más característico de la RI aplicada a la Web lo tenemos en la forma en que los motores de búsqueda calculan la relevancia para entregar sus resultados. En los primeros años de la Web, justo hasta la aparición de Google, este cálculo se realizaba con los algoritmos que hemos indicado más arriba. De hecho, la mayor parte de los motores los siguen usando hoy en día. Sin embargo, Google aportó a finales de los noventa una importante novedad: además de los criterios intrínsecos de cada sitio o página web (p.e. la frecuencia absoluta y relativa de los términos de búsqueda), consideró el siguiente criterio externo a la web: el número y la calidad de los enlaces que recibe la página o el sitio web considerado. A medida, denominada PageRank, consiste, consiste, en términos conceptuales en lo siguiente: para Google, un documento (esto es, una página web) es tanto más relevante (a igualdad de otros factores) cuantos más enlaces recibe de otras páginas web que, a su vez, reciban muchos enlaces. Con variaciones, la mayor parte de los motores de búsqueda han incluido el número de enlaces recibidos (popularidad, en argot técnico) en una forma de ponderar la relevancia de un documento en la Web. En síntesis, del análisis de los principales motores de búsqueda (Google, AlltheWeb, AltaVista) se deduce que el cálculo de relevancia de un sitio o de una página web se obtiene combinando de alguna forma los factores que se indican en las dos tablas siguientes (el orden no es necesariamente significativo): Tabla 2.2: Criterios internos a la página web Para una sola palabra clave Para dos o más palabras clave 1. Frecuencia absoluta Número de veces (sumatorio) que aparece el término de búsqueda. Cuanto mayor es la frecuencia, más relevante es la página. 1. Frecuencia absoluta (Ver explicación columna izquierda) 2. Ubicación Lugar donde aparece el término de búsqueda. Una página web donde el término aparezca en el título es más importante que si aparece solamente en el cuerpo. 2. Variedad Número de términos de la pregunta presentes en el documento. 3. Emergencia Número de orden de la palabra. Si el término aparece al inicio del título es más importante que si aparece al final. 3. Ubicación (Ver explicación columna izquierda) 4. Frecuencia relativa La frecuencia absoluta dividida por el número de palabras de la página. Cuanto mayor es la frecuencia relativa (o densidad) mayor es la relevancia, siempre que esta frecuencia relativa se mantenga en unos márgenes estadísticos. Por ejemplo, los motores de búsqueda pueden penalizar frecuencias relativas muy altas. 4. Proximidad Número de palabras entre los términos de búsqueda. En general, cuantas menos palabras separen a los términos de búsqueda en el documento, mayor es su relevancia. 5. Emergencia (Ver explicación columna izquierda) 6. Frecuencia relativa (Ver explicación columna izquierda) Tabla 2.3: Criterios externos a la página web Criterios basados en enlaces 1. Número de enlaces recibidos por la página Un sitio web será más relevante (a igualdad de otros factores) cuantos más enlaces recibe de otras páginas web. 2. Calidad de los enlaces recibidos por la página No todos los enlaces otorgan el mismo valor para calcular la relevancia. Las páginas que a su vez son muy enlazadas, otorgan más valor que las páginas poco enlazadas. Dicho de otro modo: el enlace procedente de una página personal otorga menos valor que el enlace procedente de Yahoo, por ejemplo. 3. Texto de los enlaces recibidos por la página Algunos buscadores, notablemente, Google, consideran el texto que sirve de anclaje al enlace externo hacia otra página como una pista o una inferencia que utilizan para calcular la relevancia de la página así enlazada. En casos extremos, si muchas páginas web contienen un enlace con el texto “x” (p.e. el texto “biología”) hacia un mismo sitio web, es posible que ese sitio web sea muy relevante para Google, incluso aunque el sitio web considerado no contenga el término “x” (o sea, aunque no contenga el término “biología”). Criterios basados en tráfico 1. Número de visitas que recibe la página Esta medida se refiere al número de visitantes que tiene un sitio web, y la ha desarrollado, entre otras empresas, Alexa (www.alexa.com) bajo la denominación Traffic Rank (ver más adelante). 2. Número de páginas visitadas Además del número de visitas, se suele considerar también el número de páginas vistas en un sitio. Forma parte también del indicador Traffic Rank (ver más adelante). 