Gli strumenti di ricerca disponibili in rete sono di due tipi:

1

• Gli strumenti di ricerca disponibili in rete sono
  di due tipi
• i motori di ricerca per termini
• gli indici sistematici

2
I motori di ricerca per termini ricercano parole
o combinazioni di parole in un archivio
indicizzato di documenti in formato
digitale. Lindice è tenuto aggiornato da un
daemon ovvero un software che si muove
continuamente lungo la rete, seguendo ogni link
incontrato e indicizzando tutte le pagine percorse
3
per quanto estesa, la base di indicizzazione di
un motore di ricerca per termini copre solo una
parte delle pagine realmente disponibili in rete.
A metà 2002 il più importante motore di ricerca
(Google) indicizzava circa un miliardo e mezzo di
pagine, e a maggio 2003 dichiarava di indicizzare
oltre tre miliardi di pagine Web Oggi dichiara di
indicizzare four billion web pages
4
a metà del 2003, il numero complessivo di pagine
Web era approssimativamente compreso fra i 7 e i
10 miliardi. Un buon motore di ricerca arriva a
coprire, dunque, solo il 30-35 del numero
complessivo di pagine in rete. Ne consegue,
quindi, che i risultati di una ricerca in rete,
per quanto accurata non potranno essere mai
considerati completi o esaustivi
5
Gli indici sistematici la ricerca sistematica
avviene su cataloghi ragionati di risorse,
directory in inglese, suddivisi per settori e
organizzati gerarchicamente. In questo caso la
base di dati è assai più ristretta ma la
valutazione della pertinenza di una determinata
informazione non è più meccanica, bensì il
risultato di una selezione umana, e
l'informazione è inserita all'interno di una
struttura di classificazione.
6
Una differenza rilevante tra i due sistemi è che
il motore di ricerca per termini indicizza e
restituisce singole pagine - quelle nelle quali
compare il termine cercato - , mentre l'indice
sistematico indicizza interi siti, anche se
ovviamente l'accesso al sito avviene anch'esso
attraverso una pagina la sua pagina iniziale o
home page.
7
La differenza tra motori di ricerca per termini e
indici sistematici è sostanziale, la confusione
tra i due può essere accresciuta dal fatto che,
molti indici sistematici, come Yahoo, permettono
l'accesso anche a un motore di ricerca per
termini, e viceversa.
8
Motore di ricerca per termini
http//www.yahoo.it/ Catalogo
sistematico http//www.google.it/dirhp?hlittab
wdq Yahoo! è nato nellaprile 1994, da David
Filo e Jerry Yang, studenti di ingegneria
elettronica all'Università di Stanford, che
avevano iniziato a creare pagine riassuntive con
link ai siti Internet di loro interesse. Si
trasformò progressivamente in un vero e proprio
database, ricco di migliaia di pagine
indicizzate. All'inizio del 1995 Mark Andreessen,
cofondatore della Netscape, percepì l'interesse
dello strumento creato da Filo e Yang, e si offrì
di contribuire alla trasformazione
dell'iniziativa in una impresa commerciale.
Adesso Yahoo! è una impresa privata, quotata in
borsa.
