai elemzés nem működött az angol és a magyar nyelvben a Google és az AlltheWeb keresők esetében. A vizsgált angol nyelvű keresők közül egyik sem végzett morfológiai elemzést a tisztességtelen lekérdezésre, hanem csak a megadott keresőkifejezés pontos szóalakjára kerestek. Egyedül az Altavista kereső esetében működött a morfológiai elemzés megfelelően az angol nyelvben. Tehát az automatikusan megtalálta a dog kifejezésnek a többes számú alakját is. Azonban a morfológiai vizsgálat a magyar nyelvben ugyanúgy nem működött az Altavista esetében, mint a másik két vizsgált keresőnél sem.
A stopszavak kezelésében a Google kereső jeleskedik a többi keresőhöz képest, mivel az teljes mértékben kizárja a keresésből az a, an, the névelőket az angol nyelvű lekérdezésekre. Ezenkívül kizárja az a határozott névelőt a keresésből, de nem zárja ki az az, egy névelőket a keresésből a magyar nyelvű lekérdezésekre. Az Altavista és az AlltheWeb keresők nem zárják ki a határozott és a határozatlan névelőket a keresésből az angol és a magyar nyelv ese-tében. Tehát a hiányosságuk egyértelmű ezen a területen.
Az ékezetek kezelése problémás mind a három keresőnél, mert azok megtalálták a kértem kifejezést tartalmazó weboldalakat a kertem lekérdezésre, valamint az álma kifejezést tartalmazó oldalakat az alma lekérdezésre.
Mind a három kereső hatékonyan valósította meg a csonkolást az angol nyelvben. Egyrészt megtalálták azokat a hosszabb kifejezéseket, amelyekben előfordult a csonkolt Olympi kifejezés. Másrészt lekérdezték azokat a webol-dalakat, ahol a csonkolt kifejezés együtt jelent meg egy másik, hosszabb változatával. A Google kereső a csonkolt Olympi kifejezést az alábbi hosszabb szavakban fedezte fel:
Olympic (=olimpiai), Olympia (=földrajzi név), Olympiad (=olimpiász). Találatai között a csonkolt kifejezés az alábbi hosszabb változatokkal együtt fordult elő: Olympics (=olimpia, olimpiai játékok), Olympian (=olimposzi). Az Altavista szolgáltatás a csonkolt Olympi kifejezést az alábbi hosszabb szavakban találta meg: Olympic (=olimpiai), Olympics (=olimpia, olimpiai játékok), Olympia (=földrajzi név), Olympiad (=olimpiász), Olympian (= olimpo-szi). Találataiban a csonkolt kifejezés az alábbi hosszabb változatokkal együtt jelent meg: Olympia (=földrajzi név), Olympic (=olimpiai), Olympics (=olimpia, olimpiai játékok). Az AlltheWeb kereső a csonkolt Olympi kifejezést az alábbi hosszabb szavakban fedezte fel: Olympic (=olimpiai), Olympics (=olimpia, olimpiai játékok), Olympiad (=olimpiász), Olym-pia (=földrajzi név), Olympian (=olimposzi). Keresési eredményeiben a csonkolt kifejezés az alábbi hosszabb változatokkal együtt jelent meg: Olympic (=olimpiai), Olympics (=olimpia, olimpiai játékok), Olympiad (=olimpiász), Olympia (=földrajzi név), Olympian (=olimposzi).
A csonkolás viszont nem működik ezeknél a keresőknél a magyar nyelvben, hiszen meg-figyelhető volt mindegyik esetben, hogy a májmétely* lekérdezésre kapott találathalmazok nem tartalmazták a lekérdezés ragozott szóalakjait, ezért külön egyenként, manuálisan kellett azokra keresnem. Ezekben a keresőeszközökben a következő ragozott szóalakokat találtam meg: májmételynek (ahol a „-nek” a részeshatározós eset és a birtokos eset ragja), májmételyt (ahol a „-t” a tárgyeset ragja), májmételyek (ahol a „-k” a többes szám jele), májmételyről (ahol „-ről” az előljárós eset ragja). A májmétely lekérdezés csonkolt és csonkolatlan változataira kapott találatszámokat, valamint a ragozott szóalakokra nyert találatszámokat az alábbi táblázatban ismertetem.
