Internet non ш il Web - benvenuto nel sito del laboratorio di informatica
Transcript
Internet non ш il Web - benvenuto nel sito del laboratorio di informatica
La ricerca dell’informazione nel Web: Indici e motori Parleremo di … Strumenti per la ricerca dell’informazione nel Web-space: quali sono e come funzionano Dalla Bibliot eca alla Ret e /DULFHUFDGHOO¶LQIRUPD]LRQHQHO:HE LQGLFLHPRWRUL ,QGLFL0RWRUL 0HWDPRWRUL Evelina Ceccato Al termine della lezione dovreste saper… • Individuare lo strumento più utile per una determinata ricerca d’informazioni nel Web-space • Utilizzare indici e motori in modalità semplice ed avanzata Una precisazione necessaria: Internet non è il Web • Ricercare nel Web invisibile Prima d’iniziare una qualsiasi ricerca d’informazioni nel Web, è utile rammentare che: • il Web è un self-publishing medium che consente, a chiunque possieda un computer collegato alla Rete, di diffondere informazione a costo zero; • l’ informazione è immediatamente accessibile e può essere aggiornata in tempo reale; • non ci sono regole per la pubblicazione sul Web; è indispensabile rammentare che… • non è difficile recuperare informazione nel Web, • è difficile reperire l' informazione che ci serve in quel preciso momento, • non ci sono filtri; • chiunque può accedere all’ informazione disponibile gratuitamente su Internet • è difficile "giusta". individuare l' informazione • ed infine … Evelina Ceccato - dicembre 2002 1 La ricerca dell’informazione nel Web: Indici e motori Per facilitare la ricerca d’ informazioni nel Web, esistono degli strumenti che, per comodità e per convenzione, sono raggruppati in due tipologie: ,QGLFL • gli alias indici di ricerca per categorie, per soggetti o per argomenti, indici ragionati, subject directories, subject gateways, etc. !! • i alias indici di ricerca per termini o per parole, search engine, robot, spider, etc. Indici sistematici Gli indici sistematici sono siti Indici e motori presuppongono un diverso approccio alla ricerca 0RWRUL • ricerca per argomento • ricerca per parola • ricerca nei titoli e, a volte, negli abstract e/o recensioni delle pagine indicizzate • ricerca nel testo completo delle pagine indicizzate (full-text) Si può interrogare un indice: Web che selezionano gli altri siti e li organizzano all’ interno di un sistema di classificazione gerarchica allo scopo di facilitare il recupero dell’ informazione da • navigando da una categoria all’ altra fino a giungere al “soggetto” cercato • ricercando per parole parte del ricercatore. Colleghiamoci ad un indice Ed ora vediamo la versione italiana Yahoo! Yahoo! Italia http://www.yahoo.com/ http://it.yahoo.com/ Evelina Ceccato - dicembre 2002 2 La ricerca dell’informazione nel Web: Indici e motori Diversi tipi di indici È utile interrogare un indice quando: • Generali (Yahoo!) • Generali, curati da bibliotecari universitari (Infomine http://infomine.ucr.edu/) o di biblioteche pubbliche (Librarians’ Index to the Internet http://lii.org/), etc. • Specializzati in un determinato settore (SOSIG http://sosig.ac.uk/) • Con recensioni e valutazioni (The Argus Clearinghouse http://www.clearinghouse.net/) • Organizzati per classi biblioteconomiche (BUBL http://www.bubl.ac.uk/) Alcuni esempi • %8%//,1. http://bubl.ac.uk/link/ • 7KH:::9LUWXDO /LEUDU\ http://vlib.org/ • ,QIRPLQH • si cercano informazioni su un argomento che non si conosce bene e del quale non si padroneggia la terminologia • si desidera “esplorare” un argomento generale o si cercano informazioni di ogni tipo su un argomento • si vuole sapere quali sono le risorse dedicate ad un certo settore disciplinare • si cerca un database specializzato (invisible Web) Caratteristiche degli indici " # $%& • Selezionate da persone (+ o - esperte): pro e contro del “filtro umano” • Spesso valutate e aggiornate, ma non sempre • Spesso organizzate in categorie ordinate gerarchicamente • Archivio relativamente piccolo (no full-text) • Una stessa voce, una stessa pagina, in più punti dello schema (ipertestualità) • http://infomine.ucr.edu/ I motori di ricerca Sono strumenti che raccolgono automaticamente, grazie ad appositi programmi, centinaia di milioni di pagine web ed offrono la possibilità di ricercare all’ interno dei loro archivi (daabase) nei quali, talvolta, sono conservati anche i messaggi dei Presentazione dei risultati – semplice elenco – descrizione e valutazione delle risorse Il funzionamento dei motori Il funzionamento di un motore può essere schematizzato in 4 fasi: 1. 2. 3. 4. acquisizione delle pagine indicizzazione dei documenti interrogazione presentazione dei risultati newsgroup. Evelina Ceccato - dicembre 2002 3 La ricerca dell’informazione nel Web: Indici e motori Più in dettaglio… 1. acquisizione delle pagine: gli ' (!) *+, ' seguono i link delle pagine già presenti nel database ed archiviano le nuove pagine recuperate 2. indicizzazione delle pagine: avviene in modo automatico e si basa, generalmente, sul full-text, sui campi delle pagine HTML e sui metatag. I metatag sono delle informazioni che vengono inserite, dall’ autore, nell’ intestazione (HEAD) delle pagine Web e sono relative, per esempio, all' autore o al contenuto della pagina, oppure indicano una serie di parole chiave associate al documento [AUTHOR GENERATOR ROBOT TITLE DESCRIPTION KEYWORD sono i metatag più comuni] 3. interrogazione: da parte dell’ utente 4. presentazione dei risultati: in base a tecniche statistiche Possibilità di ricerca offerte dai motori • Ricerca semplice e/o avanzata • Ricerca per parola, frase, stringa • Possibilità di limitare la ricerca per: – – – – – – – – tipo di documento (testo, immagine, MP3, video, etc.) lingua del documento formato del documento (HTML, PDF, Word, etc.) data campo dominio ricerca di link ad una determinata URL ricerca di pagine simili AltaVista Proviamo ad interrogare un motore: AltaVista http://it.altavista.com/ http://www.altavista.com/ riepilogo funzionalità • 3 maschere di ricerca: semplice, maggior precisione (ALL/AND, frase, ANY/OR, NOT), avanzata • ricerca Web, immagini, MP3, video, directory • ricerca semplice e maggior precisione – ricerca limitata a - • ricerca avanzata: ./- - 021 3 450 67/098 : - ; 3 1 ; e 3 1 6< ./; – maggior precisione + booleani (sintassi all’ URL: http://it.altavista.com/help/adv_search/syntax) + ranking – limiti per: • • • • • data tipo di file (HTML, PDF) dominio solo all’ interno di un sito comprimi sito: max 2 risultati per sito Google Ed ora vediamone un altro Google http://www.google.it/ riepilogo funzionalità • 2 maschere di ricerca: semplice, avanzata • ricerca Web, immagini, gruppi (newsgroup), directory • ricerca semplice – ricerca limitata a =?