VikiTron.com - Chytrý vyhledávač

Ahoj,
už jsou tomu 2 roky, co jsem poprvé dostal myšlenku utřídit všechny informace které znám nebo mám uložené v obsáhlých databázích. Přemýšlel jsem dále co s tím. Napadlo mě vytvořit web, kterému když položíte konkrétní otázku, tak se pokusí sestavit stručnou a jasnou odpověď. To jsem ještě netušil, že se z toho po čase vyklube vyhledávač tabulkových dat, faktů a "chytrý" kalkulátor. Tolik k příběhu a teď k realitě:

Navrhl jsem (a naprogramoval) funkční prototyp vyhledávače (jmenuje se VikiTron a je volně dostupný na adrese http://vikitron.com), který si klade za cíl co nejrychleji najít odpověď (běžně do 10ms!), funguje jinak než všechny ostatní dosud známé vyhledávací programy. Nevyužívá informace sesbírané z otevřeného internetu (protože bych musel řešit licence, ověřovat pravdivost, ...), ale vychází z ověřených databází. Domluvil jsem se s majiteli práv (nebo využívám API, které je volně dostupné => třeba Wikipedie, Google Maps, ...) nejrůznějších databází a postupným indexováním jsem sestavil obrovskou databázi (v současnosti něco kolem 500 000 záznamů => a neustále to roste). Data jsou dostupná pod volnou licencí (můžete si je zdarma stáhnout a používat kde chcete) pod podmínkou uvedení zdroje. Zdroje jsou vždy přehledně uvedené v pravém menu (pokud ne, uvádějte adresu: http://vikitron.com). Celý projekt je přeložený kompletně do češtiny a slovenštiny. V brzké době přidám angličtinu (překlad tolika textů je časově náročné).

Když to shrnu, tak VikiTron v současnosti umí:
- Globální příkazy, na př. porovnání. Příklad: Praha vs Brno
- Zeměpis českých měst a obcí (najde i nejmenší vesničky) + se vás snaží lokalizovat a odhadnout vzdálenost od vás (zatím funguje jen někdy, bude postupně opraveno)
- Chemii (zejména prvky), hledání podle českého názvu, latinského názvu a značky (tady to občas ještě "buguje")
- Čísla (všeobecně po zadání číselné hodnoty zobrazí nejrůznější informace)
- Množiny čísel, po zadání více číselných hodnot (oddělené mezerou, čárkou nebo středníkem) zobrazí nejrůznější informace
- Vlastní česká jména (u některých rozšiřuje znalosti tabulkou se svátky, ...)
- Matematické definice (na tom ještě budu hodně pracovat, berte to s rezervou)
- České synonyma, po zadání slova najde synonyma (dobře funguje u podstatných a přídavných jmen)
- Barvy, zadávejte ve formátu #XXXXXX nebo anglický název (brzy přibyde možnost mýchání barev a dalších vymožeností)
- Domény (ve tvaru: xxxxxxxx.yyy), vypíše tabulku zjištěnou přes WHOIS a další požadavky
- Hádat slovo (BETA), příklad dotazu: v_d_k
- A mnoho dalšího. Obsahuje spoustu funkcí, kterým se také říká "easter egg", zkuste nějaké najít! Jinak databáze neustále rozšiřuji.

Jak zadávat dotazy:
- Stručně, ideálně jedním slovem nebo slovním spojením. Česky (něco anglicky). Pokud chcete porovat víc podobných věcí, tak je oddělte mezerou. Příklad: "Kladno Praha Brno Ostrava"

Co VikiTron neumí:
- Vyhledávat osobnosti (až na pár výjimek), je to z důvodu zachování soukromí a řešení právních sporů
- Dotazy kombinující více kategorií (významů) jednotlivých slov (toto ale bude jednoho dne vyřešeno => až přijdu na to, jak)
- Fulltext internetu => a ani nikdy umět nebude. Není to primární myšlenka. Chci prohledávat ověřené informace
- Umělá inteligence (??!!!???), původně měl umět chápat významy otázek a odpovídat, ale bylo to na mě moc velké sousto. Možná to jednoho dne přidám ;)
- Kalkulačka. Ještě pořád neumí vyřešit 5+5, jednou to třeba bude umět, ale ještě se mi nepovedlo vymyslet parser, který by správně odpověděl na všemožné zadání

