Internet ed il World Wide Web

Presentazione sul tema: "Internet ed il World Wide Web"— Transcript della presentazione:

1 Internet ed il World Wide Web
Monica Bianchini Dipartimento di Ingegneria dell’Informazione Monica Bianchini Dipartimento di Ingegneria dell’Informazione

2 Sommario Introduzione: le reti di calcolatori
Internet: indirizzamento e protocolli di comunicazione Il World Wide Web: come funziona e a cosa serve Ricerca di informazione sul Web

3 Parte 1 Introduzione

4 Introduzione  1 Una rete è costituita da due o più computer collegati tra loro in modo tale da permettere flusso di informazione La più grande rete esistente al mondo è Internet: ogni computer connesso ad Internet è in grado di comunicare con tutti i computer collegati

5 Introduzione  2 “Internet ha rivoluzionato il mondo dei calcolatori e della comunicazione come nulla aveva fatto prima. È allo stesso tempo capacità di diffusione a livello mondiale, un meccanismo per disseminare informazioni ed un mezzo per collaborazione ed interazione fra individui ed i loro calcolatori, senza riguardo alla collocazione geografica.” (Leiner et al., “A brief history of the Internet”, Feb. `97, Internet offre una notevole varietà di servizi informativi: posta elettronica, ftp, login remoto, accesso a newsgroup, etc.; il WWW è di gran lunga il più conosciuto

6 Reti locali Una rete locale — LAN (Local Area Network) — connette dispositivi hardware che si trovano fisicamente vicini, nello stesso edificio o nella stessa università Per le LAN, il proprietario delle macchine è anche il proprietario dei mezzi di comunicazione: non occorre acquistare servizi forniti da terzi, come la compagnia telefonica Il modello più diffuso di LAN è chiamato Ethernet Sono oltre 60 milioni nel mondo gli utenti stimati delle LAN basate su Ethernet

7 Reti geografiche Una rete geografica — WAN (Wide Area Network ) — connette dispositivi che possono essere ai poli opposti della stessa città o in città vicine (in questo caso si parla più propriamente di MAN — Metropolitan Area Network) o dall’altra parte dell’oceano Poiché le WAN attraversano proprietà pubbliche, gli utenti di una WAN devono acquistare servizi di telecomunicazione Le WAN sono connesse tramite linee di comunicazione punto–a–punto che collegano direttamente due calcolatori, anziché per mezzo di canali condivisi, normalmente utilizzati per le LAN

8 Servizi di rete Condivisione delle risorse — sia fisiche (memorie di massa, periferiche) che logiche (dati, software) Condivisione delle informazioni — accesso ad informazioni remote, di carattere scientifico, medico, legale, commerciale Posta elettronica — conveniente (può essere scritta/letta a qualsiasi ora del giorno e della notte), veloce (un messaggio dagli USA arriva in meno di un minuto), economica (i costi di trasmissione non dipendono dalla distanza); “documenti” di qualsiasi tipo (file, archivi, foto, musica) possono essere acclusi in allegato

9 Parte 2 Internet

10 La storia di Internet  1 Internet è la rete telematica più grande del mondo, per estensione geografica e per numero di utenti Nel periodo della guerra fredda, il governo USA sollecitò la creazione di DARPA, Defense Advanced Research Project Agency, una struttura del Dipartimento della Difesa con il compito di mantenere le comunicazioni in caso di attacco nucleare Fu Paul Baran a ipotizzare, in un documento dal titolo On Distributed Communication Networks, la creazione di una rete priva di autorità centrale, in cui tutti i nodi fossero indipendenti, di pari gerarchia ed in grado di originare, passare e ricevere messaggi (indipendentemente dalla tipologia dei computer collegati)

11 La storia di Internet  2 I messaggi dovevano essere scomposti in pacchetti, ognuno dei quali in grado di raggiungere la propria destinazione seguendo un percorso qualsiasi, qualora quello stabilito fosse interrotto Nel 1965, il DARPA finanziò uno studio sulle reti cooperative di computer Nel 1969, il Dipartimento della Difesa commissionò ARPANET, con lo scopo di promuovere la ricerca per un piano di rete nazionale militare; il primo collegamento fu stabilito tra due computer dell’Università della California (UCLA) e dello Stanford Research Institute

12 La storia di Internet  3 Internet non è gestita da alcuna istituzione politica, culturale o economica, ma da un gruppo di volontari, conosciuto come ISOC (Internet Society ) Fornire le dimensioni di Internet è impossibile: si calcola vi siano centinaia di milioni di utenti, localizzati in ogni paese del mondo; la crescita esponenziale di Internet continua