> @A B C DE F D – opzione G$FH > IC JK JL C MIDC JN • ricerca avanzata: – ALL/AND, frase, ANY/OR, NOT – limiti per: • • • • • lingua tipo di file (HTML, PDF, post-script, Word, Excell, PowerPoint, RTF) data campo dominio – cerca pagine simili – cerca i link ad una pagina Evelina Ceccato - dicembre 2002 4 La ricerca dell’informazione nel Web: Indici e motori Presentazione dei risultati Risultati diversi per motori diversi I risultati di una ricerca vengono spesso ordinati IN BASE ALLA RILEVANZA AltaVista Google http://it.altavista.com/ http://www.google.it/ RELEVANCE RANKING ALGORITMO O 1 PRQ7/;S60T1 6$; U/U/Q67/1 VQW1VX1 - QX1; 7/0S- - ;9- 1RU/QXW1 3RXQ3 QPR;S6VQYX; 6ZR1 6< È utile interrogare un motore quando Statistiche e classifiche • si desidera la risposta ad una domanda precisa • si cercano informazioni su un argomento circoscritto, insolito, misconosciuto http://www.motoridiricerca.it/classi.htm • si possono utilizzare termini di ricerca non comuni, specifici • si cercano nomi propri Vivísimo Meta-motori http://www.vivisimo.com/ Consentono d’ interrogare, spesso simultaneamente, diversi motori ed indici sistematici. I meta-motori non hanno un proprio archivio di pagine Web, ma utilizzano quelli dei singoli motori. Ci sono tantissimi meta-motori, ma quelli utili hanno le seguenti funzionalità: – accettano ricerche complesse – schiacciano i risultati eliminando le ripetizioni – presentano i risultati in base a tecniche di ranking oppure li raggruppano per soggetto/argomento ([\ ]'^ +,) _` ) Evelina Ceccato - dicembre 2002 • Organizza, automaticamente, i risultati dell’interrogazione simultanea di diversi motori e indici sistematici in base alle URL, ai titoli ed alle brevi descrizioni delle risorse Internet. In pratica, Vivísimo funziona in questo modo: 1. interroga uno o più motori o indici 2. analizza i risultati e li raggruppa,automaticamente, in base alle URL, ai titoli ed alle descrizioni 3. presenta i risultati in cartelle simili a quelle di Windows Funziona solamente su documenti testuali. Vivísimo offre due possibilità di ricerca: semplice ed avanzata. Ricerca semplice: – Ricerca automatica in AND – supporta , le virgolette per le frasi e per il NOT • ab Ricerca avanzata: cd e – Ricerca per campo – Uso dei booleani e delle parentesi – Varie possibilità di limitare la ricerca e di visualizzare i risultati 5 La ricerca dell’informazione nel Web: Indici e motori Copernic Ixquick http://www.copernic.com/ Si tratta di un software da scaricare ed installare. Offre una versione gratuita, Copernic Agent Basic, che interroga circa 90 risorse, tra motori ed indici sistematici, raggruppati in 10 categorie. Le versioni a pagamento, Copernic Agent Personal e Copernic Agent Professional, raggruppano le circa 1000 risorse interrogabili in 120 categorie. • • • • • • • f MIgF JIFh> E E Dji> L H F JI>k%DH F lm interroga simultaneamente i motori di ricerca supporta la ricerca per ALL, ANY e per frase elimina i risultati doppi ed i collegamenti non attivi i risultati sono disponibili in 3 formati: standard, compatto, dettagliato i risultati possono essere ordinati in diversi modi (per punteggio, per titolo, per data, per motore, etc.) i risultati possono essere filtrati per STATUS (pagine