Co od vás očekávám:
- Byl bych rád za jakoukoli zpětnou vazbu. Pokud budete kritizovat, tak buďte co nejvíc konkrétní, abych se mohl z vaší rady poučit a případně věděl, jak dannou chybu opravit

Častá narážka:
"Vždyť tohle umí Google! Lamo! Nemá to cenu ... zruš to!". Moje odpověď: Google odpoví na spoustu faktických dotazů, určitě na spoustu mnohem lepší, ale můj vyhledávač dokáže data kombinovat, třídit a porovnávat na přání uživatele. Toto žádný pro mě známý vyhledávač ještě pořád neumí. A hlavně bych pak neměl být na co pyšný ;)

Pokud mi nahlásíte chybu, tak bude opravena hned, jak to bude možné. Počítám s velkým náporem uživatelů, takže to budu vyřizovat postupně. Pokud se vám projekt líbí a chtěli by jste přispět svým obsahem nebo schopnostmi, tak budu velice rád. Mám k dispozici opravdu kvalitní servery a hodlám z toho udělat "větší projekt". Samozřejmě neziskový! Reklama je jen na pokrytí nákladů. Pokud jste dočetli až sem, tak vám gratuluji (sám bych to asi nedokázal ;)).

PS: Občas blbne hlavička v Chromu, nevím jak to opravit. Dejte mi prosím tip.
PPS: Nejsem Hejl a nemám s ním nic společného. Projekt myslím vážně.

pcmanik:
„Prečo zakladáš ďalší profil, Jan Barášek?“
Tajně jsem doufal, že se toho nikdo nevšimne a můj starý profil propadne zapomění.

„2. V čom je tvoja služba lepšia napríklad oproti wolframalpha?“
Myslel jsem si, že se budeš ptát, proto jsem na to rovnou odpověděl v původním příspěvku ;) Lepší? To je subjektivní názor. Pro mě má tyto výhody: Je česky a je můj ;)

„Preklad je nejaký pochybný“
Pokud vím, tak je přeložena víc jak polovina dat, jinak systém je přeložený celý. V tom množství informací je nemožné mít vždy dostupný překlad pro všechny dotazy ;)

„logo a stránku to dokonale zablokuje, že sa s ňou nedá nič robiť, zrejme chyba javascriptu“
Aha :D Heh, ani jsem se nevšiml. Je to přelepené neviditelným divem. Opravím.

„Matematický výraz 4-5*9 je vypočítaný zle.“
Psal jsem, že to NEOBSAHUJE kalkulačku - zatím.

Na polovinu dotazů jsem odpovídal v předchozím postu, ach jo. Ale jinak si z toho beru ponaučení a pokusím se ty konstruktivně nastíněné chyby opravit. S přípomínkou "vyhladal mi našlo príliš málo informácii" nic neudělám. Hodil by se podrobnější popis, zejména odpověď na otázky: Proč? Jak to opravit?
Jinak je připomínka k ničemu ;)

joe:
„na stránkách VikiTronu nevím co mám zadat do políčka“
S tím ti nepomůžu, nevím co chceš hledat ;)

„Nevím, jak zrušit hledání“
Přepsat dotaz tě napadlo?

„Zkratka pro versus se píše vs. (s tečkou), to ale však už nefunguje“
Opraveno.

„Když dám hledat něco s diakritikou“
Diaktritiku to umí pouze ve znakové sadě UTF-8, ostatní úmyslně a naprosto záměrně odmítám podporovat. Snad mě chápeš.

Pokud se vám špatně přepne národní prostředí (detekuje se pomocí GeoIP), tak češtinu nastavíte klepnutím sem: http://vikitron.com/change_language.php?language=cz, ještě budu muset jazyky nějak dovymyslet.

margin:
„Hlodač mi ukáže se neklikací kousek google mapy“
To je záměr. Nemá to být klikatelné. Nebo by mělo? A kam by to tedy mělo vést?