13 Le tappe fondamentali 1969  primo nodo di ARPANET
1971  ARPANET conta 15 nodi 1972  ARPANET congiunge 37 nodi 1973  prima connessione internazionale fra Inghilterra e Norvegia 1976  la regina Elisabetta è il primo capo di stato a spedire ; Jimmy Carter e Walter Mondale coordinano la campagna elettorale via (4$ a messaggio) 1979  fu inaugurata Usenet 1982  nasce il protocollo TCP/IP 1983  la rete conta più di mille nodi; MILNET (rete militare) si scinde da ARPANET (rete di ricerca del mondo universitario) 1984  nasce la prima comunità virtuale, The Well (Whole Earth Electronic Link) 1987  host; nasce NSFnet (58 kbps) 1989  host 1990  ARPANET diviene Internet, Tim Berners-Lee del CERN di Ginevra progetta il WWW; nasce l’HTML 1991  primi software di navigazione (Gopher) 1992  nasce il protocollo HTTP 1993  prima versione (gratuita) di Mosaic, il primo browser grafico 1994  Netscape distribuisce gratuitamente via Internet, la versione beta del Navigator 1995  Microsoft realizza Explorer, sulla base di Mosaic

14 Internet: la rete delle reti
Conseguentemente ad ARPANET, nacquero HEPNet (High Energy Physics Network), CSNET (Computer Science Network), SPAN (Space Physics Access Network), etc., per supportare lo scambio di informazione scientifica nelle specifiche aree di ricerca La proliferazione rapida e non pianificata di reti indipendenti causa incompatibilità e ostacola la comunicazione fra utenti di reti distinte Internetworking — ogni WAN è libera di gestire autonomamente la comunicazione al suo interno, ma deve utilizzare uno schema comune di indirizzamento e protocolli identici per interfacciarsi alle altre reti Internet diviene la rete delle reti — reti distinte si interconnettono attraverso gateway, che realizzano la connessione effettiva e forniscono i servizi di routing fra le diverse WAN

15 Indirizzamento Uno schema globale e gerarchico di indirizzamento identifica univocamente ogni utente ovunque localizzato nel mondo: identifica l’utente “Monica (Bianchini)”, con un account su un calcolatore il cui indirizzo di rete è rappresentato da ciò che sta a destra di il calcolatore è situato nel Dipartimento di Ingegneria dell’Informazione (dii) dell’Università di Siena (unisi), in Italia (it) Lo schema gerarchico di indirizzamento, che procede dallo specifico al generale, è chiamato Domain Name System (DNS) Nella realtà, gli indirizzi di Internet sono numeri binari a 32 bit: gli indirizzi simbolici — più facili da memorizzare — sono convertiti automaticamente negli indirizzi numerici prima della trasmissione di dati sulla rete

16 Protocolli di comunicazione
In informatica, le regole comuni per lo scambio di informazioni vengono definite protocolli — “usi e norme che regolano le formalità, il diritto di precedenza e di cerimoniale diplomatico ”: definizione che si adatta perfettamente al contesto della trasmissione dell’informazione TCP/IP — Transmission Control Protocol/Internet Protocol, descrive le regole e le procedure cui le diverse WAN devono attenersi per indirizzamento, formato dei messaggi, routing e controllo degli errori: è il linguaggio comune parlato dalle reti di tutto il mondo

17 Internet: la diffusione  1
Dalle origini al gennaio 2000, Internet è cresciuto fino a più di 72.4 milioni di calcolatori localizzati in ogni parte del mondo, ed il DNS include estensioni per 239 paesi, territori e possedimenti, compresi il continente antartico (.aq), Guinea Bissau (.gw), le isole Cocos (.cc), Pitcairn (.pn), etc. Secondo uno studio dell’americana Telcordia Technologies, il numero degli Internet host presenti nel mondo avrebbe superato i 100 milioni nel 2000 Questo dato rappresenta un incremento del 45% rispetto al 1999 Nel 2000, gli utenti di Internet sono circa 3.4 per host, con un totale mondiale vicino ai 350 milioni Negli USA il rapporto utenti/host è 2.4, nei paesi meno industrializzati (come la Cina) arriva anche a 100

18 Internet: la diffusione  2
Negli USA, l’ultima parte del DNS non identifica lo stato, ma il tipo di sito: commerciale (.biz, .com), universitario (.edu), governativo (.gov), militare (.mil), organizzazioni no profit (.org) I principali servizi offerti (tramite TCP/IP) sono il telnet, per realizzare il login remoto, l’FTP (File Transfer Protocol ) per il trasferimento di file da macchine remote, l’SMTP (Simple Mail Transfer Protocol ) per la posta, ed il World Wide Web per la condivisione di informazione ipertestuale, che si avvale del protocollo HTTP (HyperText Transfer Protocol ) 199095: In italia si passa da 650 a host Luglio 2000: host in Italia Attualmente: Internet sta crescendo vertiginosamente (e sta cambiando) ad opera della più importante applicazione sviluppata dopo l’e–mail, il WWW

