Motore di ricerca

Da WikiPA.

Un motore di ricerca (in inglese search engine) è un sistema automatico che analizza un insieme di dati spesso da esso stesso raccolti e restituisce un indice dei contenuti disponibili classificandoli in base a formule statistico-matematiche che ne indichino il grado di rilevanza data una determinata chiave di ricerca.

Uno dei campi in cui i motori di ricerca trovano maggiore utilizzo è quello dell'information retrieval e nel web.

Motori di ricerca per il web

Esistono numerosi motori di ricerca attivi sul web. Il più utilizzato, su scala mondiale (con un indice che supera gli 8 miliardi di pagine), è Google; molto usati anche Windows Live e Bing (motori di ricerca della Microsoft), Yahoo!, Ask. Da segnalare il tentativo di creare il primo motore di ricerca europeo, Quaero concorrente di Google con una iniziativa franco-germanica. Il progetto, stimato attorno ai 400 milioni di dollari, è stato abbandonato dopo pochi mesi per la rinuncia da parte della compagnia tedesca.

Fra i motori di ricerca nati in Italia quelli maggiormente utilizzati nel nostro paese sono Libero, Virgilio. Tuttavia non sono veri motori di ricerca giacché si limitano a riutilizzare Google. Libero e altri ne evidenziano chiaramente il logo, mentre Virgilio ne usa i risultati senza evidenziarne la fonte, limitandosi solo ad aggiungere alcuni propri risultati sponsorizzati.

Anno Motore Evento
1993 Template:Bandiera Aliweb Lancio
1994 Template:Bandiera WebCrawler Lancio
Template:Bandiera Infoseek Lancio
Template:Bandiera Lycos Lancio
1995 Template:Bandiera AltaVista Lancio
Magellan Lancio
Template:Bandiera Excite Lancio
Template:Bandiera SAPO Lancio
Template:Bandiera Virgilio Fondazione
1996 Template:Bandiera Dogpile Lancio
Template:Bandiera Inktomi Fondazione
Template:Bandiera AbcItaly.com Lancio
Template:Bandiera HotBot Fondazione
Template:Bandiera Ask.com Fondazione
1997 Template:Bandiera Northern Light Lancio
Template:Bandiera Yandex Lancio
1998 Template:Bandiera Google Lancio
1999 Template:Bandiera AlltheWeb Lancio
Template:Bandiera Naver Lancio
Template:Bandiera Teoma Fondazione
Template:Bandiera Vivísimo Fondazione
2000 Template:Bandiera Baidu Fondazione
Template:Bandiera Exalead Lancio
2003 Info.com Lancio
2004 Template:Bandiera Yahoo! Search Lancio finale
Template:Bandiera A9.com Lancio
2005 Template:Bandiera Windows Live Search Lancio finale
Template:Bandiera Ask.com Lancio
Template:Bandiera GoodSearch Lancio
2006 Template:Bandiera Wikiseek Fondazione
Template:Bandiera Quaero Fondazione
Template:Bandiera Ask.com Lancio
Template:Bandiera Windows Live Search Lancio
Template:Bandiera ChaCha Lancio beta
Template:Bandiera Guruji.com Lancio beta
2007 Template:Bandiera Wikiseek Lancio
Template:Bandiera Wikia Search Lancio
2008 Template:Bandiera Cuil Lancio (chiuso)
2009 Wolfram Alpha Versione sperimentale
Template:Bandiera Bing Lancio
Template:Bandiera Coozila! Lancio

Funzionamento

La maggior parte dei motori di ricerca che opera sul web è gestito da compagnie private che utilizzano algoritmi proprietari e database tenuti segreti. Esistono comunque diversi tentativi di dar vita a motori di ricerca fondati sul software libero, alcuni esempi sono:

Le fasi

Il lavoro dei motori di ricerca si divide principalmente in tre fasi:

  • analisi del campo d'azione (tramite l'uso di crawler appositi);
  • catalogazione del materiale ottenuto;
  • risposta alle richieste dell'utente;

Catalogazione

Dopo l'analisi delle pagine, a seconda di criteri che variano da motore a motore, alcune di esse vengono inserite nel database e nell'indice del motore di ricerca.

