Download Adaptive Revisiting with Heritrix

Útdráttur á íslensku
Veraldarvefurinn geymir sívaxandi hluta af þekkingu og menningararfi
heimsins. Þar sem Vefurinn er einnig sífellt að breytast þá er nú unnið
ötullega að því að varðveita innihald hans á hverjum tíma. Þessi vinna er
framlenging á skylduskila lögum sem hafa í síðustu aldir stuðlað að því
að varðveita prentað efni.
Fyrstu þrír kaflarnir lýsa grundvallar erfiðleikum við það að safna
Vefnum og kynnir hugbúnaðinn Heritrix, sem var smíðaður til að vinna
það verk. Fyrsti kaflinn einbeitir sér að ástæðunum og bakgrunni þessarar
vinnu en kaflar tvö og þrjú beina kastljósinu að tæknilegri þáttum.
Markmið verkefnisins var að þróa nýja tækni til að safna ákveðnum hluta
af Vefnum sem er álitinn breytast ört og vera í eðli sínu áhugaverður.
Seinni kaflar fjalla um skilgreininu á slíkri aðferðafræði og hvernig hún
var útfærð í Heritrix. Hluti þessarar umfjöllunar beinist að því hvernig
greina má breytingar í skjölum.
Að lokum er fjallað um fyrstu reynslu af nýja hugbúnaðinum og sjónum
er beint að þeim þáttum sem þarfnast frekari vinnu eða athygli. Þar sem
markmiðið með verkefninu var að leggja grunnlínur fyrir svona
aðferðafræði og útbúa einfalda og stöðuga útfærsla þá inniheldur þessi
hluti margar hugmyndir um hvað mætti gera betur.
Keywords
Web crawling, web archiving, Heritrix, Internet, World Wide Web, legal
deposit, electronic legal deposit.
i