19 Parte 3 Il World Wide Web

20 Internet, ovvero… il World Wide Web  1
WWW: Whatever, Wherever, Whenever WWW: World Wide Wait (l’attesa planetaria) Information Nirvana “Internet è la più grande anarchia operante nel mondo.” (Kevin Kelly) Internet è la passeggiata curiosa in un grande mercato delle pulci, dove ci si può divertire a cercare notizie sugli extraterrestri, conoscere il canto degli uccelli australiani o scambiarsi opinioni sul gioco delle bocce “Internet è l’equivalente dell’invenzione di una città.” (William Gibson) Ognuno proietta su Internet quello che fa (o avrebbe voluto fare) nella vita “reale”: un ospedale virtuale, un supermercato elettronico, una galleria con le emozioni vissute… “Il desiderio di Internet è così intenso che può essere compreso solo come un fatto spirituale. Quel desiderio indica che c’è qualcosa che manca nella nostra vita. E quello che manca è la voce umana. Il Web promette il ritorno della voce umana.” (David Weinberger)

21 Internet, ovvero… il World Wide Web  2
Ogni sito è un punto di vista su Internet Internet non è né buono né cattivo, ma un semplice mezzo per l’uso e l’abuso; siamo noi che gli diamo l’anima, la nostra, buona o cattiva; inutile lodare, inutile maledire “Sembra che il nuovo medium assomigli ad un test di Rorscahch, un blob elettronico all’interno del quale ognuno proietta fantasie, desideri e timori per la società. I tradizionalisti trovano le forze oscure della degenerazione. I libertari trovano la mano pesante del governo. La sinistra trova una nuova comunità, priva della materiale avarizia del busisness privato.” (Eli Noam, direttore del Columbia Institute for TeleInformation) Cercare informazioni su Internet equivale a versare un aperitivo con la pompa della benzina Internet è la “Mecca dei grafomani” Internet è quel posto dove tutti navigano per trovare un motivo per navigare

22 Internet, ovvero… il World Wide Web  3
Il motore a vapore all’inizio non ha cambiato la vita che di poche persone; ma quando è stato montato su una locomotiva e messo sulle rotaie, la società intera è stata trasformata. Il computer è il motore a vapore, Internet le rotaie. Saranno le rotaie di Internet a diffondere la “rivoluzione digitale” e a cambiare il mondo. “La nuova Internet sarà questa: non più utenti che comunicano fra di loro via computer, bensì computer in rete 24 ore su 24 che comunicano tra loro per conto degli utenti.” (Philip Greenspun, MIT, Boston) Internet è quella realtà nella quale gli investitori pagano prezzi assurdi per azioni di aziende di cui non sanno spiegare il business “La parola più ricercata su Internet: SEX” (Deb Levine, autrice di “The Joy of Cybersex”) “Internet è un vero e proprio <<campo di prova>> per migliorare le proprie capacità di <<flirting>> o fare errori relazionali senza rischiare (si può rimanere anonimi), trovare supporto e costruire la propria <<self-confidence>>.” (Deb Levine)

23 Il World Wide Web Grazie al Web stiamo assistendo ad una rivoluzione nell’accesso alle fonti di informazione Cercare nel Web è come accedere ad un’enciclopedia di miliardi di pagine senza un indice né un ordine apparente La e–revolution avrà un enorme impatto in tutti i campi del sapere e nella nostra vita quotidiana Il Web ha cambiato completamente le nostre aspettative da una fonte di informazione: il Web si modifica ed evolve costantemente Come rappresentiamo e misuriamo il Web ha un severo impatto nei metodi di ricerca che riusciamo a modellare 3 utenti su 5 cercano nel Web sottoponendo query (interrogazioni) a motori di ricerca come Google o Altavista

24 Il Web italiano  1 Il motore di ricerca italiano Il Trovatore ha raccolto i dati 2002 sulle dimensioni del Web italiano: Dall’analisi di circa 260mila siti italiani è emerso che il Web Italiano (it, sm, va) era costituito da circa 48 milioni di pagine Aumentano considerevolmente i link che portano a pagine non più esistenti (rispetto al 2001 viene registrato un incremento del 110%: dai “File not Found ”del 2001, ai del 2002)

25 Il Web italiano  2 Al 2002, sono circa 45.7 milioni le pagine Web raggiungibili nella rete italiana: tra queste pagine presentano un redirect verso un altro sito contro le del 2001, con un aumento del 10.6%  tendenza all’acquisto di domini o cambi di provider pagine Web richiedono la password per l’accesso, con un incremento del 73% circa rispetto al 2001, quando le pagine erano  aumento di siti con accesso ristretto, procedura prevista per i servizi a pagamento o per intranet aziendali

