9 Buscar en Internet
9.1 Apunte histórico
§1 ARCHIE
En 1989 un estudiante, Peter Deutsch de 
8.2) denominado Archie [1] basado en una idea
muy simple: Construir un índice que contiene los nombres de los ficheros
y la dirección del servidor donde se encuentra. Este índice se instala en
un servidor que pueda ser consultado por todos (Servidor
Archie). Se trata pues de una suerte de directorio (como la
guía de teléfonos, pero no de personas sino de ficheros), con información muy
escueta sobre cada fichero: junto con el nombre y dirección del servidor
FTP que lo alberga, una sucinta descripción del mismo. El funcionamiento
se basa en que el usuario pregunta al servidor Archie por el nombre del fichero
que desea, y el sistema responde con una lista de sitios donde puede
encontrarlo.
Nota: "Archie was first 'released' (to
the general public) at the end of 1989 and existed at McGill for a few months
before it was shared with Rutgers in 1990". (Alan Emtage, one of the
creator of Archie). De la historia del ciberespacio. Dr. Giesbert
Damaschke, Muenchen 
http://www.w3history.org/
En realidad, Archie es mas que un solo servidor, es un sistema de base de datos
distribuida, en la que los índices se guardan en distintos servidores de FTP
que cuentan con información sobre millones de ficheros. Para mantener
actualizados los índices, los servidores de Archie se conectan mensualmente a
los sitios FTP que tienen registrados y recogen los cambios observados [2]. Una vez
efectuada la consulta, puede usarse un programa FTP para bajarse el fichero
localizado [3].
El servicio Archie tuvo mucho éxito y pronto se difundió por la
red -El servidor de
En Otoño de 1991 se estimaba que los servidores Archie
contenían información sobre unos 900 servidores FTP, distribuidos por los cinco
continentes, con 1 millón de ficheros y un ritmo de crecimiento de
Incluso sabiendo el servidor en que hay que buscar, la tarea no es fácil, por lo que es mejor preguntar a Archie en la esperanza que haya indizado todos los ficheros de cada uno de los servidores que tiene registrados. A la fecha (1998), los ficheros en servidores FTP clasificados por Archie se referían mayoritariamente a información técnica relacionadas con la ingeniería, las ciencias de la computación y catálogos de bibliotecas. Este último campo de información (la catalogación de fondos bibliográficos), es uno de los que ha tenido más rápido carecimiento en Internet, de forma que bibliotecas de la mas variada índole, Colegios, Universidades, Instituciones, etc. se han apresurado a "Publicar" sus fondos en la Web (se supone que una vez estén los catálogos, el próximo paso será contar con la obra misma).
Tradicionalmente han existido tres maneras de acceder a servidores Archie para
hacer consultas:
·
Correo electrónico:
Los servidores Archie disponen de una interfaz que permite a los clientes
enviar preguntas y recibir las respuestas por e-mail ( 8.1).
·
Sesión remota
(Telnet 8.7): Evidentemente
para usar este procedimiento es necesario tener una "Cuenta" en un
Servidor Archie para que podamos conectarnos al mismo, con Telnet, y realizar
la consulta, o bien que el servidor sea anónimo.
· Cliente Archie, de los que existen infinidad. En esencia los clientes Archie son meramente interfaces que permiten acceso remoto (Telnet) a los servidores (mediante el protocolo Prospero). Permiten realizar consultas y búsquedas, bajar listas de contenido por FTP, y enviar mensajes al servidor e-mail del sistema anfitrión, que se encarga de enviar automáticamente listados del índice o del resultado de la búsqueda. Todo ello sin necesidad de utilizar directamente los comandos Unix. Además estos programas suelen tener también capacidad FTP, de forma que es posible bajarse el fichero una vez localizado. También puede darse la circunstancia complementaria, que los buenos clientes FTP cuenten con la capacidad añadida de buscar en los Servidores Archie.