9
Open Directory un altro, prezioso servizio di
catalogazione sistematica dei siti è Open
Directory http//dmoz.org/ Al posto di un
centinaio di redattori professionisti, Open
Directory si basa sulle segnalazioni di diverse
migliaia (circa 56.000 nell'aprile 2003) di
volontari. Un sistema di controlli incrociati
permette di verificare l'affidabilità delle
segnalazioni e della loro categorizzazione. Questa
risorsa si basa sullo spirito collaborativo
della rete, e sull'idea della libera condivisione
di conoscenze tipica del movimento dell'open
software. Ciò non ha impedito tuttavia a Open
Directory di diventare una realtà di tutto
rispetto anche dal punto di vista
commerciale. Open Directory è gestita da AOL
(America On Line) attraverso la Netscape
Corporation, Open Directory ed è l'indice
sistematico offerto da portali e siti di ricerca
di tutto rilievo Google, America On Line,
Netscape, Lycos, HotBot, Excite. Ad oggi, Open
Directory cataloga quasi quattro milioni di siti,
organizzati in oltre 460.000 categorie, mentre
Yahoo! cataloga fra i due e i tre milioni di
siti. E dallAprile del 2000 che Open Directory
offre una base più ampia di siti indicizzati di
Yahoo! http//dmoz.org/World/Italiano/
10
Altri servizi di catalogazione
sistematica Oltre a Yahoo! e Open Directory
esistono altri servizi di catalogazione
sistematica delle risorse disponibili su
Internet, la directory di Looksmart
http//www.looksmart.com/ è utilizzata nella
sezione 'directory' di Altavista e di Microsoft
Network About http//www.about.com è una
directory organizzata in circa 700 aree
tematiche, ciascuna delle quali affidata a un
volontario esperto ('guida'). Infogrid
http//www.infogrid.com unisce le funzioni di
Web directory e di metamotore di ricerca
http//www.reference.com è un elenco di risorse
nel campo degli strumenti di 'reference'
dizionari, vocabolari, enciclopedie, atlanti e
servizi di mappe e indici sistematici del Web
11
Cataloghi sistematici in italiano Come abbiamo
visto sia Yahoo! che Open Directory hanno la
versione italiana dei indici. Fra gli altri
servizi vanno segnalati Virgilio, che offre una
scelta informativa ricca anche di articoli e
suggerimenti http//www.virgilio.it Arianna
http//arianna.libero.it/ che permette ricerche
sia sul proprio indice di siti italiani, sia sui
principali motori internazionali. SuperEva
http//www.supereva.it la cui directory è
all'indirizzo http//dir.supereva.it che integra
le segnalazioni di un'altra web directory
italiana, quella di 100Links http//100links.supe
reva.it Il sito è nato nel dicembre 1999 ed è
realizzato dalla società Dada, che sul modello di
About si affida a delle guide per realizzare le
schede tematiche dedicate alla segnalazione di
risorse Web. Il Trovatore http//www.iltrovatore.
it Godado http//www.godado.it orientato al
marketing ABCItaly, che dichiara un catalogo di
80.000 siti italiani http//www.abcitaly.com
12
I motori di ricerca per termini Nei motori di
ricerca per termini la ricerca avviene indicando
una parola, o una combinazione di parole, che
consideriamo associata al tipo di informazione
che vogliamo reperire
13
I motori di ricerca per termini I motori di
ricerca utilizzano programmi chiamati "spiders"
capaci di visitare continuamente una grande
quantità di siti web, leggere il testo contenuto
nelle pagine ed estrarre quelle parole/termini
che caratterizzano il sito. Per ogni pagina
letta, lo spider cerca al suo interno e memorizza
ogni link (collegamento) ad altri siti,
aggiungendolo ad una lista di siti da visitare.
In questo modo, attraverso un processo a catena,
lo spider è in grado di ottenere una quantità
enorme di indirizzi di siti e pagine web,
riuscendo ad incrementare il numero di siti
conosciuti molto più di quanto possa essere fatto
dalle directory, che si basano su un lento
meccanismo di iscrizione e valutazione dei siti,
operato da una redazione.
14
I motori di ricerca per termini Per consentire
ad uno spider di trovare agevolmente tutte le
pagine che compongono un sito web bisogna fare in
modo che da qualunque pagina del sito sia
possibile risalire, direttamente o
indirettamente, a tutte le altre pagine. Il
sistema migliore è quello raccomandato per
facilitare la navigazione di inserire in ogni
pagina del sito un link alla homepage. In questo
modo, in qualunque pagina del sito lo spider
dovesse arrivare (magari seguendo un link trovato
su un altro sito) potrà risalire alla pagina
principale e, da lì, trovare tutte le altre
pagine seguendo i link incontrati.
15
I motori di ricerca per termini Gli spider non
prendono in considerazione la grafica delle
pagine ma focalizzano il loro lavoro di analisi
esclusivamente sul testo. Questo significa che
ogni immagine o animazione viene ignorata e che
gli unici contenuti su cui lo spider si basa per
valutare il sito sono quelli testuali. Qualunque
immagine gif e jpeg anche se rappresenta un
bottone testuale verrà ignorata. L'unico testo
che lo spider potrà leggere sarà quello ASCII,
contenuto nei tag del codice HTML.