26 L’informazione ipertestuale  1
Ipertesto — raccolta di documenti connessi da puntatori, gli hyperlink; un documento contenente informazione ipertestuale è una pagina, nel linguaggio del Web Lo standard linguistico per la scrittura di pagine è HTML — Hypertext Markup Language Navigare sul Web significa accedere a pagine successive, utilizzando i link per spostarsi da pagina a pagina I documenti ipertestuali possono essere memorizzati ovunque nei miliardi di computer collegati ad Internet e un link è il nome di una pagina e l’indirizzo Internet della macchina su cui è memorizzata

27 L’informazione ipertestuale  2
Un link di un ipertesto fa riferimento ad un URL (Uniform Resource Locator ), protocollo://indirizzo_Internet/risorsa “protocollo” indica la natura dell’informazione contenuta nella pagina (http(s) : ipertesto; ftp: file download; news : per informazioni da bollettini e newsgroup; mailto: web– mail)  “indirizzo_Internet” è l’indirizzo DNS della macchina su cui la pagina è locata  “risorsa” è l’identificativo della risorsa, un file memorizzato sulla macchina specificata

28 L’informazione ipertestuale  3
Quando si “clicca ” su un link, la rete utilizza i protocolli TCP/IP–HTTP per stabilire una connessione tra la macchina dell’utente e la macchina remota il cui indirizzo Internet è puntato dall’URL Quando la connessione è stabilita, la pagina richiesta viene trasferita alla macchina dell’utente e visualizzata sullo schermo: il fetch (reperimento) delle pagine e la loro visualizzazione è gestita da un browser (Netscape, MS Explorer) Il WWW è la “killer app ”, l’applicazione dalla crescita più rapida e la più importante di Internet

29 Numero di anni per raggiungere 50.000.000 di utenti
38 years 16 years 13 years 4 years Internet Radio Televisione PC

30 Il commercio elettronico
Termine applicato all’utilizzo del Web per lo scambio di merci, informazioni e servizi nel settore commerciale I primi servizi offerti dall’e–commerce riguardavano soprattutto aspetti di e–business, con l’emissione di bonifici, l’attivazione di sportelli automatici per la gestione di transazioni finanziarie da siti remoti, l’utilizzo di dispositivi di lettura alle casse per la raccolta automatica di informazioni di vendita I POS (Point of Sale) per la lettura di carte di credito e Bancomat sono esempi di servizi di e–business Più recentemente, con il WWW, si è assistito alla diffusione del servizio in maniera capillare; i siti commerciali offrono tour interattivi nei loro negozi virtuali In rete possono essere acquistati — con transazioni sicure — libri, cd musicali, dvd, magliette, generi alimentari, che vengono rapidamente recapitati a domicilio

31 Commercio elettronico in Italia
Nella sua accezione più sommaria, il commercio elettronico è il risultato di un insieme di transazioni commerciali svolte attraverso un processo telematico Tuttavia, il Ministero dell'Industria, del Commercio e dell'Artigianato lo definisce come… «L'E-Commerce […] consiste nello svolgimento di attività commerciali e di transazioni per via elettronica e comprende attività diverse quali: la commercializzazione di beni e servizi per via elettronica, la distribuzione on-line di contenuti digitali, l'effettuazione per via elettronica di operazioni finanziarie e di borsa, gli appalti pubblici per via elettronica ed altre procedure di tipo transattivo della pubblica Amministrazione » Le società multizionali per tecnologiche avanzate (come Cisco e Oracle) sono state tra le prime che hanno trasferito i loro acquisti e gran parte delle loro vendite sul Web

32 Sicurezza in rete Dalla rapida crescita delle transazioni economiche sulla rete proviene la necessità di incrementare la sicurezza ; se un hacker rubasse i numeri delle carte di credito usate per acquisti on–line o ottenesse l’accesso agli archivi di una banca, potrebbero verificarsi perdite economiche catastrofiche La sicurezza in rete coinvolge:  il problema dell’autenticazione (verifica dell’identità di chi effettua la transazione)  il problema della crittazione/decrittazione (per la sicurezza dell’informazione durante la trasmissione)  la tolleranza ai guasti (per la sicurezza delle transazioni in presenza di guasti software/hardware)

33 Ricerca di informazione sul Web
Parte 4 Ricerca di informazione sul Web

34 Perché non è facile trovare informazione sul Web?
Enorme massa di informazione — 20 miliardi di pagine (stimate), 3 milioni di pagine aggiunte ogni giorno; il Web raddoppia ogni 2 anni L’informazione è spesso accessibile solo attraverso maschere di ricerca I motori di ricerca indicizzano le pagine con circa 15 giorni di ritardo Poca o nessuna possibilità di personalizzare i tool (strumenti) di ricerca

