II. LOS MOTORES DE BÚSQUEDA
2.11 META MOTORES DE BÚSQUEDA
La red de Internet es muy amplia y cambia constantemente, un solo motor de búsqueda no puede cubrirla y mantenerse actualizado al mismo tiempo. Al usar muchos motores, el poder en la búsqueda de la información es más grande. Los meta motores de búsqueda no contienen URLs y descripciones en su base de datos, en lugar de eso contienen registros de motores de búsqueda e información sobre ellos. Envían la petición del usuario a todos los motores de búsqueda (basados en directorios y crawlers) que tienen registrados y obtienen los resultados que les devuelven. Algunos más sofisticados detectan las URLs duplicadas provenientes de varios motores de búsqueda y eliminan la redundancia, es decir solo presentan una al usuario. En base a esa característica algunas personas los llegan a clasificar en dos tipos, los multi buscadores y los meta buscadores:
 |
- Los multi buscadores: ejecutan la consulta contra varios motores de forma simultánea y presentan los resultados sin más organización que la derivada de la velocidad de respuesta de cada motor de búsqueda. Un ejemplo es All4One.com, el cual busca en una gran cantidad de motores de búsqueda y directorios.
- Los meta buscadores: funcionan de manera similar a los multi buscadores pero, a diferencia de éstos, eliminan las referencias duplicadas, agrupan los resultados y generan nuevos valores de pertinencia para ordenarlos. Algunos ejemplos son MetaCrawle.com, Cyber411.com, digisearch, y search.com.
|
La ventaja de los meta motores de búsqueda es que permiten consultar en una gran cantidad de motores de búsqueda y directorios de forma simultánea, y obtener los resultados más relevantes de cada uno de ellos, lo cual puede significar un gran ahorro de tiempo, en la búsqueda de la información. Sin embargo al regresar una mayor cantidad de resultados, el ruido que producen es mucho mayor. El uso cotidiano del meta motor de búsqueda mejora los resultados que este ofrece, ya que se aprende a reducir el ruido utilizando las características de búsqueda avanzada que la mayoría presentan, refinando algunos criterios antes de iniciar la búsqueda. [SUBIR]
2.12 COMO FUNCIONAN LOS META MOTORES DE BÚSQUEDA
Todos los meta motores de búsqueda funcionan de manera muy similar, y presentan características de interfaz y personalización muy parecidas. Para explicar su funcionamiento se tomará como base uno de los meta motores de búsqueda más populares, conocido como MetaCrawler y se describirá de una forma más breve el funcionamiento de otros meta motores, cuya diferencia recae realmente en algunas características de valor añadido.
2.12.1 METACRAWLER
Recibe la consulta del usuario y la transforma a la sintaxis particular de cada motor de búsqueda que soporta. La consulta se emite dentro de cada uno de ellos usando el protocolo http (hipertext transport protocol). Algunos de los muchos motores que soporta son: AltaVista, DirectHit, Excite, FindWhat, y LookSmart. Posteriormente espera las respuestas de todos ellos, de forma simultánea, hasta que las obtiene o se llega a un tiempo límite de espera. Los resultados son cotejados para eliminar los duplicados, y organizados de acuerdo a su relevancia. Finalmente devuelve los resultados al usuario, la figura 2 muestra un fragmento de un resultado.
Figura 2. Fragmento de un resultado de búsqueda en MetaCrawler
El código con el cual realiza su trabajo está escrito en C++ (Lenguaje de programación), como un módulo de extensión para el servidor http de Apache (versión 1.3.3.). Las características de personalización se hacen con una combinación de php, perl y java (lenguajes de programación). Estos lenguajes siempre funcionan como extensiones del servidor Apache. El núcleo del código de Apache y del módulo de MetaCrawler es bastante pesado, por lo cual se tiene otro servidor para la búsqueda de imágenes, llamado Zeus. Actualmente se tienen 10 máquinas de búsqueda de 2x400MHz Pentium II, bajo Linux con 512MB de RAM cada una.