Archie ha seguido perfeccionándose y extendiendo el servicio, a fin de ampliar
el tipo de información proporcionado, incluyendo directorios de "Páginas
Amarillas" y de direcciones de correo. Actualmente es mucho más
fácil utilizar las múltiples pasarelas Web [4] (la Web está
fagocitando muchos de estos proto-servicios de Internet). Por otra parte,
los modernos robots de búsqueda están convirtiendo en obsoletos estos servicios
que serán pronto reliquias históricas.
§2 Gopher
Para superar algunos de los problemas de Archie, en 1991, un
equipo dirigido por Mark McCahill de la universidad de Minnesota, crea Gopher (inicialmente solo estaba pensado para
administrar información a nivel del campus de
Nota: "Gopher was originally developed
in April 1991 by the University of Minnesota (Microcomputer, Workstation,
Networks Center), to help users on the campus find information".
Clay Irving: "Using and Finding Gophers" en: "The Internet
unleashed, 1994". De la historia del coberespacio. Dr.
Giesbert Damaschke, Muenchen http://www.w3history.org/
Como se ha dicho, debido a ciertas peculiaridades, Gopher
es considerado el precursor de la Web. De hecho, un cliente Gopher
permite una cierta clase de "Navegación" por la información, ya que
estos servidores almacenan información, creando lo que se dio en llamar
Gopherespacio (un remedo de Ciberespacio).
La simplicidad del modelo permitió que de inmediato se
construyeran clientes Gopher para
multitud de plataformas, y el sistema se extendió rápidamente (en Noviembre de
1993 ya había censados unos 2.200 servidores Gopher). Además utiliza un
protocolo muy sencillo (a medio camino entre FTP
y HTTP). Gopher presenta la
información organizada en un símil de directorios y ficheros (como FTP),
mientras que comparte con HTTP el poder referenciar información que esté
físicamente situada en cualquier parte del sistema, incluso fuera de la propia
red local (en otro continente). Esta similitud ha permitido dotar a los
navegadores actuales de capacidades Gopher, de forma que el Gopherespacio puede
ser navegado como parte de
Nota:
Aunque este protocolo caería en desuso con la aparición de HTTP ( 5.2)
y
Desde el navegador se puede usar un comando Gopher como se hace como con cualquier otro: gopher://nombre.de.servidor/pathname.
"Nombre de servidor" es el nombre del dominio que aloja al servidor
"Pathname" es la dirección completa del fichero dentro del dominio.
Más información en Nota 19 ( N.19).
§3 VERONICA
Para resolver algunos problemas que presentan las búsquedas en el Gopherespacio, por ejemplo, cuando no se sabía en que servidor empezar la búsqueda, o la clasificación exacta del recurso deseado, se inventa VERONICA [6] ("Very Ease Rodent-Oriented Netwide Index To Computerized Archives") en la Universidad de Nevada. Este servicio hace en el Gopherespacio lo que Archie en los servidores FTP, es decir, crear un motor que escanéa periódicamente los servidores Gopher, construyendo un índice con el contenido de sus menús. Por esta razón Veronica ha sido denominado el "Archie del Gopherespacio".
Recordemos que Gopher es
un sistema de búsqueda mediante navegación (sistema de índices navegables 
),
pero gracias a Veronica el Gopherespacio se convierte también en un área donde
son posibles búsquedas del tipo pregunta-respuesta. Su eficacia y
popularidad se deben a que los clientes Gopher pueden acceder al servidor Veronica,
e inmediatamente (gracias al sistema de hiperenlaces de sus menús, y a la
política de puertas abiertas de la mayoría de los sitios), a los servidores
Gopher que contienen los recursos encontrados.
Veronica encuentra e indiza la práctica totalidad de los servidores Gopher de acceso público. En Febrero de 1994, contenía índices de mas de 3.200 de estos servidores en unos 2.500 equipos de Internet. En dicho mes, las consultas a servidores Veronica se estimaron en 1.200.000 accesos, siendo resultas la mayoría en menos de 20 segundos. Ocho de estos servidores (de grandes instituciones) atendían las necesidades del público de Internet en general, mientras que algunos otros atendían las necesidades específicas de ciertas organizaciones.