35 Attualità e previsioni  1
Asilomar Report su ricerca su Database: “The majority of human information will be on the Web in ten years. It will be an exabyte (260 1018) spread across the planet in many formats. Absent new tools, finding and understanding answers to our questions will be even harder than it is today.” Nuove prospettive di calcolo: “Internet è il computer, il browser, il sistema operativo, etc.  Universal & pervasive computation.” E-commerce: “By 2003, the Internet will become the predominant mechanism for conducting business either to consumers or between businesses.” — Gartner Group “5% of the world's commerce, $3.2 trillion, will be Internet–based by ” — Forrester Research Popular Press: “The Internet is the Gutenberg press on steroids. Gutenberg wasn't about how many Bibles were printed, but the fact that you no longer had to listen to the clerics. You could read it yourself and make your own interpretations.” — W. Wacker

36 Attualità e previsioni  2
Ci saranno più di 765 milioni di utenti nel mondo  118 ogni 1000 persone  alla fine del 2005, in base a quanto stimato dal CIA (Computer Industry Almanac) La quota di utenti Internet statunitensi è destinata a calare dal 43% del totale di utenti nel mondo alla fine del 1999 al 27% per la fine del 2005 L’Europa dell’ovest sta crescendo più velocemente del nord America ed è destinata a diventare la seconda area nel 2005 con più di 213 milioni di utenti La regione AsiaPacifico sta crescendo ancora più velocemente ed avrà approssimativamente 190 milioni di utenti nel 2005 La quota di utilizzatori in centro e sud America, e Africa, sta crescendo più lentamente, in particolare in Africa (studi hanno dimostrato che esiste una connessione diretta tra livello culturale, occupazione ed utilizzo di Internet)

37 Internet interplanetario

38 Misurare il Web Statistiche utili: numero di pagine, di server, di domain name, durata e dimensione delle pagine, duplicati, lingue Analisi della connettività: numero di link, raggiungibilità delle pagine, “diametro” e struttura del Web Modelli matematici: grafi, sistemi evolutivi Dinamiche: numero di accessi, velocità di crescita, proprietà emergenti

39 Il modello a papillon Modello generato dalla dalla raccolta di 200
milioni di pagine Il raggio del “core” è stimato pari a 19 clic

40 Stima delle dimensioni del Web (Febbraio `99)
Campionamento casuale dello spazio degli indirizzi: 2564, cioè 4.3 miliardi; testati 3.6 milioni di indirizzi IP Molti siti riproducono la stessa informazione con indirizzi IP distinti (mirror ) per ottenere ridondanza nell’informazione ed un minor carico di accessi per sito Molti server non appartengono al “Publicly Indexable Web (PIW)”  16 milioni di Web server di cui solo 2.8 milioni appartengono al PIW Marzo 2003: Web server

41 Quante pagine Web? (19992000) 22.5 miliardi di pagine effettive
Northern Light: 650 milioni di pagine nel Giugno ‘99 Inktomi: oltre 800 milioni di pagine nel Giugno ’99; almeno 1 miliardo di pagine nel Gennaio ‘00 Internet Archive: 1.2 miliardi di URL nel Giugno ‘99 Google: 1 miliardo di pagine raccolte nel Giugno ‘00

42 Deep Web  1 Il “deep Web” è rappresentato da tutti i siti inaccessibili ai motori di ricerca tradizionali: 500 miliardi di documenti racchiusi in oltre siti che permettono di accedere dinamicamente ad informazioni strutturate nei propri archivi I motori di ricerca censiscono solo le singole pagine statiche dei siti, e cioè il “surface Web”

43 Deep Web  2 Il 95% del deep Web è accessibile liberamente ai navigatori della rete Principali categorie di siti del deep Web: database medici, finanziari, brevetti, etc. (54%); siti aziendali consultabili mediante interrogazioni; libri, giornali, annunci; portali; biblioteche, librerie; Yellow/White page e cataloghi Siti pubblici che compongono il deep Web:

44 Che tipo di informazione si trova sul Web?
Le homepage di 2500 server Web sono state classificate manualmente  83% siti commerciali Il numero di siti su argomenti specifici è abbastanza piccolo; è perciò possibile creare motori di ricerca verticali relativi ad un singolo argomento Il 65% dei siti è in inglese Circa il 7% degli utenti Internet sono di lingua tedesca,  il 51% parlano inglese, e poco più del 7% sono giapponesi

45 Motori di ricerca Ve ne sono probabilmente + di 3000, ma i 20 più usati coprono il 98% di tutte le ricerche AltaVista (estate, 1998): Indicizza 0.8 Tb (il 30% dei dati raccolti) 37 milioni di interrogazioni al giorno Tempo medio di risposta 0.6 secondi 20 computer a 64 bit, ciascuno dotato di 10 CPU, clock a 625 MHz, 12Gb RAM, 300 Gb RAID Google (primavera, 2000): 2500 PC, 30 nuovi acquisti al giorno, ogni PC dismesso definitivamente dopo il primo guasto

