|
|
Automatizovaná rekonstrukce webových stránek
Serečun, Viliam ; Ryšavý, Ondřej (oponent) ; Veselý, Vladimír (vedoucí práce)
Mnoho právnych inštitúcií vyžaduje dôkazné bremeno týkajúce sa webového obsahu. Táto diplomová práca sa zaoberá problémom spojeným s automatizáciou webovej rekonštrukcie a webovou archiváciou. Hlavným cieľom je poskytnúť riešenie s s otvoreným zdrojovým kódom , ktoré uspokojí právne inštitúcie s ich požiadavkami. Táto práca predstavuje dva hlavné produkty. Prvý je rámcový program, ktorý je základným stavebným kameňom pre vývoj aplikácií na extrakciu a archiváciu webových stránok. Druhým produktom je prototyp webovej aplikácie. Tento prototyp ukazuje využitie rámcového programu pri riešení požiadavok týchto inštitúcií. Výstupom aplikácie je archív formátu MAFF, ktorý obsahuje zrekonštruovanú webovú stránku, snímku obrazovky webovej stránky a tabuľku meta-informácií. Táto tabuľka zobrazuje informácie o zhromaždených údajoch, informáciách o serveroch, ako sú napríklad IP adresy a porty zariadenia, na ktorom sa nachádzala pôvodná webová stránka, a časové razítko.
|
|
|
Web Page Archiving Tools
Kvačkaj, Matúš ; Rychlý, Marek (oponent) ; Burget, Radek (vedoucí práce)
This bachelor thesis deals with the issue of archiving and reproduction of web pages. The aim was to provide a tool that, after specifying the URL and parameters, creates an archive in WARC format of a given page and also generates its textual description, suitable for further processing and analysis. The tool also supports the reverse process - replaying a site from a WARC archive and generating a textual description of the page. When implementing the tool, it was intended that it would be applied to an existing dataset and would be part of a bulk data processing. The Webis-Web-Archive-17 dataset was used, which contains approximately 10,000 WARC archives collected since 2017. To ensure maximum portability of the tool, Docker containerization was used.
|
|
|
Dlouhodobé uchování webového obsahu
Kvasnica, Jaroslav ; Pokorný, Jan (vedoucí práce) ; Souček, Martin (oponent)
Tato práce řeší problematiku dlouhodobé ochrany digitálních dokumentů, konkrétně webových stránek. Cílem práce je tuto problematiku vysvětlit, vymezit rozdíly mezi různými přístupy k ní, popsat možnosti dlouhodobého uchování webového obsahu, jako je migrace a emulace nebo vysvětlit jaká jsou rizika a výzvy při zavádění těchto strategií. Na základě této práce je možné si udělat představu o tom, jaké nové problémy přináší snaha o dlouhodobou ochranu webového obsahu a jaká jejich řešení jsou v současné době dostupná. Zároveň práce přináší pohled, jakým způsobem k problematice přistupují některé významné zahraničních institucí. Hlavním výsledkem této práce je podrobná analýza strategie dlouhodobé digitální ochrany Národní knihovny České republiky, která je jedinou institucí zabývající se v takovém rozsahu ochranou českého webu. V práci je podrobně popsán proces přípravy dat, proces vytváření metadat a proces uložení do LTP úložiště NK ČR, včetně příkladů a jejich vysvětlení. V závěru práce je přiblíženo, jako další kroky český webový archiv čekají, aby byl schopný svá data dlouhodobě ochránit. Powered by TCPDF (www.tcpdf.org)
|
|
|
Automatizovaná rekonstrukce webových stránek
Serečun, Viliam ; Ryšavý, Ondřej (oponent) ; Veselý, Vladimír (vedoucí práce)
Mnoho právnych inštitúcií vyžaduje dôkazné bremeno týkajúce sa webového obsahu. Táto diplomová práca sa zaoberá problémom spojeným s automatizáciou webovej rekonštrukcie a webovou archiváciou. Hlavným cieľom je poskytnúť riešenie s s otvoreným zdrojovým kódom , ktoré uspokojí právne inštitúcie s ich požiadavkami. Táto práca predstavuje dva hlavné produkty. Prvý je rámcový program, ktorý je základným stavebným kameňom pre vývoj aplikácií na extrakciu a archiváciu webových stránok. Druhým produktom je prototyp webovej aplikácie. Tento prototyp ukazuje využitie rámcového programu pri riešení požiadavok týchto inštitúcií. Výstupom aplikácie je archív formátu MAFF, ktorý obsahuje zrekonštruovanú webovú stránku, snímku obrazovky webovej stránky a tabuľku meta-informácií. Táto tabuľka zobrazuje informácie o zhromaždených údajoch, informáciách o serveroch, ako sú napríklad IP adresy a porty zariadenia, na ktorom sa nachádzala pôvodná webová stránka, a časové razítko.
|
|
|
Dlouhodobé uchování webového obsahu
Kvasnica, Jaroslav ; Pokorný, Jan (vedoucí práce) ; Souček, Martin (oponent)
Tato práce řeší problematiku dlouhodobé ochrany digitálních dokumentů, konkrétně webových stránek. Cílem práce je tuto problematiku vysvětlit, vymezit rozdíly mezi různými přístupy k ní, popsat možnosti dlouhodobého uchování webového obsahu, jako je migrace a emulace nebo vysvětlit jaká jsou rizika a výzvy při zavádění těchto strategií. Na základě této práce je možné si udělat představu o tom, jaké nové problémy přináší snaha o dlouhodobou ochranu webového obsahu a jaká jejich řešení jsou v současné době dostupná. Zároveň práce přináší pohled, jakým způsobem k problematice přistupují některé významné zahraničních institucí. Hlavním výsledkem této práce je podrobná analýza strategie dlouhodobé digitální ochrany Národní knihovny České republiky, která je jedinou institucí zabývající se v takovém rozsahu ochranou českého webu. V práci je podrobně popsán proces přípravy dat, proces vytváření metadat a proces uložení do LTP úložiště NK ČR, včetně příkladů a jejich vysvětlení. V závěru práce je přiblíženo, jako další kroky český webový archiv čekají, aby byl schopný svá data dlouhodobě ochránit. Powered by TCPDF (www.tcpdf.org)
|
|
|
Srovnávací analýza WebArchivu Národní knihovny ČR se zahraničními projekty
Kupcová, Pavla ; Římanová, Radka (vedoucí práce) ; Bratková, Eva (oponent)
(česky) Tématem diplomové práce je porovnání vybraných zahraničních webových archivů s WebArchivem, které jsou zodpovědné za uchovávání národního kulturního dědictví. V úvodu je stručně objasněna historie webových archivů a typologie sklizní. Další části jsou věnovány historii, právní stránce archivace, typech zvolených sklizní, výběru webových zdrojů, systémech, zpřístupnění a zhodnocení českého (WebArchiv NK ČR), australského (Pandora) a britského archivu (UK Web Archive). Následuje zhodnocení všech vybraných archivů, kde jsou uvedeny silné a slabé stránky archivů a případná řešení. V závěru jsou nastíněny problematické aspekty archivace, které je potřeba v budoucnu řešit. [Autorský abstrakt]
|
host ::
RSS.