Začali sme indexovať zahraničné weby. Sústredíme sa na angličtinu a na obľúbené weby. Hľadanie vo svete zostalo bez zmien. Testovaciu verziu si môžete pozrieť na http://searchtest.seznam.cz .
Navýšili sme počet indexovaných (uložených na hadoope) stránok z 400 na terajších 700 miliónov. Pribudli najmä stránky v angličtine a pár miliónov slovenských, poľských, nemeckých a francúzskych. Na jazyky s nelatinkovými znakmi sme sa nesústredili. Prioritou zostávajú české stránky, ktorých počet neustále navyšujeme.
Do testovacieho výdaja na webovku searchtest.seznam.cz sme dali databázu s 560 miliónmi dokumentov [1]: 380 v čestine, 130 v angličtine, 15 v nemčine, 15 v slovenčine a 20 tvoria ostatné jazyky dohromady. Sústredili sme sa na obsah, ktorý buď na českom webe nie je, alebo je výrazne kvalitnejší v inom jazyku zrozumiteľnom pre užívateľov – čo je obvykle prípad angličtiny. Väčšina výsledkov na prvej stránke naďalej zostáva v čestine.[2] Výpočet relevancie sme nemenili.
Vyhľadávanie vo svete pomocou Microsoft-ieho Bingu zostáva nezmenené. V rámci tohto projektu sme sa sústredili na indexovanie obľubených zahraničných webov hlavne v angličtine. Bing má výrazne väčší index a vyľadené hľadanie pre mnoho jazykov (včetne exotických ako japončinina, alebo čínstina) a preto zostáva našou voľbou pre hľadanie vo svete.
Na ilustráciu našej motivácie začať indexovať cudzojazyčné weby si môžete pozrieť výsledky na dotazy: bbc, nasa, distrowatch, ikea dresden, tv markíza.sk tisíc a jedna noc, discovery channel
Test beží na adrese searchtest.seznam.cz. Hľadanie je oprené do vývojových strojov, takže zvládne obmedzený počet hľadaní a beží pomalšie ako v produkcii. Ostré nasadenie plánujeme za pár týždňov. Budeme radi za Vaše postrehy a názory.
Říká se, že obrázek někdy vydá za tisíc slov. Proto vyhledávání obrázků na Seznamu neustále vylepšujeme, abychom vám mohli doručit co nejrelevantnější výsledky. I proto jsme do obrázkového hledání přidali novinku – funkci Podobné obrázky. Pojďme se na ni podívat podrobněji.
Seznam interně vyvíjí velké jazykové modely nazvané SeLLMa (Šelma), které mohou v mnohém konkurovat komerčně dostupným modelům. Diana Hlaváčová hostům Seznam fóra představila, co naše jazykové modely umí a v jakých produktech je využíváme.
Vyhledávání informací na internetu se stalo nedílnou součástí našich životů. Ať už potřebujeme rychle zjistit, jak opravit zaseknutý zip, najít nejlepší kavárnu v okolí nebo vybrat dárek k narozeninám – internetové vyhledávače jsou často naší první zastávkou. A s rostoucí sofistikovaností technologií se mění i způsob, jakým s vyhledávači komunikujeme.