La parte testuale archiviata durante la fase di analisi verrà in seguito analizzata per fornire le risposte alle ricerche degli utenti. Molti motori di ricerca sul web rendono anche disponibile una copia dei dati testuali di ogni pagina archiviata per quando la risorsa originale sia irraggiungibile: questa funzione è detta copia cache.

Risposta

Rispondere alle richieste degli utenti implica la necessità di elencare i siti in ordine di rilevanza rispetto alla richiesta ricevuta.

Per stabilire la rilevanza di un sito vengono cercati nel database quei documenti che contengono la parola chiave inserita dall'utente, dopodiché ogni motore di ricerca sfrutta propri algoritmi per classificare le pagine, controllando, per esempio, quante volte le parole chiave vengono ripetute, quanti link riceve quel documento, in quali punti della pagina sono poste le parole chiave, quanti siti del database contengono link verso quella pagina, o quante volte un utente ha visitato quel sito dopo una ricerca.

Risultati sponsorizzati

I motori di ricerca forniscono anche risultati sponsorizzati, ovvero mostrano in maggiore evidenza nelle SERP (Search Engine Result Pages, Pagine dei risultati dei motori di ricerca) siti web di aziende che pagano per risultare tra i primi risultati quando si cercano termini (detti keyword o parole chiave) che sono in relazione all'ambito di competenza dell'azienda stessa. I risultati sponsorizzati dei motori possono apparire anche sui siti che partecipano al loro programma di affiliazione. In particolar modo, Google permette di far apparire nelle proprie SERP (chiaramente distinti dai risultati "naturali") risultati a pagamento comprati con il programma AdWords. In aggiunta a questo offre anche un servizio di sponsorizzazione che si rivolge a tutti i siti che hanno determinati requisiti, chiamato AdSense. Google AdSense (spesso abbreviato con Google AS) usa le capacità del motore di ricerca di interpretare il tema della pagina in cui è posizionato l'apposito codice per fornire annunci a tema. Yahoo! Search ha annunciato l'arrivo di un programma analogo chiamato Panama.

Raffinazione della ricerca

La possibilità di raffinazione della ricerca varia da motore a motore, ma la maggior parte permette di utilizzare operatori booleani: ad esempio è possibile cercare "Ganimede AND satellite NOT coppiere" per cercare informazioni su Ganimede inteso come pianeta e non come figura mitologica.

Su Google e sui motori più moderni è possibile raffinare la ricerca a seconda della lingua del documento, delle parole o frasi presenti o assenti, del formato dei file (Microsoft Word, PDF, PostScript, ecc.), a seconda della data di ultimo aggiornamento, e altro ancora. È anche possibile cercare contenuti presenti in un determinato sito, ad esempio "Ganimede site:nasa.gov" cercherà le informazioni su Ganimede presenti sul sito della NASA.

Su Exalead si trova una parte speciale per raffinare la ricerca più intuitivamente.

Motori di ricerca più utilizzati

  • Google, oltre ad essere di gran lunga il più usato direttamente, è anche quello con il maggior numero di siti che ne utilizzano il database, anche a causa del programma di sponsorizzazione "AdSense per la ricerca" che appartiene al più vasto programma AdSense.
  • Yahoo!
  • Windows Live Search (Live Search è il motore creato dalla Microsoft ed usato da Microsoft Network, meglio noto come MSN).
  • Ixquick (Ixquick è uno dei pochi motori di ricerca al mondo a garantire la privacy, poiché non conserva né registra gli ip di chi effettua ricerche).
  • Ask.com, usato dalla versione italiana di Excite per un rapporto di partnership.
  • FileByType è una raccolta di moduli di ricerca basati sulle categorie.

Le prime quattro tecnologie proprietarie sono utilizzate da una quantità sterminata di provider e di metamotori di ricerca (il cui nome deriva proprio dal pescare i propri risultati da più motori, come il metamotore incorporato nel portale Excite). A più riprese Microsoft ha provato a comprare Yahoo!, cosa che avrebbe portato ad un ulteriore accorpamento e riduzione delle tecnologie proprietarie in campo, a causa della fusione di Live (il motore della Microsoft) e Yahoo! Search. L'ultimo rifiuto di Yahoo è riportato dal Wall Street Journal in data 6/5/2007 (a fronte di un'offerta di circa 50 miliardi di dollari da parte della società fondata da Bill Gates).