16

• I motori di ricerca per termini
• Gli spiders considerano maggiormente le parole o
  frasi contenute
• Nel titolo (tag TITLE) i motori di ricerca
  assegnano al titolo della pagina una importanza
  molto alta.
• Nei meta tag (DESCRIPTION, KEYWORDS, ROBOTS)
  ovvero tag speciali attraverso i quali si
  forniscono informazioni relative alla pagina web
• Nelle intestazioni (tag H1) una sorta di
  sottotitoli che hanno un ruolo intermedio tra il
  titolo vero e proprio e il testo
• Nelle prime righe di testo di una pagina Web
• Nei testi che descrivono i link (tag A)
• Nelle parti evidenziate in neretto o in corsivo
• Nel nome del file (.html)

17
Prominenza e prossimità Nel tentativo di
realizzare pagine web fortemente focalizzate su
una keyword o keyphrase principale, è importante
accertarsi che tali parole-chiave compaiano nel
testo della pagina in punti particolarmente
visibili. I motori di ricerca, infatti, possono
attribuire maggiore importanza a quei termini che
occupano una posizione ben visibile agli utenti.
La "prominenza" delle keyword (keyword
prominence) e la loro "prossimità" (keyword
proximity) sono due importanti fattori che, se
gestiti adeguatamente, permettono di aumentare la
rilevanza delle parole-chiave per una pagina.
18
Prominenza (prominence) Per prominenza di una
keyword si intende la vicinanza tra la keyword e
l'inizio di una generica zona di riferimento. Le
zone di riferimento possono essere molteplici. Ad
esempio, la prominenza di una keyword nel testo
di una pagina consiste nella vicinanza tra la
keyword e l'inizio del testo, la prominenza di
una parola-chiave nel titolo della pagina si
riferisce a quanto la parola-chiave è vicina
all'inizio del titolo, e così via. Maggiore è la
vicinanza con l'inizio della zona presa in
considerazione, maggiore sarà la visibilità della
keyword agli utenti e conseguentemente maggiore
sarà il peso che i motori di ricerca assegneranno
alla keyword.
19
Tra le zone della pagina che bisogna prendere in
considerazione, quelle in cui è consigliato
curare la prominenza sono il titolo (tag TITLE),
le intestazioni (tag H1, H2, ecc.) e i vari
paragrafi di testo della pagina, in particolar
modo quelli che appaiono allinizio.Scegliendo
come parola-chiave comunicazione", ecco come
potrebbe apparire il primo paragrafo del testo di
una pagina .Il ruolo sempre più importante
della comunicazione pubblica impone un
cambiamento radicale nel modo di lavorare. Gli
uffici di relazioni con il pubblico assumono un
ruolo.. Notate come la keyword principale appaia
proprio all'inizio del testo, garantendole una
visibilità superiore rispetto alle altre parole
del paragrafo. Questa vicinanza soddisfa il
requisito principale della prominenza, tuttavia è
stato osservato che alcuni motori di ricerca
ritengono similarmente visibili e attribuiscono
dunque più peso anche alle parole presenti in
fondo alla zona presa in considerazione.
20
Il nostro esempio potrebbe dunque variare nel
seguente modo .Il ruolo sempre più importante
della comunicazione pubblica impone un
cambiamento radicale nel modo di lavorare. Gli
uffici di relazioni con il pubblico assumono un
ruolo importante anche nella comunicazione
interna Adesso la keyword comunicazione" appare
sia all'inizio che al termine del paragrafo.
Sarebbe stato possibile ideare un testo in cui la
parola chiave apparisse esattamente come prima e
ultima parola del paragrafo, ma è preferibile
adottare questa soluzione solo nei casi in cui il
testo rimanga ben leggibile a volte si ottiene
un testo più "naturale" e gradevole alla lettura
proprio evitando a tutti costi la coincidenza con
i primi o gli ultimi termini del paragrafo.
