Motori di ricerca

I motori di ricerca sono sistemi automatizzati che verificano l’insieme dei dati raccolti sul Web (siti) e rendendo un indice di contenuti classificati in base ad algoritmi matematici che ne mostrano il grado di pertinenza data la chiave di ricerca (parole chiave).

Sostanzialmente un motore di ricerca analizza grosse quantità di dati per il recupero mirato attraverso una parola chiave di quelli più rilevanti.

Una delle applicazioni comuni è quella dell'Information Retrieval, ma la più sfruttata è sicuramente quella della ricerca sul Web.
Ci sono molteplici motori di ricerca oggi sul Web. Senza ombra di dubbio quello più utilizzato è Google con circa 9 milioni di pagine indicizzate nei suoi database. Se pur non allo stesso modo sono molto usati anche Yahoo! una presenza storica nel web, e Live il nuovo motore di ricerca della Microsoft.
In Italia i motori di ricerca più importanti sono Libero (già Arianna) e Virgilio (redirect di Alice), anche se non fanno altro che riproporre il database e quindi i risultati di Google. In Libero ne viene evidenziato chiaramente il logo, mentre Virgilio ne utilizza i risultati senza rilevarne la fonte, entrambi propongono anche propri risultati, ma sponsorizzati.

Ogniuno dei motori di ricerca presenti sul web è gestito da società che utilizzano algoritmi proprietari e database molto evoluti e i cui segreti fanno la fortuna di uno o dell’atro. Esistono pure alcuni tentativi di sviluppo di motori di ricerca fondati sul open source, alcuni esempi sono: HTdig, Egothor e OpenFTS.

L’attività dei motori di ricerca si svolge fondamentalmente in tre momenti:

• Ricerca ed esplorazione del Web, utilizzando software detti spiders, robots o crawler.
• Archiviazione delle informazioni raccolte e spesso anche della storia del documento (copia cache)
• SERP, risposte alle query della varia utenza (l’unica parte che possiamo vedere).

Per esaminare la rete internet i software dei motori di ricerca visitano automaticamente le URL, (e comunque tutti i documenti) contenuti nei siti web, e continuano il loro percorso seguendo i link e le successive URL che trovano all'interno dei documenti analizzati, inserendo via via nel loro database tutte le informazioni contenute nelle pagine trovate.
Il testo raccolto e archiviato nel corso della fase di analisi sarà in seguito controllato per dare le risposte alle ricerche degli utenti del motore.

Alcuni motori di ricerca mettono a disposizione una copia dei contenuti della pagina web archiviata qualora la pagina indicizzata sia irraggiungibile: o semplicemente come funzione storica. Questa è detta Copia cache.

Ad ogni interrogazione dell’utente il motore di ricerca deve restituitre un risultato, proponendo necessariamente un elenco di pagine web (siti) in ordine di pertinenza rispetto alla richiesta ricevuta.
Le pagine web restituite dal motore di ricerca vengono tecnicamente chiamate SERP, questo non è altro che l'acronimo di search engine results page. Quindi la SERP è l’elenco di pagine web che il motore di ricerca restituisce alla fine della sua valutazione per la parola chiave ricercata.

Per stabilire la pertinenza di una pagina web il motore di ricerca, esplorerà il suo database cercando quei documenti che rispondono ai criteri specificati dall’utente (che contengono la parola chiave), è in questa fase che ogni motore di ricerca ottiene il massimo rendimento dal proprio algoritmo che classificherà le pagine, appurando, quante volte e come le keywords vengono usate, oppure quanti links dall’esterno riceve la pagina web, o quante volte l’utente ha visitato quella pagina web dopo la ricerca, questi e molto altri indicatori determineranno la classifica (Ranking) dei risultati delle SERP.

Un buon posizionamento sui motori di ricerca, può fare la fortuna di una azienda, per questo ci sono aspre battaglie per il raggiungimento delle prime posizioni. Per questo ci sono molti siti e forum che parlano di questo e si trovano molte risorse on line.

Questi motori di ricerca, sembrebbero quindi l'espressione più evidente del carattere sintattico (basato cioè sulla forma) del web attuale. In risposta alle ricerche effettuate essi restituiscono degli elenchi dove ogni voce è caratterizzata da un titolo, un'estrapolazione del contenuto della pagina e dall'URL del sito.

Recenti cambiamenti nella generazione di algoritmi e di sistemi di Information Retrieval si basano invece sull'analisi semantica (cioè dei contenuti) dei termini e sulla conseguente creazione di reti semantiche, aggregazione di contenuti in relazione a particolari attributi.

Google stesso adotta sistemi di “autoistruzione” per la contestualizzazione dei risultati assegnando valori differenti non più a parole chiave ma ad un significato rispetto ad un altro.

È facilmente prevedibile che a capo ad alcuni anni i motori di ricerca costruiranno i propri algoritmi sia su una valutazione quantitativa dei contenuti (parola chiave in sé), sia su una valutazione qualitativa (il significato delle parole chiave). I motori di ricerca dovranno essere in grado di distinguere il senso della parola "motore" a seconda di quale sia il contesto in cui la parola è contenuta, capire se sia il blocco meccanico di un automobile, o il termine usato per indicare un sitema di ricerca, o altro ancora.