„ale měřítko mapy je takové, že Ratiboř není vidět.“
Měřítko samo dopočítává GoogleAPI, s tím nic nenadělám :(

„Vedle mapy je popis, Racibórz, Poland, což je nejbližší česká/slovenská Ratiboř k mému skutečnému bydlišti“
S duplicitami budu muset ještě něco udělat. Toto je pro mě zatím velká záhada, nevím jak to efektivně vyřešit. Nějaké nápady?

quinux:
„já bych předem pochválil, že místo keců jsi něco vytvořil“
díky ;) Rád tvořím...

„byť výsledek může být zatím diskutabilní, protože už existuje http://www.wolframalpha.com takže máš ještě co dohánět :)“
To je fakt, ale Wolfram není v češtině. Navíc plánuji spoustu funkcí, které Wolfram neumí a asi ani nikdy umět nebude.

„nepochopil jsem, proč se mám regiistrovat“
Upřímně? Účet ti je k ničemu, zatím nemá využití. Je to tam připravené do budoucna. Chci udělat něco jako "analýzu souborů", kdy třeba nahraješ tabulku a ono to udělá nejrůznější grafy a tak... případně konvertování souborů (změna formátu). Na to bych ale rád uživatelské účty. Jednak kvůli regulaci přetěžování a také kvůli tomu, aby mohl mít uživatel své soubory po ruce.

„že nemáš naformátované čísla (u počtu obyvatel)“
Opravím.

„ale že tam chybí datum tohoto údaje už může být problém“
Občas chybí, občas ne. Tyto informace většinou vycházejí z Wikipedie. Jedná se o parsované data a není vůbec snadné udělat takový parser, aby to vždycky rozpoznalo. U většiny měst to přidává dole ještě tabulku, kde toto všechno je. Ale jen někdy... když se to povede zaindexovat.

„Vzdálenost v navigaci je pak různá“
Občas to najde zpáteční trasu jinudy než původní, tak to ukáže +/- 5km jiné číslo. Jsou to jen orientační data.

„3) nelíbí se mi logo :)“
Řeknu grafikovi. :)

joe:
„Ne, já myslel jaké všechny způsoby mohu zadat.“
Pokud zadáš jednoslovné heslo, tak to většinou najde (pokud to je v databázích). Ty operátory jsou spíše taková třešnička na dortu. Hodí se to pro rychlé srovnání více podobných věcí (toto třeba Google nikdy asi umět nebude).

„Napadlo, ale proč bych to dělal - nechci používat něco, co mě bude zpomalovat a nebude intuitivní.“
Tak navrhni řešení. Klikací logo udělám. Zkusím přes javascript vložit na konec políčka s dotazem křížek, který vyprázdní pole.

„Nechápu, já zadám do políčka "kolotoč" a pak mám ve výpisu "kolotoc", jak to nesouvisí s UTF-8?“
Záměrně se ořízne diakritika a pak se to vyhledává a následně se to zase podle databáze oháčkuje. Je to nejlepší řešení, co mě napadlo. Tato to aspoň najde verzi s a bez diaktritiky. A to se vyplatí!

„Jak mám dekódovat GPS souřadnice? Hlodač mi hlásí u Opavy 708268,5535850, Podle Google mapy to je 49.94066,17.894803.“
Pokusím se to nějak vyřešit.


------------
Ještě pro všechny:
Věřím v to, že až budu mít mnohem větší databáze, tak bude vyhledávání použitelné. VikiTron patří mezi nejrychlejší weby, které znám (nechci aby to znělo jako namyšlenost). Dal jsem si s optimalizací hodně práce a stránka se zpracuje běžně do 10ms, což je podle mě velice slušný čas. Hodně dlouho jsem totiž experimentoval s databázemi, než jsem se na tyto hodnoty dostal ;)

Databáze neustále rozšiřuji. Udělal jsem tam funkci, která eviduje všechny vámi položené dotazy. Nechám to tak 2-3 dny uležet a pak všechny ty dotazy zpětně projdu a pokusím se podle toho vyvěštit, co budou lidé jako vy hledat a na to se zaměřit. Moje cílová skupina není průměrný tuctový uživatel internetu, ale spíše technicky "vzdělanější" osobnost. Chci se zaměřit zejména na faktické data, definice a nerůznější výpočty.

Jedna z prvních věcí co přidám bude kalkulačka pro práci s reálnými čísly a rovnicemi. Už jsem jednu vymyslel pomocí rekurze, snad bude fungovat ;)