Motori di Ricerca in Internet: alcune considerazioni su funzionamento e struttura

Capitolo primo Cosa sono i motori di ricerca 1.1 Introduzione La rete Internet costituisce un’immensa risorsa informativa e i suoi ritmi di espansione sono esponenziali; è un fenomeno di dimensioni così vaste che il rischio di perdersi, e soprattutto di perdere del tempo nel tentativo di rintracciare ciò che serve, tra milioni di pagine web, sta diventando una realtà con cui bisogna sempre più fare i conti. Con una quantità che si aggirava, nel 1999, intorno ai 50 milioni di utenti in tutto il mondo (“Internet 2000” – Marco Calvi, Gino Roncaglia – Editori Laterza – 2000) ed a circa 300 milioni di siti, Internet può essere considerata oggi una realtà per niente trascurabile. Nel gennaio 1999 esistevano 43 milioni di server Internet contro i 29 milioni dell’anno precedente. Ugualmente, l’incremento dei nomi di dominio risulta significativo per il numero di siti costituiti sul web; all’inizio del 1999 si contavano infatti più di 2,8 milioni di siti con estensione .com, a cui si devono aggiungere i domini dei singoli paesi (per esempio .it). Da un’analisi effettuata dalla società americana “Bright Planet” nel luglio del 2000 (The Deep Web: Surfacing Hidden Value – Bright Placet - 2000), è risultato che la quantità di documenti disponibili ammontava a circa 500 miliardi di singole pagine, memorizzate in quello che la società stessa ha definito “deep web”. Il “deep web” è rappresentato da tutti quei siti non sempre disponibili nell’attuale forma ai motori di ricerca tradizionali, ma comunque accessibili ai navigatori della rete. Basti pensare che una ricerca effettuata nel 2000 dal “NEC Research Institute” insieme a “Inktomi” (si veda http://www.inktomi.com) indicava l’esistenza di un miliardo di documenti a cui oggi “Bright Planet” contrappone la stima di un patrimonio informativo 500 volte maggiore. Questa imponente mole di documenti è racchiusa in milioni di siti che permettono di accedere dinamicamente ad informazioni strutturate nei propri archivi, ma che attualmente non sono tutte visibili ai motori di ricerca i quali censiscono solo le singole pagine dei siti, e cioè quelle che Bright Planet definisce “surface web”. Lo studio ha portato ad una classificazione delle principali categorie di siti :