La terza generazione dei motori di ricerca I

Contributo di Lucio Miranda www.inetitalia.com


E’ ormai nozione comune che i motori di ricerca cambiano costantemente le regole con cui indicizzano e catalogano le pagine web. Le ragioni di questo continuo cambiare sono due: il numero di pagine pubblicate online cresce a dismisura e con esso cresce il tentativo di “ingannare” i motori di ricerca per cercare di conquistare posizioni da capoclassifica per le proprie pagine.

Una delle tecniche piu’ comunemente impiegate a tale scopo e’ la creazione delle cosiddette pagine “gateway”. In molti casi si tratta di pagine uguali l’una all’altra con solo dei minimi cambiamenti nel testo per promuovere l’una o l’altra parola chiave.

L’obiettivo dei motori di ricerca e’ totalmente opposto: estrarre dal mucchio pagine che siano rilevanti per la ricerca effettuata e levare di mezzo pagine che sono in buona sostanza dei gran doppioni.

Questa, in breve, e’ la situazione.

Cambiamenti profondi si stanno profilando all’orizzonte con l’emergere di quella che viene ormai definita la “terza generazione” dei motori di ricerca. Questo articolo si pone come obiettivo di spiegare come i motori di ricerca siano arrivati alla decisione di implementare una terza generazione dei loro sistemi di ricerca, indicizzazione e catalogazione e quale sara’ l’impatto su tutti noi comuni mortali.


Tre generazioni di motori di ricerca

Agli albori della storia di Internet i motori di ricerca basavano la catalogazione dei siti basandosi sul testo della pagina e sulla densita’ delle parole di ricerca e la Prima Generazione aggiunse i META Tags ai criteri di decisione.

Con la Seconda Generazione, quella attualmente ancora largamente in uso, i motori di ricerca hanno cominciato ad analizzare:

• Popolarita’ della pagine: quantita’ e qualita’ dei link verso la nostra pagina. In questo senso un link da YAHOO! conta molto di piu’ di un link che arriva dalla ditta Rossi.com
• Permanenza: quanto piu’ lunghe sono le permanenze medie dei visitatori del nostro sito, tanto piu’ alta sara’ la sua rilevanza.
  

La Terza Generazione (G3) nello sviluppo dei motori di ricerca si sta affacciando adesso sulla scena. E’ da chiarire che i motori di ricerca sono sempre gli stessi: si evolvono passando dalla Prima alla Terza generazione con la applicazione di nuove tecniche di indicizzazione e catalogazione ma i nomi rimangono quelli che conosciamo ormai da sempre: Excite, Lycos, Inktomi etc.


Page Vector (PV) e Term Vector (TV)

La spiegazione tecnica di queste due nuove categorie di analisi e’ piuttosto complicata. Di seguito cerchero’ di renderla semplice ed intuitiva. Pur nella semplificazione e nella approssimazione dei concetti, la spiegazione coglie gli aspetti essenziali dei fenomeni indagati.

• Core sites
  
  L’insieme dei siti relativi ad argomenti omogenei presenti nell’indice di un motore di ricerca rappresenta il “core”. Ad esempio, se un MR ha gia’ catalogato 5000 siti che trattano di gioielleria, questi siti rappresentano il “core” dei siti di gioielleria. Quando registrerete il vostro sito (e voi siete dei produttori di gioielli ..) il vostro sito verra’ confrontato con il “core” dei siti di gioielleria.
  

• PV
  
  I motori G3 fanno l’analisi di tutte le pagine di ciascun “core” e calcolano un Page Vector, in pratica danno un “voto” a ciascuna pagina presente nel loro indice e relativa ad un certo argomento. Ad esempio, prendiamo la gioielleria. Il MR analizzera’ le caratteristiche di tutte le pagine relative alla gioielleria presenti nell’indice ed assegnera’ un voto a ciascuna di esse. La media dei voti, o altre manipolazioni statistiche di tali voti, sara’ il PV.
  

• TV
  
  Supponiamo che siate dei produttori di gioielli. Supponiamo che produciate gioielli in argento, monili da indossare. Supponiamo che abbiate registrato il vostro sito con un motore G3. Il MR analizzera’ le caratteristiche della vostra pagina e le assegnera’ un Term Vector. Il TV viene poi comparato con il PV assegnato al “core” della gioielleria ed il confronto determina la posizione del vostro sito nell’indice (in altre parole, il confronto detrrminera’ se il vostro sito apparira’ al primo posto, al millesimo posto oppure in una posizione intermedia).
  
  Piu’ il TV e’ vicino al PV piu’ il vostro sito aumentera’ di rilevanza. L’ideale sarebbe di far si’ che il vostro sito sia inserito nel “core” della gioielleria. E’ da notare che il “core” e’ un numero chiuso, per ogni sito di gioielleria che entra nel “core” della gioielleria un altro sito di gioielleria viene eliminato. Al momento Inktomi accetta registrazioni a pagamento per siti da inserire nei vari “core” del loro indice. Un occasione da non perdere.