già viste, nuove, etc.), per locazione geografica, per dominio si può raffinare la ricerca all’ interno dei risultati Dove i motori non cercano: ,/:(%,19,6,%,/( ,QYLVLEOH :HEn 'HHS :HE http://ixquick.com/ • Ricerca documenti testuali, immagini, MP3, news; • interroga simultaneamente i motori di ricerca; • traduce semplici stringhe di ricerca nella sintassi utilizzata dai singoli motori; • supporta i booleani e la ricerca per frasi; • elimina i duplicati; • assegna una stella ad un sito per ogni motore di ricerca che lo ha classificato nelle prime dieci posizioni; • dà priorità ai siti che compaiono tra i primi dieci risultati di ogni motore. Cos’ è il Web invisibile? Contenuti di database interrogabili via Web I risultati delle interrogazioni sono pagine Web generate dinamicamente e non archiviate in nessun luogo Esempio: i cataloghi in linea delle biblioteche (OPAC) Pagine escluse dall’ indicizzazione dei motori I motori possono scegliere di non includere pagine non scritte in linguaggio HTML oppure pagine costituite interamente da immagini Esempio: documenti scritti in PDF o in Word Come ricercare nel Web invisibile? E ancora … The Invisible Web Catalog http://www.invisibleweb.com/ Collezione di oltre 10.000 database interrogabili Google oppure Yahoo!* Combinare il/i termini ricercati con la parola * o^ o pSoS'+ Complete Planet http://www.completeplanet.com/ Collezione mista di database interrogabili, pagine Web con maschera di ricerca e pagine Web statiche Evelina Ceccato - dicembre 2002 *Yahoo! Utilizza il termine qrs rturv w per descrivere gli archivi interrogabili recensiti 6 La ricerca dell’informazione nel Web: Indici e motori Ed ora … BUONA RICERCA e se volete ancora un aiuto … eccovi un ottimo tutorial 6HDUFKVWUDWHJLHV http://www.lib.berkeley.edu/TeachingLib/Guides/Internet/Strategies.html#Recommend Criteri per il relevance ranking xRy z {|zu}~u numero di occorrenze dei termini utilizzati per la ricerca all’interno della singola pagina recuperata. jz } Appendici rapporto fra il numero di occorrenze dei termini all’interno della pagina e il totale delle parole contenute nella pagina. jy y z z }~u Ry ~u }z y } zu} ordine in cui sono stati immessi i termini nel form di ricerca. y /y ~u }z Fonte: Ridi, Riccardo presenza dei termini in particolari zone della pagina […] a parità di requisiti, alcuni motori privilegiano le pagine più recenti numero dei link "in entrata" provenienti da altre pagine contenute nel database del motore e numero delle selezioni della pagina effettuate dagli utenti a partire dalle schermate di risposta del motore. […] Altavista ha recentemente annunciato che sarà possibile, pagando, garantire una posizione di rilievo alle proprie pagine nella schermata di risposta. u ¡ ¢ ¡ £S£S£ Evelina Ceccato - dicembre 2002 • • • • • • • • • • • Versione 2.1 (2000-08-06) presenza, nella pagina, di più d' uno dei termini richiesti o addirittura di tutti. presenza, nella pagina, di più d' uno dei termini richiesti - o addirittura di tutti - nella medesima frase o comunque vicini fra loro. Riepilogo dei criteri per il relevance ranking Criteri per il relevance ranking 2 Ry y rapporto inverso fra il numero di occorrenze dei termini utilizzati per la ricerca all’interno del database del motore e il totale delle parole contenute nel database