Ebben a táblázatban az Altavista keresőnél minimális eltérés figyelhető meg a lekérdezés csonkolt és csonkolatlan változataira lekérde-zett találatszámokban. A Google szolgáltatásnál a lekérdezés csonkolt változatára kapott találatszám alacsonyabb a csonkolatlan változat találatszámához képest. Az AlltheWeb keresőnél ugyanaz a találatszám fedezhető fel a lekérdezés csonkolt és csonkolatlan változataira. Ez utóbbi két eset azt tükrözi számunkra, hogy a csonkolás egyáltalán nem működik ezeknél a keresőknél a magyar nyelvben, mert alapértelmezés szerint a lekérdezés csonkolt változatának nagyobb találathalmazt kell eredményeznie a csonkolatlan változat találathalmazához képest. Továbbá az is észrevehető a táblázatban, hogy mindegyik szolgáltatás csak kevés találatot nem kérdezett le a témával kapcsolatban. Ezek a figyelmen kívül hagyott találatok a lekérdezés ragozott szóalakjainak a segítségével voltak megtalálhatóak.
Az angol nyelvű keresők mindegyike keresett a megadott lekérdezés szinonimáira az angol nyelvben, azonban ennek a feladatnak a megvalósításában találtam hibás nyelvi értelmezésből eredő hibákat. A car (=autó) és a glasses (=szemüveg) lekérdezésekre kapott találatokat mindegyik kereső vonatkozásában az alábbi táblázatban foglalom össze:
A car keresőkifejezésnek az alábbi szinonimái fordultak elő a találatokban: automobile (USA) (=autó, automobil, gépkocsi, gépjármű), auto-motive (USA) (=autó, gépkocsi, automobil, gépjármű), auto (USA) (=autó, kocsi).
Továbbá a motor (=motor, jelzői értelemben is használatos kifejezés, aminek a jelen-tése autó(s)-, motoros), racing (=verseny-, versenyzés)és a vehicle (=jármű, közlekedési eszköz)kifejezések is szinonimaként jelentek meg, azok azonban jelentésükből adódóan nem tekinthetők a car kifejezés tényleges szinonimáinak. A glasses keresőkifejezésnek a következő szinonimái jelentek meg a találatokban: eyeglasses (=szemüveg), spectacles (=szemüveg, pápaszem). Ezenkívül a sun-glasses (=napszemüveg), reading-glasses (=olvasószemüveg)és a goggles (=motor-szemüveg, védőszemüveg)kifejezésekre is kerestek az angol nyelvű keresők, ezek inkább szemüvegfajtáknak tekinthetők és nem pedig a glasses keresőkifejezés szinonimáinak. Mind a három kereső megtalálta a glasses lekérdezés egyes számú alakjának a szinonimáját is a glassware-t, aminek a jelentése „üvegáru”. Itt fontos megjegyeznem, hogy az egyes számú alak, azaz a glass kifejezés jelentései a következők: „üveg, pohár, üvegedény, üvegáru”.
A táblázatban látható, hogy mindegyik kereső megtalálta a car keresőkifejezés amerikai angolban használatos szinonimáit. Azonban a Google kereső három nem szinonimának minősülő kifejezést is lekérdezett. Az Altavista és az AlltheWeb külön-külön egy nem szinonímának tekinthető kifejezést fedezett fel. A másik eset-ben az Altavista kereső két szinonimát talált meg a glasses lekérdezésre és három nem szinoni-mát az egyes számú alak szinonímáján kívül. A Google és az AlltheWeb egyetlenegy szinonimát kérdezett le az egyes számú alak szinonimáján kívül. A Google két nem szinonimát talált meg, míg az Alltheweb három nem szinonimát fede-zett fel.
A Google keresőnél külön a ~ (tilde karakter) segítségével kerestem egy adott kere-sőkifejezés szinonimáira. Itt a megtalált szinonimák kiemelve szerepeltek a találatok leírásában és azok többnyire együtt fordultak elő a lekérdezéssel. Ezzel szemben a másik két keresőnél a szinonimák nem voltak kiemelve a találatok leírásából és azok mindig együtt fordultak elő a keresőkifejezéssel. Mind a három keresőnél kerestem a kutya és a vetélkedő ke-resőkifejezések magyar nyelvű szinonimáira, ezekre a lekérdezésekre azonban nem kaptam értékelhető szinonimákat. A vizsgált keresők csupán a lekérdezés pontos szóalakjára keres-tek és nem vették figyelembe annak a szinoni-máit a magyar nyelvben.
