{"id":867,"date":"2004-08-02T00:00:00","date_gmt":"2004-08-01T22:00:00","guid":{"rendered":""},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T22:00:00","slug":"867","status":"publish","type":"post","link":"https:\/\/www.vialattea.net\/content\/867\/","title":{"rendered":"Secondo quali criteri vengono effettuate le ricerche tramite i motori di ricerca (Google, ecc.) e quali linguaggi di programmazione sono atti a implementare tali algoritmi."},"content":{"rendered":"

<\/p>\n

L’attivit\u00e0 di un motore di ricerca \u00e8 suddivisa in due fasi
\nnettamente distinte:<\/p>\n

1)\u00a0ricerca delle informazioni,
\n2)\u00a0risposta alle richieste da parte degli utilizzatori.<\/p>\n

Entrambe le fasi vengono effettuate da sistemi complessi, costituiti da
\nnumerosi computer che utilizzano vari programmi ciascuno dei quali
\npu\u00f2 essere realizzato con linguaggi diversi.
\n<\/font><\/p>\n

\nEsaminiamo un po’ pi\u00f9 in dettaglio le due fasi.
\n<\/font><\/p>\n<\/p>\n

Ricerca delle informazioni<\/font><\/h3>\n

Il primo compito di un motore di ricerca consiste nel “navigare” per la rete
\nInternet per trovare le informazioni. Questo servizio viene svolto da programmi
\nchiamati robot, spider<\/i> (ragni) o crawlers<\/i> (nuotatori).
\nSi tratta di programmi che a partire da un certo insieme di URL1<\/sup><\/a>
\nseguono la struttura ipertestuale del Web per accedere ai documenti disponibili
\ne generare indici dei termini in essi contenuti.
\n<\/font><\/p>\n

\nIl funzionamento di un robot \u00e8 semplice: mentre analizza ogni documento
\nestrae le URL in esso contenute e ne fa un elenco, che poi utilizza per
\naccedere a nuovi documenti, e cos\u00ec via, ricorsivamente.
\nIl risultato dell’analisi \u00e8 costituito da indici, ovvero da elenchi di
\ntermini associati alla URL del documento che li contiene. Questi indici vengono
\nutilizzati nella fase di ricerca per proporre all’utilizzatore un elenco
\ndi URL contenenti il termine cercato.
\n<\/font><\/p>\n

\nAnche se il principio \u00e8 semplice, l’effettiva implementazione
\ndi un robot efficace pu\u00f2 essere complessa. Infatti l’ampiezza
\ndella rete \u00e8 talmente grande che occorrono apposite strategie per
\nconsentire di ottimizzare la ricerca: ad esempio si possono utilizzare
\nvari robot in punti diversi della rete, ma questi devono coordinarsi fra
\nloro in modo da evitare di accedere agli stessi documenti. Inoltre
\noccorre tenere conto del fatto che i documenti in rete cambiano pi\u00f9
\no meno frequentemente e quindi la ricerca va ripetuta continuamente.
\nLe effettive
\nstrategie di ricerca sono di solito tenute segrete perch\u00e9 possono
\ncostituire un vantaggio per il motore di ricerca che adotta una strategia
\nmigliore di altri.
\n<\/font><\/p>\n

\nUn altro aspetto fondamentale \u00e8 costituito dalle tecniche di
\nindicizzazione. \u00c8 evidente che un semplice indice che associa
\nad un particolare termine un elenco di URL diventa presto quasi inutilizzabile.
\nTutti i motori di ricerca hanno sviluppato algoritmi per associare ad ogni
\nURL un coefficiente di “rilevanza”, ovvero una sorta di misura di quanto
\nla particolare URL pu\u00f2 contenere informazioni importanti rispetto al
\ndato termine. Questo coefficiente viene calcolato, ad esempio, tenendo
\nconto del numero di volte che il termine compare, del fatto che compaia in
\nun titolo e di molti altri parametri. Questo aspetto, ancora pi\u00f9 dell’efficienza, \u00e8
\nimportante per garantire risposte utili agli utilizzatori, quindi gli algoritmi
\ndi indicizzazione sono tenuti segretissimi perch\u00e9 costituiscono
\nla principale differenza fra un motore ed un altro.<\/p>\n

<\/font><\/p>\n

Risposta alle richieste degli utilizzatori<\/font><\/h3>\n

Tutti
\ncoloro che usano anche sporadicamente i servizi della rete
\nInternet utilizzano qualche motore di ricerca ed hanno quindi ben
\npresente il loro funzionamento: la funzione principale consiste nel
\nproporre un certo numero di URL “rilevanti” relativamente ai termini
\nutilizzati per la ricerca. Per valutare la rilevanza vengono utilizzati
\ni coefficienti
\ndi cui abbiamo parlato nel paragrafo precedente.
\n<\/font><\/p>\n

\nAnche in questo caso il principio di funzionamento \u00e8 semplice, ma
\nil compito \u00e8 reso complesso dalla quantit\u00e0 delle informazioni
\nche devono essere gestite. Mentre stiamo scrivendo (luglio 2004)
\nvengono attribuite al motore Google 3,3 miliardi di pagine indicizzate ed al
\nmotore Alltheweb 3,1 miliardi di pagine. \u00c8 evidente che
\nper rendere sufficientemente rapide le ricerche e quindi le risposte
\noccorre utilizzare sistemi di database particolarmente ottimizzati per questo
\ntipo di ricerca e computer di potenza adeguata.
\n<\/font><\/p>\n

\nAd esempio il motore Google si basa2<\/sup><\/a>
\nsu numerosi server distribuiti nel mondo;
\nciascuno di questi server \u00e8 costituito da un “cluster” di
\nmigliaia di PC con vari livelli di ridondanza, in grado di sopportare
\nvari tipi di guasto senza interrompere il servizio. Gli indici
\nrichiedono parecchi Terabyte di dati suddivisi fra i PC che costituiscono
\nil cluster. Ogni operazione di ricerca viene distribuita
\nsu molti PC che operano in modo collaborativo.
\n<\/font><\/p>\n

\nGran parte dell’architettura software di Google \u00e8 implementata in C\/C++
\ne pu\u00f2 operare indifferentemente su sistema operativo
\nSolaris o Linux3<\/sup><\/a>.<\/p>\n

<\/font><\/p>\n

Approfondimenti:<\/font><\/h3>\n