2.7.2. Interfaces de búsqueda en motores Los motores de búsqueda en la Web representaron un claro paso adelante en relación a un aspecto de la RI (el cálculo de relevancia), pero al mismo tiempo representaron un claro paso atrás en otro aspecto: en relación a interfases de consulta. Actualmente las interfaces de consulta de los motores están claramente por debajo de las posibilidades de las bases de datos que podríamos denominar clásicas (pre-web) y de los sistemas de gestión de bases de datos que son de uso común en empresas. La mayor parte de los motores de búsqueda ofrecen una búsqueda simple, que consiste en una caja donde se pueden entrar términos sin ninguna relación explícita entre ellos (sin ninguna sintaxis ni ningún tipo de operador), y una búsqueda avanzada, donde se puede utilizar, en general de forma limitada, algunos operadores booleanos combinando con alguna forma también muy limitada de búsqueda por campos. Carecen, en general, de opciones para ayudar en la búsqueda que en cambio están presentes en cualquier sistema de gestión de bases de datos: como guardar consultas, combinar resultados de búsquedas anteriores, consultar índices, etc. Las actuales interfaces de consulta de los motores de búsqueda están orientadas a promover en el usuario la idea (falsa) de que la búsqueda de información en la web es simple. Buscar en Internet, igual que buscar en otros espacios mucho más reducidos y homogéneos, puede resultar muy simple o muy complicado en función de la necesidad de información. Es evidente que si deseamos encontrar sitios web con información turística sobre Londres (o sobre cualquier ciudad medianamente importante), la operación no reviste ninguna dificultad. Pero, si lo que necesitamos es encontrar información para desarrollar un proyecto que combine el tema X, desde el punto de vista Z, pero teniendo en cuenta el aspecto M, entonces la cuestión no es tan simple (por ejemplo: “web semántica y Dublin Core, desde el punto de vista de las bibliotecas digitales”) Cualquier lector acostumbrado a realizar este tipo de búsqueda sabe que, en esos casos, los motores de búsqueda deberían proporcionar interfases de consulta preparadas para que los usuarios desarrollaran una búsqueda que podría requerir de varias sesiones de trabajo, así como de varios procesos de ensayo y error. Hay un aspecto, sin embargo, donde los motores de búsqueda han aportado una mejora en la interfase de búsqueda. Casi todos han incorporado algún sistema automático de agrupación de resultados por temas (categorización) o de asociación de términos relacionados que, o bien ayudan al usuario a transformar su búsqueda en una operación parcial de navegación o bien le proporcionan nuevos términos de búsqueda para refinar su consulta. Dado que estas operaciones de categorización o de sugerencia de nuevos términos de búsqueda están soportadas por algoritmos automáticos que, a su vez, tienen una escasa base lingüística y un fuerte componente estadístico, su utilidad es muy aleatoria. En algunas consultas serán de gran utilidad, pero en otras será decepcionante. Probablemente, darán un buen rendimiento para búsquedas simples basadas en términos muy generales, pero muy mal rendimiento en búsquedas especializadas. Por ejemplo, una búsqueda por el término Londres en AltaVista (www.av.com) proporciona, además de la lista de resultados, esta lista de términos relacionados con el objetivo de ayuda a precisar el sentido de la consulta: Hoteles De Londres Petit Palace Londres Bed Breakfast Gran Bretaña London Hotel London Stoc Exchange National Gallery Post Production Reino Unido River Thames Una simple revisión de la misma sirve para convencernos de la posible utilidad de disponer de una sugerencia de búsqueda como “Hoteles” o como “Gran Bretaña”. Sin embargo, una búsqueda por un tema más especializado, como “Arquitectura de la Información” o “Recuperación de Información”, las sugerencias no siempre son tan afortunadas. 2.7.3. Posicionamiento Web En cualquier caso, la utilidad de los motores de búsqueda es indiscutible (e insustituible). Reiteradas encuestas y diversos estudios del tráfico en la Web muestran que una gran parte de los internautas acceden a los sitios web a través de motores de búsqueda (y a través de Google concretamente en su inmensa mayoría). Es decir, cada vez más, los internautas realizan una búsqueda previa en un motor como Google para elegir el sitio al que visitar. Por ejemplo, si alguien planea adquirir un automóvil a través de Internet o simplemente desea obtener información sobre el mercado de automóviles, hay una probabilidad muy alta de que acceda a Google o un motor similar (All