3.2. A magyar nyelvu keresoknél talált nyelvi megoldások
A magyar nyelvű keresők közül kizárólag a Heuréka keresőről valószínűsíthetjük azt, hogy végez morfológiai elemzést a lefuttatott lekérdezésekre, mert a tisztességtelen keresőkifejezésre az alábbi szóalakokat fedeztem fel a találatok leírásában, pl.: tisztesség, tisztességes, tisztességért, tisztességgel, tisztességtelen, tisztességtelenül. A ház, kocsi, kutya lekérdezések többes számú alakja mindig együtt fordult elő azok egyes számú alakjával a találatok leírásában. A megadott keresőkifejezések nem voltak kiemelve a találatleírásásokból, ami megnehezítette annak az eldöntését, hogy a Heuréka kereső keres-e külön a lekérdezés többes számú alakjára vagy sem. Az összes többi kereső esetében nem működött a morfológiai elemzés, vagyis azok nem kerestek automatikusan egy adott lekérdezés többes számú alakjára. Ezenkívül a tisztességtelen kifejezésre egyikük sem végzett morfológiai elemzést, mivel azok csak a megadott keresőkifejezés pontos szóalakjára kerestek.
A stopszavak kezelése eléggé megosztott képet mutat a vizsgált keresőknél, mert az Origo-Vizsla és a Kurzor keresők nem zárják ki a határozott és a határozatlan névelőket a keresésből 7, 8. A Heuréka kereső esetében nem lehetett egyértelműen megállapítani, hogy a határozott és a határozatlan névelők ki voltak-e zárva a keresésből, mert a keresőkifejezések a névelőkkel együtt nem voltak kiemelve a találatok leírásából. A kapott találatoknál megfigyelhető volt az is, hogy azokban a keresőkifejezések sokszor a megadott névelők nélkül fordultak elő. Ebből arra lehetett következtetni, hogy a Heuréka kereső igyekezett kizárni a névelők használatát a keresésből. A Góliát és az Altavizsla keresők kizárták az a, az határozott névelőket a keresésből, de nem zárták ki az egy határozatlan névelőt. A keresőkifejezések kiemelésének a problémája egyedül a Heuréka keresőnél jelentkezett, a többinél ez nem okozott gondot.
Az ékezetek kezeléséről elmondható, hogy azt a keresők nagy része sikeresen oldotta meg. Az egyedüli kivételt képezte az Origo-Vizsla kereső, ahol nem működött az ékezetek kezelése. Tehát megtalálta a kértem kifejezést tartalmazó weboldalakat is a kertem lekérdezésre és az álma kifejezést tartalmazó oldalakat is az alma lekérdezésre. A Heuréka keresőnél az ékezetek kezelése csak az ékezethelyes keresési lehetőség kiválasztásánál működött jól. Azonban az automatikus ékezetkezelési lehetőség kiválasztásánál az már nem működött megfelelően. A Kurzor, Góliát és az Altavizsla keresők esetében hatékonyan működött az ékezetek kezelése.
A csonkolás azonban nem működött egyik kereső esetében sem. Sokszor a májmétely lekérdezés csonkolt változatára nem kaptam egyetlenegy találatot sem. A Heuréka, Góliát és az Altavizsla keresők esetében ugyanazt a negatív eredményt kaptam. Emögött az elfogadható magyarázat az lehet, hogy a kereső nem képes értelmezni a csonkolást mint lekérdezési műveletet. Csonkolásnál fennállt egy másik eset is, amikor ugyanannyi találatot kaptam a lekérdezés csonkolt és csonkolatlan változataira egyaránt. Ez megint csak azt tükrözi, hogy a csonkolás nem működik egyáltalán, hiszen alapértelmezés szerint a lekérdezés csonkolt változatának bővebb találathalmazt kell eredményeznie a csonkolatlan változat találathalmazához képest. Ez utóbbi eset állt fenn az Origo-Vizsla és a Kurzor keresőknél. A májmétely lekérdezés csonkolt és csonkolatlan változataira kapott találatszámok, valamint a ragozott szóalakok a rájuk kapott találatszámokkal együtt megtekinthetők az alábbi táblázatban.
A Góliát és az Altavizsla keresőknél nem kap-tam egyetlenegy találatot sem a lekérdezés ragozott szóalakjaira5. Ezek a szolgáltatások valószínűleg nem indexelik azokat a webol-dalakat, amelyek relevánsak lehetnek egy ilyen típusú lekérdezés számára.
