Elf miljard pagina's doorzoeken op tekst

Internetarchief ontwikkelt alternatieve zoekfunctie

05 augustus 2004 | Lars Pasveer Maar liefst 11 miljard geïndexeerde pagina's uit het Internet Archive kunnen binnenkort woordelijk doorzocht worden. Het Recall-project maakt het mogelijk om de vanaf 1996 geïndexeerde pagina's op tekst te doorzoeken. Voorheen kon alleen op basis van de domeinnaam in het archief worden geneusd.

Recall is voorlopig nog in bèta, wat te merken is aan de responstijden van de zoekdienst. Ook heeft Internet Archive om serverbelasting te verminderen de bandbreedte van zoekopdrachten beperkt tot 1999-2002.

De zoekresultaten van Recall zijn weinig hoopgevend. De "Server Busy" meldingen zijn legio en de interface is zo kaal, dat onduidelijk is waarom geen van onze zoekopdrachten resultaten opleveren.

Een mogelijkheid om de sinds 1996 geïndexeerde pagina's op basis van trefwoorden te doorzoeken zou het Internet Archive een stuk krachtiger maken. Voorlopig is de dienst niet echt bruikbaar en kan de internetarcheoloog beter in combinatie met Google en de al bekende Wayback Machine zoeken.

Op dit moment bevat de Internet Archive ongeveer 100 terabyte aan data, op een totaal van 11 miljard geïndexeerde pagina's. De populaire zoekmachine Google bevat momenteel referenties naar 4 miljard webpagina's. Google laat weinig los over de exacte grootte van hun zoekindexen, maar er wordt aangenomen dat ook deze meerdere terabytes beslaan.

 

Lees meer artikels over : archive, archief, recall

bron: ZDNet