2.12.1.1 Características importantes de metacrawler;
- Cobertura completa: al usar muchos motores, la cobertura de la información publicada en Internet es mayor.
- Sintaxis de búsqueda consistente: una sola sintaxis funciona para buscar en todos los motores registrados. Al usarla se obtienen resultados más depurados, sin embargo la búsqueda se realiza solo en los motores que soporten esa característica. Los operadores que soporta son: la combinación de palabras, usando los operadores and o + y la exclusión de palabras usando not o -.
- Clasificaciones de votos de servicios: otorga una puntuación a las páginas que regresan los motores de búsqueda, la cual es confidencial y está normalizada de acuerdo a la importancia que la página vaya adquiriendo, es decir, al número de veces que se le solicite en las consultas. La puntuación varia entre 0 (la peor) y 1000 (la mejor) y se muestra casi al final de cada resultado, ver figura 2.
- Opción Power Search: permite especificar los motores en los que se deberá buscar, el tiempo de espera por los resultados, la cantidad de resultados por página, y el número de resultados por motor de búsqueda fuente.
2.12.1.2 Características de personalización: maneja características para personalizar la página de inicio y la forma de búsqueda.
- Colores del sitio: permite elegir los colores del sitio (entre siete combinaciones).
- Interfaz por defecto: permite indicar la interfaz que presentará el sitio en la página de inicio.
- Low bandwidth es recomendada para conexiones con poco ancho de banda o versiones de navegadores antiguas.
- Normal search es la interfaz normal del sitio.
- Power search permite elegir las opciones mencionan anteriormente.
- Motores a usar: permite elegir los motores de búsqueda a utilizar en la búsqueda.
- Palabras claves por defecto: consiste en las opciones any, all y phrase.
- Buscar por frase (phrase): la buscada se realiza considerando los términos como una expresión y no por palabras.
- Buscar por todas las palabras (all): se busca por todas las palabras en cualquier orden. Los resultados incluirán páginas con todas las palabras de los términos de búsqueda, pero algunas presentarán solo unas cuantas.
- Buscar por cualquier palabra (any): se buscan páginas que tengan una o más de las palabras presentes.
- Dominio / origen: filtra los resultados por dominio (como .edu, .com, y .gov), región (Norte América, Europa, Asia, etc.) o por un país individual.
- Tiempo de espera: es el tiempo máximo de espera para recibir los resultados.
- Vista de resultados: permite elegir si los resultados deberán aparecer en orden de relevancia, por sitio o por la fuente que lo proporciono.
- Sticky: indica si las opciones anteriores se deberán guardar para futuras sesiones.
2.12.1.3 Herramientas adicionales para búsqueda:
- MetaSpy (meta espía): da al usuario una visión de lo que otros usuarios están buscando. Cada servidor de MetaCrawler le indica periódicamente (cada 15 segundos) acerca de las búsquedas más recientes. MetaSpy usa un servidor basado en java para mantener las últimas búsquedas en memoria y darles un formato agradable a los usuarios.
- MiniCrawler: es una versión pequeña de MetaCrawler que da al usuario un acceso constante a los servicios de meta búsqueda. Presenta una interfaz que ocupa muy poco espacio en el escritorio (pantalla de la computadora). Su funcionamiento es simple, permite introducir los términos de búsqueda en un pequeño cuadro de edición y devuelve los resultados. [SUBIR]
2.12.2 CYBER411 (C4.COM)
Se puede buscar información general, investigación de comercio electrónico (e-commerce), de empresas e incluso nombres de personas. Ofrece un servicio de registro de sitios, que abarca más de 400 motores de búsqueda en la siguiente dirección: http://cyber411.com/submit.html. La búsqueda se puede personalizar indicándole las bases de datos en las que deberá buscar y el número de resultados que deberá regresar como máximo.
