ANATOMIA

DI UN

MOTORE DI

RICERCA

INFORMAZIONE

Ricercabile

Era Digitale

Internet è Grande!

14.3 Trilioni – pagine attive

672,000,000,000 Gigabytes di dati

Motori di Ricerca

Componenti

ComponentiCRAWLER

SINDEX

SERPQUERIES

Crawlers

Impossibile fare una Live Search

Pre indicizzazione con i Crawlers

Crawlers

Internet è come una ragnatela

Google indicizza 48 miliardi di pagine

Bing 16 miliardi di pagine

I crawler percorrono

Internet passando da

link a link

Il crawler categorizza le pagine trovate

- Estrae le parole

chiave (no stop-

words)

- Varie meta

informazioni

- Dati tecnici della

pagina

- Dati stilistici

Etc…

Crawlers

Immagazzinamento e Strutturazione

Index

Indice Inverso

Index

Docs:1. Le volpi scappano dai cani.

2. La volpe ha il pelo rosso.

3. Cani da caccia.

Estrazione e

Stemmingvolpe

cane

pelo

rosso

caccia

scappare

Indice Inverso

Index

Key Doc

volpe 1, 2

cane 1, 3

pelo 2

rosso 2

caccia 3

scappare 1

Estrazione e

Stemmingvolpe

cane

pelo

rosso

caccia

scappare

Parole da cercare dentro l’indice

Queries

Singolarmente o in

congiunzione

con operatori Booleani:

AND, OR, NOT

Queries

Key Doc

volpe 1, 2

cane 1, 3

pelo 2

rosso 2

caccia 3

scappare 1

Query:

“volpe”: 1, 2

“Cani OR volpi”: 1, 2, 3

“Cani volpi”: 1

“Cani -volpi”: 3

SERP

SERP

Search Engine Result Page

SERP

Ranking

SERP

Ranking: Tf-idf

SERP

Term Frequency (Tf) = ni,j/dj

Inverse Document Frequency (idf) = log(D/dt)

Tf-idf = Tf x idf

Ranking: Page Rank

SERP

Media pesata del Page Rank delle pagine referenti

Ranking: Page Rank

SERP

Algoritmi moderni:

SERP

- Velocità di caricamento

- Correttezza e velocità del codice

- Correttezza grammaticale

- User Profiling (check out DuckDuckGo.com)

- Etc…

Potenti e segreti

Esempi

Concludendo…

Grazie e…

Buona

Ricerca!