World%20Wide%20Web%20M.%20Andrea%20Rodr

1
World Wide WebM. Andrea Rodríguez TastetsDIIC -
Universidad de Concepciónhttp//www.inf.udec.cl/
andrea
2
Introducción

• La Web se inicia en marzo de 1989 propuesto por
  el investigador Tim Berners-Lee, como un proyecto
  de desarrollo de un sistema de hipertexto, es
  decir un sistema de creación y distribución de
  documentos, que permitiera compartir información
  desarrollada en diferentes aplicaciones, de forma
  sencilla y eficiente, entre equipos de
  investigadores ubicados en distintos lugares
  geográficos.

3
Requerimientos iniciales

• Obtener una interfaz consistente, es decir el
  sistema debería permitir una conexión que al
  menos asegurara una transferencia de datos
  consistente (lo que envío es obtenido intacto).
• Permitir incorporar un amplio rango de
  tecnologías y distintos tipos de documentos.
• Proveer de una herramienta que permita leer los
  documentos desde cualquier lugar y por cualquier
  individuo que este navegando dentro de este
  almacén, y deberá permitir que cualquier
  documento sea accequible en forma paralela por
  dos o más personas de forma sencilla.

4
Posteriormente

• A principios de 1993 se vio surgir al browser
  Mosaic, que cumplía con todos los requerimientos
  que se buscaban (funcionamiento en diversas
  plataformas, poseer una interfaz grafica y fácil
  de usar), lo que produjo su éxito inmediato.
  Después aparecieron Netscape de Netscape Inc. e
  Internet Explorer de Microsoft. Finalmente a
  fines de 1994 y principios de 1995, se formó el
  Consorcio World Wide Web o W3C que esta bajo la
  dirección del fundador de la Web

5
Desafíos de RI

• ? Datos distribuidos sobre diferentes plataformas
• ? Datos volátiles
• ? Gran volumen de datos
• ? Datos redundantes y no estructurados
• ? Calidad de los datos
• ? Datos heterogeneos.

6
Directorios son Robot

• Directorios o buscador sin Robot estos
  buscadores son administrados por personas. Debido
  a esta razón están limitados en el tamaño de la
  base de datos que contiene los documentos
  indexados, es decir limitan el campo de búsqueda.
  Los documentos se indexan después de un análisis
  que también es hecho por personas, es decir, su
  crecimiento se limita a la velocidad de trabajo
  de las personas (incluye actividades como
  agregar páginas nuevas, eliminar páginas que han
  expirado o que han sido eliminadas, etc.).

7
Máquinas de Búsqueda

• La indexación de documentos es realizada
  automáticamente a través de SW que indexa las
  páginas existentes en la Web.

8
Arquitectura Crawler-Indexer
9
Arquitectura de Cosecha
10
Ranking

• Modelos más usados Boolean o Vector y sus
  variaciones
• Ranking tiene que realizarse sin accesar el
  texto,sólo el índice
• Los algoritmos de ranking son top secret
• Es casi imposible determinar el recall

11
Ranking

• No sólo texto,pero también hyperlinks
• La importancia de una página depende de quién
  apunta ella o a quién apunta.
• La web como una grafo dirigido