stesso. Alcuni motori dispongono anche di una lista di stopwords che vengono ignorate. Frequenza: numero di occorrenze Densità: numero di occorrenze / parole totali del documento Rarità: 1 / (numero di occorrenze nella base dati / parole totali della base dati) Compresenza (default solitamente OR) Prossimità: parole vicine fra loro nel documento Posizione: parole nei titoli di sezioni (<H>), nei link (<A HREF>), nelle intestazioni (<HEAD>) e in particolare nel titolo (<TITLE>) o in altri metatag come "keyword" e "description" Aggiornamento: documenti più recenti Popolarità Sponsorizzazione Analisi di citazione (Google, progetto Clever): utilizzo di un algoritmo che considera il numero di link al documento, distinguendo fra repertori (hub) e fonti primarie (authority), con risultati brillanti Somiglianza delle parole con quelle di documenti già rintracciati Fonte: Gnoli, Claudio ¤u ¡ ¢ ¡ ¥ ¦ u Versione 2.2 (2000-05-28) 7 La ricerca dell’informazione nel Web: Indici e motori Indici e motori a confronto §S¨©ª «ªj¬®¯%¨°ª «ª ±³²°²´ ª • Ricerca per argomento • Ricerca per parola • Basso richiamo / Alta precisione • Alto richiamo / Bassa precisione • Selezione “umana” delle risorse • Raccolta automatica delle risorse • Archivio piccolo • • Ricerca nei titoli e, a volte, negli abstract e/o recensioni • Risultati in ordine alfabetico Se volete saperne di più… in linea • µY¶ · ¸¹/º »· ¸Y¼½R¾9¿¸· º ÀSÁ <http://www.altavista.wwmind.com/education2/index.php3> • Bergman, Michael K.,  à Ä!½ÄÄ ÅÆTÄÇÈ/»¾É ÊS¸¿9º ÁË$ÃRº ½ ½ ÄÁT̸¶ ¾SÄ , <http://www.brightplanet.com/deepcontent/Tutorials/DeepWeb> • Í!º Á ½Rº ÁËÏÎu·RÐWÁ¶ º Á Ä9ÈÆTÄÇÒÑĸ Éu¿ÃÒÑR· Éu¸· Ä Ëº Ä» Archivio enorme • ÓÒ Õ ¾ º ½ ¸2¿À9Ô%Ŷ Ä· ¸2¸RºSÔTÀ · ÀSɺ ½RºSɺ ¿ÄÉu¿¸ • Ricerca full-text • ÓÒ¾ º ½ÄRÅÄɶ ¸Tɺ ¿ÄÉu¿¸Ïº ÁYÎ Á· ÄÉuÁÄ· a cura di Maria Teresa Pesenti <http://www.aib.it/aib/lis/motori.htm> • Risultati ordinati in base ad un “relevancy ranking algorithm” • ÂÕ ÃÄÖ?¸ × ÀSÉjÑRĸ É¿ÃY¼Á˺ ÁÄ» • ØÄ»ÔTÀ · Ä9¾9É »½Ä!ÉuÄ¿ÃÄÉu¿Ã ÄYÈ Ê À9Á¿· º À9ÁS»Ä·R¶ ¸ Á˸ËÄ»½jÙ º Á· ÄÉuÉÀ˸· º ÀSÁ <http://home.sprintmail.com/~debflanagan/main.html> http://www.motoridiricerca.it/index.htm> http://searchenginewatch.com/facts/major.html> <http://pages.infinit.net/duvalm/dossiers/moteurs_de_recherche.html> Se volete saperne di più… a stampa • • BASILI, Carla [1995] La ricerca "per soggetto" dell' informazione in Internet, "Biblioteche oggi", XIII, 6, p. 40-47. Giovanna [1997] ÚRÛÜjwÛÝ Þ w ßs rÝ v Þs Ý rÞÜjÛs ÛÝ ÞqÞÝ Þ à w Ý à rá9âßr ã GRIFONI, rßÛÝ rÜjÞ à rv ä åSæ Þv s Ý äÜjw ßs ÞqÞÝ w à ä ã w Ý Ûjqwuæ æ w%Þ ß çuÛÝ Ürè Þ ÛßÞÞ ßé ßs w Ý ßwus , “ Biblioteche oggi” , XV, 5, pp. 10-16, oppure <http://www.burioni.it/forum/grif-mot.htm>. • • • é ßs w Ý ßwus , Milano, Jackson libri (Tit. orig.: êëwÒìëÛæ w!é ßs w Ý ßwus á âv w ÝSí v å9äÞ qwî$à rs ræ Û å , 2 ed., Sebastopol (Cal.), O’ Reilly, 1994). LESK, Michael [1997] ïRÞ tæ Þ Ûs w à ëwqÞ å9Þ s ræ Þ , “ Le Scienze” , 350 (ottobre), pp. 66-68. LYNCH, Clifford [1997] ð9r2Ý Þ à w Ý à rTv äWé ßs w Ý ßw s , “ Le Scienze” , 350 (ottobre), pp. KROL, Ed [1994] 60-64. é ßs w Ý ßwus Þ ßTtÞ tæ Þ Ûs w à r • RIDI, Riccardo [1996] biblioteconomia ; 51). • SALARELLI, Alberto [1997] ñ!ñ!ñ , Milano, Bibliografica (Bibliografia e , Roma, AIB (Enciclopedia tascabile ; 11). Evelina Ceccato - dicembre 2002 8