46 L’architettura dei motori di ricerca
Web crawler — colleziona documenti di testo, html, etc. Indexer — indicizza alcune delle pagine raccolte e, a fronte di ogni interrogazione, fornisce una serie di documenti in ordine di importanza Query engine — effettua le query sul database locale Query interface — realizza l’interfaccia per la formula- zione delle interrogazioni

47 Confrontare i motori di ricerca
Criteri di valutazione Indicizzazione delle pagine Copertura Freschezza dell’informazione Velocità Affidabilità Facilità di utilizzo

48 Come i Web navigator usano i motori di ricerca
Le interrogazioni fatte in base ad un’unica chiave di ricerca sono il 50%, mentre l’1% dei termini più usati è presente nel 10% delle interrogazioni La categoria “sesso ” è nettamente la più richiesta Per una data ricerca, ciascun utente effettua, in media, 4.87 query In media, vengono utilizzati 2.11 termini per ricerca; nei normali database, le interrogazioni sono tra 3 e 7 volte più articolate Gli operatori booleani (and e or ) sono usati 1 volta ogni 15 query, ma il 33% delle volte non sono immessi in modo corretto I modificatori (+, , “ ”) sono usati 1 volta ogni 9 query, ma il 75% delle volte l’utilizzo è scorretto

49 Informazione non reperibile dai motori di ricerca
L’hidden Web, è il Web nascosto dietro maschere di ricerca o firewall Porzioni di Web non raggiungibili dalle altre pagine (pagine mai puntate dall’esterno) Pagine a cui i robot dei motori di ricerca non possono accedere a causa dei “Robots exclusion standards ” Il Web dinamico (deep Web), che varia più velocemente della frequenza di aggiornamento dei database dei motori di ricerca

50 Copertura del Web per vari motori di ricerca (2000)

51 Copertura rispetto alla dimensione stimata del Web (2000)

52 Copertura dei motori di ricerca
Copertura del miglior motore di ricerca (nel 2000): 16% Copertura combinata degli 11 motori di ricerca più famosi (nel 2000): 42% del PIW Stesso esperimento pubblicato su Science nell’Aprile ‘98 Miglior motore di ricerca: 34% Copertura di 6 motori di ricerca combinati: 60%

53 Freschezza: link non validi (2000)
Northern Light: 9.8% Snap: % AltaVista: 6.7% HotBot: % Microsoft: 2.6% Infoseek: 5.5% Google: % Yahoo: % Excite: % Lycos: % EuroSeek: 2.6% Media: 5.3%

54 Freschezza dell’informazione dei motori di ricerca
Una nuova pagina viene indicizzata in media dopo 57 giorni… L’ indicizzazione di pagine nuove o modificate può avvenire dopo settimane o mesi !

55 Bias nell’indicizzazione (2000)
Siti con più link entranti  authority  hanno maggiore probabilità di essere indicizzati

56 Indicizzazione in base al dominio (2000)

57 Perché i motori non indicizzano tutto il Web?
Limiti tecnologici a) Banda/tempo per effettuare il download b) Spazio su disco per memorizzare l’informazione Vi è un limite oltre il quale non è economicamente conveniente indicizzare di più…  Soluzione: Motori di ricerca specializzati, portali verticali

58 Una generazione avanti: Google
Google tiene in considerazione l’informazione topologica inclusa nell’ipergrafo del Web PageRank, il metodo di indicizzazione utilizzato da Google, usa concetti simili a quelli classici dell’editoria cartacea per valutare l’importanza di una pagina; tiene conto di… …quanti link puntano ad una pagina per deciderne l’importanza inoltre, link da pagine popolari sono più importanti Esamina il testo dei link della pagina per valutare la necessità di sondarli in relazione alla stessa interrogazione Google raccoglie 6 miliardi di pagine (comunicato del ) e ne indicizza 2: raggiunge così un numero di elementi web indicizzati e ricercabili che supera quello di qualsiasi altro concorrente

59 Le metaricerche Information Need Query Fusion Policy Result Set Search Engine #1 Engine #2 Engine #3 etc. Un solo motore di ricerca copre una piccola porzione di Web  richiesta di informazione a più sorgenti (motori di ricerca) in parallelo Si aggregano i risultati tramite l’utilizzo di una opportuna funzione di fusione

60 Suggerimenti per rendere popolare un sito Web
Registrare un proprio domain name e non far ospitare le proprie pagine presso siti di provider Registrarsi a molti motori di ricerca Usare keywords (parole chiave) appropriate in titoli, heading (intestazioni) e metatag (parole chiave dell’HTML) Utilizzare HTML in maniera semplice e appropriata Farsi “linkare ” da tutti gli amici e/o i partner commerciali Contattare (eventualmente) compagnie che vendono servizi per migliorare l’indicizzazione del proprio sito