A keresőkifejezések szinonimáira történő ke-resések csupán a Heuréka és az Origo-Vizsla keresők esetében voltak eredményesek. Az összes többi kereső nem keresett egy lekérdezés szinonimáira a magyar nyelvben. Ezzel a két keresővel az alábbi szinonimákat kap-tam a kutya lekérdezésre: eb, öleb. A vetélkedő keresőkifejezésre a következő szinonimákat találtam meg: kvíz, kvízjáték, verseny, agytorna. Mindkét keresőnél a szinonimák nem voltak kiemelve a találatok leírásából, ami kevésbé egyértelművé teszi az ilyen típusú lekérdezéseket. A szinonimák többnyire együtt fordultak elő a lekérdezéssel a találatok leírásában, és azok csak néhol szerepeltek önállóan. A ma-gyar nyelvű keresők közül kizárólag a Heuréka keresőnél találkozunk olyan beépített tezaurusszal, amely fogalmi relációival támogatja a keresési témával kapcsolatos további lekérdezési lehetőségeket.
4. Összegzés
A vizsgálat eredményei rámutatnak arra, hogy az angol nyelvű keresők sokkal jobban kezelik és értelmezik az angol nyelvű lekérdezéseket, mint a magyar nyelvűeket. Ezekben a keresőeszközökben a csonkolás és a szinoni-mákra történő keresés eredményesen működik az angolban, de meglehetősen problémás a magyar nyelvben. Ezenkívül megfigyelhető az is, hogy azok hiányosságokat mutatnak hasonló területeken, például nem kezelik helyesen az ékezeteket, ami fontos felhasználói elvárás a magyar nyelvű lekérdezések vonatkozásában. Ez a hiányosság egyben tükrözi a hátrányukat abban, hogy nem képesek releváns információkat szolgáltatni a magyar felhasználók számára. A Google kereső nem veszi figyelembe a határozott és a határozatlan névelőket az angol nyelvű lekérdezéseknél, azonban még nem oldotta meg ezt a kérdést a magyar nyelvben. Az Altavista kereső megtalálja az angol nyelvű lekérdezések többes számú alakját, ezért ez az egyedüli olyan szolgáltatás, ahol a morfológiai elemzés hatékonyan működik az angolban. Az angol nyelvű keresők közül egyik sem küzdött meg ezzel a problémával a magyar nyelvben. Elmondható a Google és az Altavista szolgáltatásokról, hogy azok azonos teljesítményt nyújtottak a lekérdezések értelmezésében, utánuk pedig az AlltheWeb kereső következik a rangsorban. A kapott eredmények alapján levonhatjuk azt a következtetést, hogy ezeknek a keresőknek még nagyobb hangsúlyt kellene fektetniük a morfológiai elemzésre, a stopszavak és az ékezetek kezelésére a jövőbeli fejlesztésükben.
A magyar nyelvű keresők többsége helyesen kezeli az ékezeteket, ezáltal azok egy lényeges felhasználói követelményt biztosítanak. A ma-gyar nyelvű keresők nyelvi megoldásait értékelve megállapíthatjuk, hogy a Heuréka kereső nyújtotta a legjobb teljesítményt a morfológiai elemzés és a szinonimákra történő keresés területén. Teljesítménye elfogadható volt két másik területen, a stopszavak és az ékezetek kezelésében. Ez után következnek a Góliát és az Altavizsla keresők, amelyek nagyon hasonló teljesítményt nyújtottak a tesztelés során. Mindketten pontosan kezelték az ékezeteket. Azonban a stopszavakat illetően fejleszteniük kell a jelenlegi működésüket, mert az még nem teljesen tökéletes. A rangsorban az Origo-Vizsla és a Kurzor keresők az utolsó helyre kerültek ugyanazzal a teljesítménnyel. Az Origo-Vizsla szolgáltatás számos területen mutat hiányosságokat, mint például morfológiai elemzés, csonkolás, ékezetek és stopszavak kezelése. A Kurzor kereső hiányosságokkal rendelkezik az alábbi területeken: morfológiai elemzés, stopszavak kezelése, csonkolás, szinonimákra történő keresés. A vizsgálat eredményei alapján kijelenthetjük, hogy majdnem mindegyik magyar keresőnek fejlesztenie kell a saját teljesítményét a csonkolás és a morfológiai elemzés területén.
Felhasznált irodalom
- Bar-Ilan, J. – Gutman, T.: How do search engines respond to some non-English queries? In: Journal of Information Science vol. 31. no. 1. 2005. pp.13-28.
- AlltheWeb tájékoztató segédlete URL: http://www.alltheweb.com
- Altavista tájékoztató segédlete URL: http://www.altavista.com
- Google tájékoztató segédlete URL: http://www.google.com
- Góliát tájékoztató segédlete URL: http://www.goliat.hu
- Heuréka tájékoztató segédlete URL: http://www.heureka.hu
- Kurzor tájékoztató segédlete URL: http://www.kurzor.hu
- Origo-Vizsla tájékoztató segédlete URL: http://www.origo.hu
|