L'unico motore con una tecnologia proprietaria in qualche modo affiancabile come utenza ai quattro big è il cinese Baidu www.baidu.com (Template:Cn, ma che attinge ad un bacino di utenza tanto vasto quanto in crescita, sebbene appartenente ad una sola nazione).

Parte delle descrizioni dei siti presentate nei risultati di ricerca dai principali motori sono importate da DMOZ - ODP. ODP, acronimo di Open Directory Project, non è un motore ma una open directory (basata su listing e recensioni fatte da esseri umani, anche se esistono alcuni meccanismi automatici per eliminare i siti estinti). È stata creata da Netscape, a sua volta comprata da AOL nel 1998 per quasi 25 miliardi di dollari, ed appartiene tuttora ad AOL (che è la divisione internet di Time Warner, divisione nella quale Google ha una modesta partecipazione azionaria).

In Italia

  • Google è utilizzato anche da Libero, Yootube-find, Arianna e Tiscali (per un rapporto di partnership). In Italia il divario fra l'utilizzo di Google e degli altri è talmente vasto che, pur essendo i dati ovviamente variabili, la percentuale delle ricerche effettuate su Google è pari ad un multiplo della somma di tutti gli altri motori di ricerca messi assieme.
  • Yahoo! è utilizzato anche da AltaVista, che venne acquistata indirettamente da Yahoo! quando quest'ultima acquisì Overture, nonché da Kataweb per un rapporto di partnership.
  • Virgilio.it è legato a Google da un rapporto di partnership da diversi anni e ne importa (cosa immediatamente verificabile da chiunque) i risultati di ricerca con minime modifiche come aggiungere propri risultati sponsorizzati ed accorpare quelli che fanno riferimento allo stesso dominio.
  • AbcItaly.it Nato nel 1996, Motore di ricerca e Directory è rimasto forse l'unico motore italiano che fa uso di una propria base di dati originale raccogliendo in maniera autonoma migliaia di registrazioni. Ciò rappresenta però un grosso handicap per il basso livello di precisione di chi registra i siti, che necessitano quindi di una verifica continua e manuale e quindi molto costosa. La Base dati dei siti italiani esige poi una stretta e continua verifica dell'esistenza dei siti che nascono e scompaiono in brevissimo tempo seguendo la vita delle Aziende da cui derivano.

Prospettive di sviluppo

Le più recenti innovazioni nella produzione di algoritmi e di sistemi di Information Retrieval si basano sull'analisi semantica dei termini e sulla conseguente creazione di reti semantiche. Lo stesso Google ha adottato sistemi per la prevenzione dell'errore e la contestualizzazione dei risultati.

È lecito prevedere che nel giro di alcuni anni i motori di ricerca baseranno le proprie tecnologie sia sull'analisi quantitativa dei contenuti (le parole in sé), sia soprattutto su quella qualitativa (il senso delle parole). I motori di ricerca saranno, ad esempio, in grado di distinguere il senso della parola "pesca" a seconda di quale sia il contesto in cui la parola è contenuta (capire se sia il frutto, la disciplina sportiva, o altro). Per muoversi in questa direzione Google ha acquisito Oingo (un tempo noto come "il motore dei concetti") e la tecnologia dell'azienda che lo creò, la Applied Semantics.

Il futuro dei motori di ricerca

La nuova frontiera dei motori di ricerca è il web 2.0. Adottando questa logica molti motori e directory internazionali puntano a una maggiore partecipazione degli utenti nella creazione dei contenuti dei motori di ricerca, in modo da eliminare qualsiasi ricorso a spider o a link sponsorizzati. Con questa logica gli utenti possono segnalare essi stessi i link e decidono se dare o meno popolarità ai siti segnalati.

Voci correlate

Altri progetti

Template:Interprogetto

Collegamenti esterni

Template:Portale