61 Guida pratica all’utilizzo di
Altavista

62 Introduzione  1 È stato forse il più noto ed utilizzato fra i motori di ricerca Altavista, nato nel 1995, offre la possibilità di effettuare ricerche avanzate (link Ricerca avanzata), di formulare preferenze su dove le informazioni debbano essere ricercate, sulla loro freschezza, sulla lingua e le modalità di presentazione Nella pagina iniziale di Altavista è presente un link alla pagina Strumenti (link Altro>>), nella quale sono elencati vari percorsi di ricerca per acquisire conoscenza e poter effettuare un uso appropriato del motore La seguente presentazione descrive brevemente quanto riportato nella pagina Strumenti di Altavista

63 Introduzione  2 Dalla pagina Strumenti di Altavista:
Ricerca avanzata: Crea richieste specifiche che comunichino ad Altavista di cercare risultati più precisi Ricerca Webmaster: Trova le pagine del proprio sito nell’indice di Altavista o trova le pagine collegate al proprio sito Ricerca con opzione SoloTesto: Effettua le ricerche nel Web con la versione più veloce e senza immagini del motore di ricerca Altavista Traduci: Traduce testi o interi siti Web Ricerca rapida: Inserisce la funzione di QuickSearch in qualsiasi sito per cercare, con un solo clic, pagine Web, immagini, video o notizie Impostazioni: Fornisce la possibilità di impostare la ricerca in modo personalizzato

64 Introduzione  3 Inoltre…
Funzione Filtro aiuta a filtrare materiale non desiderato dai risultati della ricerca su Internet Quando il filtro è “Attivato”, Altavista esclude i risultati della ricerca giudicati discutibili a causa di contenuto a sfondo sessuale, violento e/o sgradevole Nota: con il filtro impostato su “Tutti” (i tipi di informazione: pagine Web, immagini, audio e video) è possibile effettuare ricerche sul Web solo in inglese, francese, tedesco e spagnolo; il filtro funziona solo in lingua inglese; per eseguire la ricerca in altre lingue, è preferibile lasciare il filtro disattivato

65 Introduzione  4 Per ulteriori informazioni su ricerca, traduzione, aggiunta o rimozione di URL ed impostazione di paese/lingua è di utile consultazione la pagina Aiuto (“linkata” alla pagina iniziale ed a tutte le pagine principali del motore di ricerca) Infine, a partire dalla pagina di Aiuto alla Ricerca, seguendo il link Termini di ricerca speciali, si possono ottenere spiegazioni su come utilizzare gli operatori booleani (ed altri) per effettuare ricerche mirate sia semplici che avanzate Altavista permette quattro opzioni di ricerca specifica (oltre al Web): Immagini, MP3/Audio, Video, Directory

66 Ricerche di base in Altavista  1
SUGGERIMENTI: Quando si inseriscono parole multiple nella casella di ricerca, AltaVista cerca pagine Web che contengono tutte le parole Più parole chiave garantiscono maggior precisione (Esempio: Baltimore Ravens invece di Ravens ) Utilizzo di parole che si pensa possano apparire nella pagina Web oggetto della ricerca; AltaVista inserisce nei suoi indici tutte le parole di ogni pagina Web Per cercare una frase esatta, racchiuderla tra virgolette (Esempio: “essere o non essere ”) Le lettere maiuscole e minuscole sono trattate allo stesso modo; per osservare la differenza, racchiudere il termine di ricerca tra virgolette

67 Ricerche di base in Altavista  2
SUGGERIMENTI (continua…): Le parole con punteggiatura vengono trattate come se fossero racchiuse tra virgolette; tutti i segni di interpunzione sono trattati allo stesso modo (Esempio: Ford.mustang/convertible fornisce gli stessi risultati di “ford mustang convertible ”) Per ottenere risultati in altre lingue, si può sia effettuare la Traduzione della pagina Web, che selezionare la propria lingua preferita nella casella di ricerca Se si include un accento nella ricerca di una parola, AltaVista cercherà solo parole che contengono quell’accento; se l’accento viene omesso, AltaVista cercherà la parola sia con che senza accento; ciò permette di effettuare ricerche di parole francesi, tedesche o spagnole, attraverso tastiera italiana (o inglese)

68 Ricerche avanzate in Altavista
Maschera per la ricerca avanzata; vengono specificati... …i termini della ricerca, eventualmente sotto forma di frase (racchiusi fra virgolette) o connessi tramite operatori logici (esempio: Arachidi AND burro, trova documenti con entrambi i termini arachidi e burro) …un intervallo temporale dei documenti di interesse …il tipo di file Inoltre: possono essere specificati termini da evitare; in questo caso Altavista seleziona tutte le pagine che contengono i termini oggetto della ricerca, ma non contengono il set di parole contenuto in “nessuna di queste parole”