21
Prossimità (proximity) Per prossimità si intende
la vicinanza reciproca delle keyword prese in
considerazione. Se una keyword si ripete
all'interno del testo e se tali ripetizioni sono
vicine tra loro, si viene a creare quello che
potremmo definire un "punto di concentrazione"
delle parole-chiave, una concentrazione che può
aumentare la rilevanza delle parole-chiave
all'interno del paragrafo e di conseguenza
nell'intera pagina. Ovviamente le ripetizioni di
termini non devono pregiudicare il grado di
leggibilità del testo. Inoltre, a volte, nel
tentativo di aggiungere una keyword in più e
aumentare così la prossimità, si rischia di
diminuirne la prominenza.
22
Prossimità (proximity) (segue) Nel paragrafo di
testo finora usato come esempio .Il ruolo
sempre più importante della comunicazione
pubblica impone un cambiamento radicale nel modo
di lavorare. Gli uffici di relazioni con il
pubblico assumono un ruolo importante anche nella
comunicazione interna la seconda occorrenza della
keyword è più distante dall'inizio del paragrafo,
quindi per acquistare in prossimità è stata persa
un po' di prominenza. Aggiungere ulteriori
ripetizioni potrebbe essere controproducente,
appesantirebbe eccessivamente il paragrafo e
rischierebbe di far suonare un campanello
d'allarme durante i controlli di "genuinità" dei
motori di ricerca. Anche la formattazione
grassetto e corsivo aumentano il peso della
parola chiave
23
Oltre ai sistemi leciti sinora descritti
esistono anche una serie di trucchi che
aumentano artificiosamente il posizionamento di
una pagina nei risultati di un motore di
ricerca Scrivere il testo con lo stesso colore
dello sfondo della pagina questo permette di
aumentare le parole chiave senza appesantire i
testi delle pagine. Solo lo spider legge le
parole chiave che non sono visibili
allutente. Inserire il testo nei tag o meta tag
che non vengono mostrati a video ma che servono
solo per descrivere alcune parti delle pagine
html (ad esempio i tag di commento) Usare delle
pagine di reindirizzamento da cui si transita
solo per pochi secondi per poi essere dirottati
sulla pagina principale Uso della tecnica di
Cloaking che consente di visualizzare contenuti
diversi in base a chi li visita. Possono essere
mostrate pagine zeppe di keywords agli spiders e
pagine normali agli utenti.
24
Come segnalare un sito web ai motori di
ricerca? E importante distinguere la
segnalazione dalla registrazione di un sito negli
archivi di un motore di ricerca. Lutente può
solo segnalare lesistenza di un sito perché la
registrazione viene fatta dal motore di
ricerca. La segnalazione, inoltre, non garantisce
affatto la registrazione La segnalazione viene
fattta tramite un apposito modulo presente sul
motore di ricerca (alcuni motori come google
richiedono solo la url principale, altri come
altavista richiedono tutti gli url delle singole
pagine) http//www.google.it/intl/it/add_url.html
http//it.altavista.com/addurl/default
25
Fondato nel settembre 1998 da Larry Page e Sergey
Brin, Google è diventato in pochissimi anni il
più importante motore di ricerca su Web, tanto da
far nascere nel mondo anglosassone il neologismo
to google, sinonimo di cercare in rete.
Attualmente Google dichiara di indicizzare
quattro miliardi di documenti accessibili su Web
Google infatti indicizza, oltre alle pagine HTML,
anche diversi altri tipi di documenti come i file
PDF i documenti Word e le presentazioni
PowerPoint. LAzienda ha più di 800 dipendenti, e
risponde a oltre duecento milioni di richieste al
giorno.
26

Il nome del sito è un gioco di parole basato
sulla parola 'googol', inventata da Milton
Sitotta, nipote del matematico Edward Kasner, per
riferirsi al numero rappresentato da un '1'
seguito da cento '0' simbolo dell'enorme
quantità di informazione che il motore di ricerca
gestisce.
27
La tecnologia di ricerca impiegata da Google
PageRank Google utilizza una tecnologia basata
su hardware e software avanzato. La velocità con
cui possono essere eseguite le ricerche è
attribuibile in parte all'efficienza
dell'algoritmo di ricerca e in parte all'elevato
numero di PC collegati in rete, che, insieme,
contribuiscono a creare un motore di ricerca
superveloce. Il nucleo principale del software
è rappresentato da PageRank(TM), che consiste in
un sistema che permette di classificare le pagine
Web in ordine di importanza. Il sistema è stato
sviluppato dagli stessi Larry Page e Sergey Brin
all'Università di Stanford. PageRank continua ad
essere l'elemento chiave degli strumenti di
ricerca di Google.