The veronica service
infrastructure has been fairly stable since July, 1993, with eight server sites
offering searches for the internet community (March 1994). These servers
are supported by the participating institutions: NYSERNET, PSI, SERRA, CNIDR,
University of Koeln, SUNET, University of Bergen and the University of Nevada
System Computing Services. Several additional servers offer searches with
access limited to internal users; in this class are servers at MSU, SUNET, and
the Australian University system.
El servicio Veronica comprende dos
tareas (que no tienen porqué ser realizadas necesariamente por el mismo
ordenador):
· Recolectar datos de los servidores Gopher e indizarlos de forma que sean utilizables.
· Poner esta información a disposición de los clientes.
Los servidores Veronica son fácilmente
accesibles mediante los propios clientes Gopher
(actualmente también se puede acceder a Veronica desde pasarelas Web),
ofreciendo varios tipos de búsquedas, desde las mas simples (de una sencilla
palabra clave), a interrogaciones lógicas de tipo booleano (and, or,
not, etc. Ap. K) de cualquier
complejidad (incluyendo paréntesis). Es posible así mismo establecer el
número máximo de respuestas que se desean, así como restringir la búsqueda a
ciertos tipos Gopher. Los resultados de las interrogaciones se obtienen
en formato Gopher, es decir, como una serie de ítemes de tipo menú, cuyos
títulos responden al criterio de búsqueda utilizado. Debido a que la
interrogación se realiza utilizando un cliente Gopher, el usuario puede ya
seleccionar directamente cualquiera de estos ítemes que le conducirá
directamente al servidor Gopher que contiene la información correspondiente.
En 1.994 la recolección y preparación de datos era realizada por la Universidad
de Nevada que distribuía los resultados a los diversos servidores
Veronica. Desde el propio Veronica
se pueden obtener mas instrucciones sobre su utilización.
§4 WHAIS
El sistema WAIS ("Wide Area Information Servers system"), fue introducido en 1991 por Thinking Machines Corporation de Cambridge, Massachusetts en colaboración con Apple Computer, Dow Jones & Company y KPMG Peat Marwick.
Nota: Otras fuentes citan que WAIS fue creado en 1989 por Brewster Kahle, un desarrollador de Thinking Machines (que más tarde fundaría The Internet Archieve), que comienza a trabajar en un sistema para compartir datos de redes, incluyendo Internet; se traslada a San Francisco y funda WAIS Inc.
Aquí es donde interviene WAIS. Brewster Kahle, fundador y presidente de WAIS Inc. declaraba en septiembre pasado (1998) a Internet World: "Nos gusta usar esta analogía: un libro tiene tres secciones, la tabla de contenidos, las páginas, y el índice analítico. Así que pensemos en la Internet como en un libro: está Gopher, que es la tabla de contenidos; está el World-Wide Web, que son las páginas de hipertexto, y está WAIS, que es una búsqueda directa cuando sabes lo que quieres". Cuando uno sabe lo que busca, y sólo le falta encontrarlo, tiene WAIS, que sería algo así como un índice analítico para el WWW. Pero WAIS no se ha conformado siempre con este papel secundario. En un principio aspiraba a ser mucho más.
Carles Bellver Torlà "Índices
electrónicos en el World-Wide Web" http://nti.uji.es/docs/nti/net/indices.html.
(este artículo se publicó originalmente en el número de febrero de 1996 en
Se trata de un sistema electrónico de indizado, publicación y recuperación de
información multimedia, en un entorno de red, es decir: de bases de datos
personales, corporativas o públicas en cualquier punto del mundo. La
información es accesible con independencia de su formato, ya sea texto corriente,
documentos formateados, imágenes, hojas de cálculo, gráficos sonidos o video [7].
Nota: Algunos sistemas actuales son ya capaces de identificar y leer mas de 200 formatos de archivo diferentes y estas habilidades crecen sin parar.
Utiliza un modelo Cliente/Servidor y un sencillo protocolo (Z39.50-1988).
Consta de tres paquetes software de los que existen versiones para la mayoría
de los Sistemas Operativos (mas detalles en: http://www.iti.gov.sg/iti_service/irg/irg.faq.html).
