Pro informační profesionály, ale v podstatě pro kohokoli kdo používá Internet k vyhledávání informací, se staly vyhledávací stroje a adresáře denně používaným nástrojem. Myslím, že se mnou budete souhlasit, že v mnoha případech je to pomůcka naprosto skvělá, mnohdy si ovšem po neúspěšných pokusech říkáte: “Jak to, že to ten zatracený Google (Altavista, Kompas, …) nemůže najít?! Vždyť to někde musí být!” Chyba může být na několika místech. Třeba nepoužíváte správný vyhledávací stroj nebo zadáváte dotaz nesprávně. Možná se snažíte zjistit nové zprávy běžným strojem, místo abyste využili stroj k tomu určený. Někdy požadovaná informace na Webu prostě není, a proto ji také nelze nalézt. I přes obrovské množství zdrojů zpřístupněných na Webu nelze očekávat, že tam lze nalézt odpověď na všechno. Stále tu zůstávají “staré dobré” knihy a knihovny a možná právě tam najdeme co hledáme.

V některých případech autor nechce mít stránky v databázi vyhledávacího stroje, jinde je překážkou vyplnění registračního formuláře. Může se ovšem stát, že informace na Webu existuje, ovšem vyhledávací stroje ji neumí nalézt nebo ji nemají indexovanou ve své databázi. V tomto případě hovoříme o jevu nazývaném Invisible (neviditelný) Web, v některých případech Opaque (temný, neprůhledný) Web. Co se skrývá pod těmito názvy? Mimo jiné jde o kvalitní a rozsáhlé databáze univerzit, knihoven, úřadů a společností o jejichž obsahu nám běžné nástroje nic neřeknou. Kromě toho velké množství dalšího materiálu zůstává z různých důvodů skryto. Abychom věděli proč se velká část Webu vyhledávacím strojům skrývá, je dobré začít přímo u nich.

• Program tzv. spider nebo crawler automaticky prochází Web
• Neděje se to v reálném čase (tím myslím při zadání dotazu)
• Některé stránky nejsou navštíveny i několik týdnů a nedají se tedy vyhledat
• Indexuje se obsah stránek a ukládá do databáze
• Vyhledávací stroj zpřístupní svůj index na Internetu
• Rozhraní vyhledávacího stroje v prohlížeči
• Stránka s výsledky dotazu s příslušnými linky

Stručná definice: “Materiál “na Webu”, který běžné vyhledávací nástroje - stroje (Google, Altavista) neumí automaticky procházet, indexovat a tudíž vyhledávat.”

• Data opomenutá běžnými vyhledávacímy stroji
• NW může obsahovat informaci kterou hledáme a jinde není
• Promarněný čas: jak dlouho hledáme na nesprávných místech? • Výhody specializovaných databází
• Kvalita obsahu NW

• Neprůhledný, temný Web - téměř Neviditelný Web
• Materiál, který může být procházen spidery/crawlery, ale po určitý čas (případně nikdy) není.
• Není přístupný běžnými vyhledávacími stroji

• Spider/crawler navštíví “site”, ale hledá pouze do určité hloubky

• Některé formáty souborů

• Site/stránka je přístupný/á pouze po registraci

  Spider/crawler se neumí zaregistrovat.

• Firewall nebo jiné zařízení znemožňuje přístup Nejsme vítáni.
• Dynamicky generované stránky (cgi, javascript, asp, většina stránek s ”?” v URL)

• Autor použil tzv. NO-ROBOT TAG

• “Dead End Page” - stránka není linkována z žádné jiné stránky, kterou vyhl. stroj zná

• Stránka nebyla nahlášena vyhledávacímu stroji Sekundární způsob pro získávání nových stránek
• Materiál je v javasript pop-up windows Spidery/crawlery často nesledují javasript příkazy
• Materiál je některými stroji indexován, jinými ne

• Stránka se již od poslední návštěvy spider/crawleru změnila (časové zpoždění)

• Obsah je konstantně obnovován (Real-Time)

• Obsah je kompletně indexovatelný, ale velikost stránky přesahuje limit

• Site nebylo funkční, když ho chtěl spider navštívit

• “Pravý” Neviditený Web

V podstatě se jedná o adresáře databází, které jsou vytvářeny informačními profesionály. Mají navíc často přidanou hodnotu díky popisu jednotlivých zdrojů.