28
Basato sullo specifico carattere "democratico"
del Web, PageRank sfrutta la vastissima rete di
collegamenti associati alle singole pagine per
determinarne il valore. In pratica, Google
interpreta un collegamento dalla pagina A alla
pagina B come un "voto" espresso dalla prima in
merito alla seconda. Tuttavia, non si limita a
calcolare il numero di voti, o collegamenti,
assegnati a una pagina. Oltre a effettuare questo
calcolo, Google prende in esame la pagina che ha
assegnato il voto. I voti espressi da pagine
"importanti" hanno più rilevanza e quindi
contribuiscono a rendere "importanti" anche le
pagine collegate
29
Integrità I complessi metodi di ricerca
automatici di Google sono studiati per limitare
al minimo le interferenze degli utenti. Sebbene
vengano visualizzati annunci pubblicitari accanto
ad alcuni dei risultati più rilevanti, Google non
vende spazi pubblicitari all'interno dei
risultati (cioè i clienti non possono acquistare
un PageRank superiore). Le funzioni di ricerca di
Google offrono un sistema semplice, onesto ed
obiettivo per trovare siti Web di alta qualità
contenenti dati rispondenti a quelli ricercati.
30
L'indirizzo di Google è http//www.google.com ma
il sito è in grado di interpretare le
impostazioni del browser relative alle lingue
preferite presentandosi automaticamente con
l'interfaccia nella lingua preferita
dall'utente. La traduzione riguarda solo
l'interfaccia, mentre il database sul quale viene
svolta la ricerca è comunque lo
stesso. l'interfaccia inglese è sempre
raggiungibile attraverso il link 'Google in
English'. alla pagina http//www.google.it/langua
ge_tools?hlit potete scegliere l'interfaccia
preferita fra una novantina di lingue diverse,
inclusi il latino e l'esperanto
31
Funzione Calcolatrice di Google Per usare la
funzione calcolatrice di Google, inserite nella
spazio di ricerca lespressione che volete
risolvere e fate Invio o cliccate su Cerca con
Google. La calcolatrice può eseguire espressioni
matematiche di semplice aritmetica (522 or
220) e più complicate come (e(i pi)1). Potete
anche sperimentare calcoli con altri sistemi
matematici come esadecimale e binario. http//ww
w.google.it
32
Funzione Ricerca di file .PDF Google è in grado
di ricercare anche file in formato .PDF (Adobe
Portable Document Format). Sebbene i file .PDF
non siano così numerosi come i file HTML,
contengono spesso informazioni di alta qualità
non disponibili in altri formati. Per i file
.PDF, al posto dell'indicazione Versione cache
viene visualizzata l'indicazione Versione testo,
che contiene una copia del documento .PDF senza i
relativi elementi di formattazione. Per
visualizzare i risultati senza i collegamenti
.PDF, digitare "filetypepdf" nel campo di
ricerca insieme ai termini ricercati. http//www.g
oogle.it
33
Funzione pagine simili sfrutta un algoritmo di
'filtraggio collaborativo' (basato cioè
sull'analisi delle abitudini di navigazione degli
utenti) elaborato dalla società Alexa (di
proprietà di Amazon) per collegare fra loro siti
di argomento analogo. Si può svolgere la ricerca
direttamente dalla pagina di Alexa
http//www.alexa.com i risultati sono gli
stessi che si otterrebbero usando la funzione di
Google, ma i singoli siti sono accompagnati da
una valutazione, da note sul traffico del sito e
da brevi recensioni.
34
Funzione Traduzione di pagine Web Il nuovo
programma di traduzione di Google (in versione
Beta) consente di superare qualsiasi barriera
linguistica alla comunicazione globale. L'uso di
questa tecnologia di traduzione automatica
permette ad utenti di lingua inglese di accedere
ad una vasta gamma di pagine Web in altre
lingue. Se i risultati della ricerca comprendono
pagine in lingue diverse dall'inglese, viene
visualizzato anche il collegamento alla versione
inglese della pagina. Per visualizzare la
traduzione dei titoli e delle sintesi dei
risultati delle ricerche in inglese, è possibile
attivare l'opzione di traduzione nella pagina
Preferenze. Se si attiva questa opzione, Google
traduce automaticamente i risultati della ricerca
in inglese.