El sistema tiene varios componentes:
· Indizador: Permite clasificar automáticamente cualquier cantidad de información por grande que sea. Se distingue de otros sistemas de índice, como Archie o Veronica, en que no solo puede indizar los documentos contenidos en un servidor, también indizar una descripción del contenido del mismo.
· Servidor: Permite hacer utilizable la información a través de redes como Internet. Un servidor Wais permite al administrador establecer un índice de los documentos (o recursos) que serán publicados. Dispone de un agente, encargado de recibir las interrogaciones de los clientes y devolver el resultado. Por su parte, el usuario del servicio puede utilizar un cliente Wais, encadenarlo a un servidor específico, establecer un patrón de búsqueda y asociarlo a su vez al índice del servidor, de forma que búsquedas que hayan sido probadas satisfactoriamente pueden ser repetidas automáticamente, y que avisen de la nueva información que haya al respecto tan pronto como se encuentre disponible.
·
Cliente Wais:
Como clientes pueden usarse clientes Wais específicos; clientes Gopher
(mediante una pasarela trasparente para el usuario), y clientes Web
(Navegadores) como Mosaic, Netscape o MS I
Explorer (también mediante pasarelas). Esta última facilidad
es responsable de que, en la práctica, resulte excepcional la utilización de
clientes Wais, siendo por lo común interrogados los servidores con los
navegadores mediante pasarelas Web. En http://www.ucm.es/INET/wais.html.
El sistema permite ser interrogado en lenguaje natural, de forma que la
búsqueda y recuperación de información se realizan utilizando el lenguaje
nativo (se han usado Ingles, Francés, Italiano y Latín). Las palabras mas
comunes ("stop" words) son eliminadas y se suponen "OR"
lógicos implícitos entre las palabras que quedan. También se permiten
búsquedas lógicas (booleanas) e incluso de condiciones de proximidad de
palabras, etc. El servidor Wais
lee la consulta, busca a continuación en la totalidad de los textos de su base
de datos, intentando encontrar los documentos que considera concordantes al
respecto. A continuación, los documentos seleccionados, son ordenados
mediante un proceso estadístico tras asignar un cierto peso a las palabras
según un esquema de su relevancia probable (que incluye no solo el número de
encuentros en el texto sino la proximidad de unos a otros); de esta
forma, el sistema contesta proporcionando la información de forma ponderada y
ordenada según su importancia probable. En realidad, el servidor no tiene
que comprender totalmente la pregunta, el sistema de recuperación de la
información se base en un método de búsqueda que contiene elementos de lógica
difusa, denominado de realimentación de relevancia ("Relevance
feedback"). El usuario puede elegir ver determinados documentos o
realizar un nuevo afinado.
Una de las características más interesantes de la utilización de esta lógica es que, con el fin de refinar búsquedas sucesivas, los documentos más relevantes encontrados (cualquiera que sea su tamaño), pueden ser reenviados al servidor diciéndole: "Encuéntrame algo más, parecido a esto".
Muchos de los servicios de búsquedas distribuidas que permiten consultas en lenguaje natural sobre índices (muchos buscadores de la Web), utilizan sistemas Wais (algunos son claramente identificables, precisamente porque devuelven los resultados ordenados en orden de importancia decreciente).
[1] El nombre tiene su origen en el de un personaje de un famoso cómic Norteamericano, aunque viene a ser "Archive" menos una letra.
[2] En principio los servidores Archie solo escrutaban los servidores de ficheros en máquinas UNIX.
[3] Los servidores FTP suelen tener en su directorio raíz un fichero con un nombre algo así como 1s-1R que contiene los nombres de todos los ficheros contenidos en el servidor.
[4] En http://www.ucm.es/INET/ZArchie.html
de
[5] En http://www.ucm.es/INET/gopher.html
de
[6] Premio al acrónimo mas largo!. "Los 20 peores acrónimos". Byte Magazine Septiembre 1995.
[7] Existe una buena descripción de sistema en "Browsing Through Terabytes" de Richard Marlon Stein. BYTE Magazine Mayo 1991 (edición USA).