Presenta un área de enlaces rápidos para la búsqueda de información, similar a los de un directorio, en su página principal. Además de un área de productos, en la cual se pueden comparar los mejores precios en tiendas virtuales, ayuda a encontrar productos mediante servicios de valor añadido como valuaciones de comerciantes, imágenes y especificaciones de productos, e información de cálculo de precios. Entre el tipo de productos que se puede encontrar están las computadoras, software, video juegos, música, libros, etc.
Al registrarse en el sitio, se tiene acceso a herramientas adicionales para hacer las tareas de búsqueda y manejo de la información más fáciles.
- Personalización de preferencias: es una forma de personalizar algunas opciones para que permanezcan por defecto en futuras sesiones.
- Sitios preferidos (bookmark): crea un archivo con una lista de los sitios favoritos para sesiones posteriores.
- Correo electrónico: proporciona 10MB en la cuenta de correo electrónico. El nombre del usuario (como miembro) es también el identificador de la cuenta de correo.
- Concentra todas las cuentas de correo que posea un usuario en una sola: tiene características como creación de carpetas para organizar las cuentas y filtrado de correos.
La tecnología de C4.com provee funcionalidades importantes, entre ellas:
- Búsqueda paralela: esencialmente, se emplean tecnologías de meta búsquedas.
- Relevancia alta: se emplean algoritmos complejos para realizar las meta búsquedas, hacer una recopilación instantánea, evaluar, y entregar los resultados más acertados.
- Lenguaje natural: permite la consulta en lenguaje natural, es decir en el lenguaje humano.
- Búsqueda personalizada: se pueden definir y categorizar los criterios de la búsqueda para obtener resultados más acertados.
- Uso internacional: debido a que se busca sobre cadenas de caracteres y no por palabras claves, la tecnología es exportable, de forma fácil e inmediata, para buscar en otros países y lenguajes que usen caracteres occidentales.
- Extensibilidad: permite extender funcionalidades de búsqueda paralela a través de una amplia variedad de aplicaciones, incluyendo búsquedas en Internet, iTV (televisión interactiva), PDAs (personal digital assistance son dispositivos electrónicos portátiles capaces de almacenar y recuperar información), WAP (protocolo de aplicación inalámbrico), y otros canales de entrega. [SUBIR]
2.12.3 SEARCH.COM
Presenta un área de temas clasificados en la forma como lo hace un directorio y un área de canales referentes a temas como linux, gobierno, noticias, horóscopo, etc. Se pueden personalizar las categorías de la búsqueda, así como los motores que serán incluidos en la meta búsqueda, los cuales están clasificados de acuerdo a su área (noticias, compras, etc.), además, las opciones pueden definirse para futuras sesiones
Search.com usa la tecnología de meta búsqueda de SavvySearch. Tiene acceso a más de 1,000 motores de búsqueda, directorios, subastas, fachadas, noticias, grupos de discusión, sitios de referencia, y más. También ofrece canales de meta búsqueda sobre motores especializados en temas como música o viajes y un registro de sitios gratuito en 18 de los motores de búsqueda y directorios más populares.
Si la búsqueda es de información general o de recursos, se puede iniciar en la caja de edición principal. Los resultados incluirán referencias a directorios (como Yahoo o About) al igual que de motores de búsqueda basados en crawlers, y productos relacionados. Si se quiere realizar una búsqueda en una categoría específica se debe escoger un canal de meta búsqueda.
En la lista de resultados, una marca verde significa que el sitio se ha contactado exitosamente; una marca gris indica que aún no se ha obtenido respuesta. Los resultados aparecen agrupados por información común. Después de cada grupo aparece un enlace que permite obtener más resultados similares, estos aparecen organizados de acuerdo al sitio que los proporcionó. De igual forma hay un enlace para ver más resultados sobre un sitio en especial. Los resultados, además, pueden ser ordenados por la fuente, su relevancia o por fecha. Algunos de los motores que proporcionan los datos soportan las siguientes opciones: comillas, inclusión (+), exclusión (-) y operadores boleanos (and, or y not) [SUBIR]
[COMENTARIOS] [ANTERIOR] [INICIO] [SIGUIENTE]