69 Guida pratica all’utilizzo di
Google

70 Introduzione  1 Le ricerche più frequenti effettuate attraverso il motore di ricerca vengono realizzate utilizzando un’unica parola chiave per la formulazione della query Google offre tuttavia la possibilità di effettuare ricerche avanzate, di formulare preferenze su dove le informazioni debbano essere ricercate, sulla lingua e le modalità di presentazione Nella pagina iniziale del motore di ricerca sono presenti link alle pagine relative a Ricerca avanzata, Preferenze, Strumenti per le lingue, Tutto su Google

71 Introduzione  2 In particolare…
Ricerca avanzata — Visualizza la pagina che permette di impostare parametri che limitano l’ambito della ricerca Preferenze — Visualizza la pagina che permette di impostare le preferenze per le ricerche, quali il numero predefinito di risultati da visualizzare su ciascuna pagina, la lingua dell’interfaccia e della ricerca, l’apertura o meno di una nuova finestra del browser per produrre i risultati Strumenti per le lingue — Visualizza la pagina che permette di limitare la ricerca a pagine scritte in particolari lingue, di tradurre le pagine nella propria lingua e di accedere all’interfaccia Google nella propria lingua Tutto su Google — La pagina contiene link significativi, in particolare verso pagine che evidenziano le caratteristiche che differenziano Google dagli altri motori di ricerca, e ne descrivono le modalità di utilizzo, ma anche i particolari architetturali

72 Introduzione  3 Il pulsante Mi sento fortunato apre, a fronte di una particolare query, la pagina ritenuta più significativa (segnalando sulla barra di fondo il numero totale di pagine che rispondono all’interrogazione) Google permette quattro opzioni di ricerca specifica (oltre al Web): Immagini, Gruppi, Directory, News

73 Ricerche di base in Google
Per effettuare una ricerca con Google, occorre immettere alcune parole descrittive, quindi premere il tasto Invio (oppure fare clic sul pulsante Cerca con Google ) per elencare i risultati più rilevanti Google utilizza tecniche di corrispondenza molto sofisticate per trovare parole che siano importanti e rilevanti ai fini della ricerca Quando Google analizza una pagina, esamina anche il contenuto delle pagine associate  linkate, dando la precedenza a quelle in cui i termini ricercati sono presenti in sequenza

74 Ricerche con “and” automatico e visualizzazione del contesto di ricerca
Google visualizza solo le pagine che contengono tutti i termini ricercati, aggiungendo automaticamente l’operatore booleano “and” Per limitare ulteriormente la ricerca, è sufficiente aggiungere altri termini Tutti i risultati trovati da Google contengono una o più sintesi della pagina Web, che mostrano il contesto in cui vengono utilizzati i termini ricercati

75 Parole comuni Google ignora le parole ed i caratteri di uso comune (ad esempio le congiunzioni, gli articoli, etc.), denominati anche “stop words”, scartando automaticamente termini come http e .com, nonché alcune singole cifre e lettere, poiché tale informazione non aiuta a restringere il campo di ricerca, ma anzi contribuisce a rallentare i tempi di risposta Utilizzare il segno “+” per includere parole comuni nella ricerca; ricordarsi di lasciare uno spazio prima del segno “+” ; il segno “+” può essere utilizzato anche per la ricerca di frasi Le frasi su cui effettuare la ricerca possono altrimenti essere racchiuse fra doppi apici (virgolette)

76 Ricerca di radici di parole (Stemming)
Per garantire la massima precisione nei risultati, Google non supporta la ricerca di radici di parole (“stemming” ), né le ricerche con caratteri jolly (*, ?, etc.) Google cerca solo le parole esatte digitate nel campo di ricerca; se si inserisce “googl” o “googl*” , il risultato non sarà “googler” o “googlin” Nei casi dubbi, provare ad usare sia il singolare che il plurale per la ricerca; ad esempio “linea aerea” e “linee aeree”

77 Lettere maiuscole/minuscole o accenti
Google non fa distinzione tra lettere minuscole e maiuscole, poiché considera tutte le lettere come minuscole; ad esempio, digitando “google”, “GOOGLE" e “GoOgLE" si ottengono sempre gli stessi risultati Per impostazione predefinita, Google non riconosce accenti o altri segni diacritici; in altre parole, se si digita [Muenchen] e [München] si ottengono sempre gli stessi risultati Per fare una distinzione tra le parole, anteporre il segno +; ad esempio [+Muenchen] rispetto a [+München]

78 Ricerche avanzate in Google
Maschera per la ricerca avanzata; vengono specificati... …i termini della ricerca, eventualmente sotto forma di frase, o connessi attraverso l’operatore OR …l’intervallo temporale dei documenti di interesse, il formato dei file, la lingua ed il dominio di ricerca, la collocazione dell’informazione all’interno della pagina Inoltre: possono essere effettuate “ricerche per similitudine” o relative a pagine che puntano ad una data pagina di riferimento