35
GoogleWhacking http//www.googlewhack.com è la
ricerca di termini o espressioni per i quali
Google fornisce una sola, singola occorrenza.
Google Fight http//www.googlefight.com è il
confronto del numero di occorrenze di due termini
all'interno degli indici di Google. In genere, si
tratta di nomi di persone (da inserire tra
apici). Un tipo particolare di Google Fight è
quello in cui si cerca di trovare due nomi con lo
stesso numero di occorrenze.
36
Uso degli operatori booleani per la ricerca
avanzata AND OR NOT
37
Altri motori di ricerca Alltheweb
http//www.alltheweb.com la migliore alternativa
a Google. Realizzato da una società europea, la
norvegese Fast, http//www.fast.no Alltheweb è
stato acquistato nel 2003 dalla statunitense
Ouverture http//www.overture.com una delle
società leader del settore, a sua volta
acquistata da Yahoo! nel luglio 2003. Dichiarava
di indicizzare a fine agosto 2003 oltre 3
miliardi di pagine.
38
Altri motori di ricerca per termini Yahoo!
(http//www.yahoo.com/). MSN Search
(http//search.msn.com/) Altavista
(http//www.altavista.com/) Ask Jeeves
(http//www.ask.com/) HotBot (http//www.hotbot.c
om/) Lycos (http//www.lycos.com/)
39
Alcune metarisorse EZ-Find http//www.theriver.co
m/TheRiver/Explore/ezfind.html I-tools
http//www.itools.com/ http//www.itools.com/searc
h/ http//www.stpt.com/pwrsrch.asp http//www.fa
ganfinder.com/ http//www.ithaki.net/
40
Il futuro il Web agent Lagente software è un
programma in grado di svolgere per nostro conto
determinate ricerche reagendo autonomamente ai
risultati della ricerca stessa 'filtrandoli'
attraverso l'uso di criteri specifici. Il
programma 'agente' potrebbe inoltre risiedere
fuori dal nostro computer (potrebbe ad esempio
trattarsi di un programma ospitato da un server
remoto, o addirittura 'distribuito' fra più
server remoti) da un lato la necessità di
rimanere sempre collegati durante le ricerche e
migliorando dallaltro le prestazioni sui tempi
di ricerca. Uno degli esempi più evoluti in
questo settore è rappresentato da Copernic Agent
http//www.copernic.com
41
Web semantico XML costituirà la base ideale per
la costrizione di quello che è stato battezzato
"Semantic Web". L'idea di fondo del web
semantico è quella di far diventare la Rete in
grado di capire le nostre richieste. I documenti
non dovrebbero più risultare come delle "isole di
dati", ma piuttosto come dei database aperti nei
quali un "applicativo" possa distinguere le
informazioni contenute, ricavandone solo quelle
richieste. Il web semantico si propone d'inserire
nell'architettura della Rete elementi in grado di
consentire ad agenti informatici una certa
capacità d'azione. Si potrebbe ad esempio
immaginare che un motore di ricerca, scorrendo le
pagine alla ricerca di una prenotazione aerea,
fosse in grado di capire quali link portano alle
pagine relative alla destinazione richiesta,
quali siano i costi e gli orari dei biglietti, di
confrontare tra loro le offerte e di coordinare
la partenza con l'agenda dell'utente o con le
limitazioni sui costi prima impostate.
42
Tutto questo non in virtù di sistemi di
intelligenza artificiale, ma molto più
semplicemente in virtù di una marcatura dei
documenti, attraverso un linguaggio gestibile da
tutte le applicazioni e dall'introduzione di
vocabolari specifici, cioè di collezioni di frasi
alle quali possano associasi relazioni stabilite
fra gli elementi marcati. In pratica il web
semantico per funzionare deve poter disporre di
informazione strutturata e di regole di deduzione
per gestirla, in modo da accostare quelle
informazioni che un'interrogazione ha richiesto.
web semantico