• Gary Price’s Direct Search + Invisible-Web.net Gary Price a Chris Sherman jsou v současnosti nejuznávanějšími odborníky na oblast neviditelného webu. Gary Price udržuje svůj Direct Search a společně se starají o Invisible-Web.net http://gwis2.circ.gwu.edu/~gprice/direct.htm - www.invisible-Web.net
• Intelliseek - http://www.invisibleWeb.com cca 10000 databází - http://www.profusion.com cca 1000 databází (lze přímo prohledávat)
• Librarians’ Index to the Internet - 8200 zdrojů vybraných a ohodnocených knihovníky - http://www.lii.org

• Existence NW, 2-50 větší než indexovaný Web
• Unikátnost materiálu
• Kvalita obsahu
• Aktuálnost materiálu
• Vyhledávací stroje umí často nalézt vstupní stránky do databází, ale materiál pod těmito vstupními stránkami jim není přístupný
• Není to jediné řešení, pouze další forma přístupu
• Běžné vyhledávací stroje jsou stále esenciální

• Vytvářejte a zdokonalujte vlastní kolekce
• Prozkoumávejte pečlivě celé stránky
• Vytvářejte linky přímo k interface daného zdroje
• Šetřete čas Vašim uživatelům
• Udržujte aktuálnost

• Budou vznikat nové brány a sbírky
• Obsah NW se bude narůstat
• Stále větší část Webu budou pokrývat vyhledávací stroje
• Bude docházet k ztrátě funkčnosti individuálních vyhledávacích nástrojů

Real-Time Informace

• Burza - akcie on-line - http://markets.ft.com/markets/home/us - http://www.akcie.cz/
• Země z pohledu satelitů v reálném čase - http://www.fourmilab.ch/cgi-bin/uncgi/Earth/action?opt=-p

Komerční informace

• Veřejné informace o firmách v USA SEC EDGAR (Public Company Filings) - http://www.10kwizard.com/
• Kompass (česky) - vyhledávání informací B2B - http://www.kompass.com

Computer Science

• Slovník internetových pojmů - http://www.netlingo.com/
• ResearchIndex - digitální knihovna vědecké literatury - http://www.researchindex.com

Intelektuální vlastnictví

• Digitální knihovna intelektuálního vlastnictví - http://ipdl.wipo.int/
• US Copyrigt Office - www.loc.gov/copyright/rb.html

Slovníky a jazyky

• Acronym Finder - http://www.acronymfinder.com/
• Lexical FreeNet - vyhledává slova podle vztahů - http://www.lexfn.com/

Umění

• Mezinárodní adresář knihoven umění - IFLA - http://iberia.vassar.edu/ifla-idal/
• Tezaurus umění a architektury - http://www.getty.edu/research/tools/vocabulary/aat/

Cestování

• Vzdálenosti - http://www.indo.com/distance/
• Hotely - http://www.hotelguide.com

Zdraví a medicína

• DIRLINE - adresář inf. zdrojů - http://dirline.nlm.nih.gov/
• Výzkum - http://www.clinicaltrials.gov/ct/gui/c/b
• Nové léky - http://www.phrma.org/searchcures/newmeds/webdb/

Novinky a události

• Audio - vyhledávání v audio databázi 14.000 hod. záznamů - www.speechbot.com
• Moreover - pokrývá 1800 zdrojů - www.moreover.com/news/index.html

Věda

• sciBASE - http://www.thescientificworld.com/scibase/search.asp
• Vlastnosti chemických sloučenin - http://www.chemfinder.com/
• Zemětřesení - http://wwwneic.cr.usgs.gov/neis/epic/epic.html

Volný čas

• Festivaly, kulturní události - celosvětově - http://www.festivals.com/
• Kultura v USA - divadlo, hudba, opera, tanec, galerie, muzea - http://www.culturefinder.com

SHERMAN Chris, PRICE Gary: The Invisible Web: Uncovering Information Sources Search Engines Can´t See, Medford NJ: Information Today Inc., 2001

World Wide Web