Freier Webindex: Blekko spendet 22 Milliarden Webseiten an Common Crawl
Mehr Daten für den freien Webindex der Common Crawl Foundation (Bild: Common Crawl Foundation)

Freier Webindex Blekko spendet 22 Milliarden Webseiten an Common Crawl

Die Suchmaschine Blekko stellt ihre Suchdaten zu rund 22 Milliarden Webseiten ab sofort der Common Crawl Foundation zur Verfügung. Die Stiftung stellt einen Webindex samt Metadaten wie Pagerank und Link-Graph zur Verfügung, den jeder frei nutzen kann.

Anzeige

Daten, die bislang nur großen Suchmaschinenbetreibern zur Verfügung standen, sollen so für alle zugänglich werden, das ist das Ziel der Common Crawl Foundation. Sie will den Zugang zu Webinformationen demokratisieren und dazu ein offenes Repository mit Crawl-Daten aus dem Web bereitstellen. Gestartet ist das von Gil Elbaz gestartete Projekt im November 2011 mit einem Index von rund 5 Milliarden Webseiten.

Dieser Datensatz soll nun besser werden: Die Suchmaschine Blekko stellt ständig aktualisierte Daten von rund 140 Millionen Websites mit insgesamt rund 22 Milliarden Webseiten zur Verfügung. Schon jetzt stellt Blekko anderen seine Suchergebnisse per API zur Verfügung.

Common Crawl soll Blekkos Daten vor allem nutzen, um seine eigenen Crawler zu verbessern, damit diese Webspam, Pornos und andere ausufernde SEO-Webseiten umgehen können. So soll die Stiftung ihre Ressourcen effizienter einsetzen können, um Webseiten zu erfassen, die von Menschen für Menschen erstellt werden.

Die Daten der Common Crawl Foundation stehen bei Amazon S3 zum Download bereit. Zudem wird ein Image für Amazon EC2 angeboten, mit dem die Daten direkt per Map-Reduce verarbeitet werden können, ohne dass das gesamte Archiv heruntergeladen werden muss. Zudem gibt es Archive mit Metadaten sowie ein Archiv mit den reinen Textdaten der Webseite.

Gedacht sind die Daten vor allem für Forscher. Diesen will die Common Crawl Foundation auf diesem Weg einen umfangreichen Auszug des Webs zur Verfügung stellen, mit dem sie arbeiten können, ohne eine eigene Crawler-Infrastruktur aufsetzen zu müssen.

Der aktuelle Datensatz wurde zwischen dem 15. Februar 2012 und dem 29. November 2012 erstellt und umfasst rund 81 TByte.


Kommentieren



Anzeige

  1. SAP Entwickler / Programmierer (m/w)
    Thalia Holding GmbH, Hagen
  2. Systemadministratorin / Systemadministrator IT-Support
    Hochschule Bonn-Rhein-Sieg, Sankt Augustin
  3. SPS-Programmierer/in/IT-Spez- ialist/in
    Bayerische Elektrizitätswerke GmbH, Gersthofen (Raum Augsburg)
  4. Software-Ingenieure (m/w) für Java-Technologien
    Zühlke Engineering GmbH, Hamburg, Hannover

 

Detailsuche


Folgen Sie uns
       


  1. Cryptophone

    Verschlüsselung nicht für jedermann

  2. Apple

    iPhone 6 teuer zu reparieren

  3. Minikamera Ai-Ball

    Die WLAN-Kamera aus dem Überraschungsei

  4. Unibox

    Paketbox der Post-Konkurrenz kommt Ende 2014

  5. 4K und 8K

    Windows 9 skaliert auf hochauflösenden Displays besser

  6. Google

    Android L könnte auch für das Nexus 4 erscheinen

  7. Motorola

    Neues Moto X jetzt über Moto Maker bestellbar

  8. X-Plane 10.30

    Drittes großes Flugsimulator-Update ist fertig

  9. VarioPlace

    Industriemaschinen zu einem bezahlbaren Preis bauen

  10. Bedeutungsverlust

    Google-Plus-Profil für Gmail kein Zwang mehr



Haben wir etwas übersehen?

E-Mail an news@golem.de



Onlinebestellung: Media Markt eröffnet ersten Drive-in
Onlinebestellung
Media Markt eröffnet ersten Drive-in
  1. Preisvergleich Ergebnisse in Preissuchmaschinen nicht zuverlässig
  2. Prepaid Media Markt und Saturn starten eigenen Mobilfunktarif

Photokina 2014: Olympus stellt Open-Source-Kamerakonzept vor
Photokina 2014
Olympus stellt Open-Source-Kamerakonzept vor
  1. Sony, Panasonic, JVC Hightech-Unternehmen auf der Suche nach sich selbst
  2. Olympus Pen E-PL7 Systemkamera für Selfies

Streaming-Box im Kurztest: Fire TV läuft jetzt mit deutschen Amazon-Konten
Streaming-Box im Kurztest
Fire TV läuft jetzt mit deutschen Amazon-Konten
  1. Buchpreisbindung Buchhandel erzwingt höheren Preis bei Amazon
  2. Amazon-Tablet Neues Fire HD mit 6 Zoll für 100 Euro
  3. Online-Handel Bei externen Händlern mit Amazon-Konto einkaufen

    •  / 
    Zum Artikel