Διπλωματική Εργασία με θέμα. Βελτιστοποίηση κατάταξης σε μηχανές αναζήτησης (Search Engine Optimization):

Transcript

1 ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΣΧΕΔΙΑΣΗΣ ΠΡΟΙΟΝΤΩΝ & ΣΥΣΤΗΜΑΤΩΝ Διπλωματική Εργασία με θέμα Βελτιστοποίηση κατάταξης σε μηχανές αναζήτησης (Search Engine Optimization): Μελέτη, σχεδίαση εφαρμογής και κρίσιμα συμπεράσματα. Εκπόνηση: Καραγιώργη Αναστασία (511/ ) Επιβλέπων Καθηγητής: Σπύρου Θωμάς Μέλη Εξεταστικής Επιτροπής: Σπύρου Θωμάς Λέκκας Δημήτρης Κουτσαμπάσης Παναγιώτης - Σύρος,

2 2

3 ΕΥΧΑΡΙΣΤΕΙΕΣ Θα ήθελα να ευχαριστήσω την οικογένειά μου για την υπομονή και την κατανόηση που έδειξαν αλλά και για τη συμπαράστασή τους καθ όλη τη διάρκεια της εκπόνησης της διπλωματικής εργασίας αυτής. Επίσης ευχαριστώ ιδιαίτερα τον επιβλέποντα καθηγητή μου κύριο Σπύρου Θωμά για την εμπιστοσύνη που μου έδειξε και για την πολύτιμη βοήθεια και τις συμβουλές που πρόσφερε. 3

4 ΠΕΡΙΛΗΨΗ Η παρούσα διπλωματική εργασία παρουσιάζει τη μελέτη της μεθόδου βελτιστοποίησης κατάταξης σε μηχανές αναζήτησης (Search Engine Optimization) με σκοπό την κατανόηση σε βάθος των τεχνικών που χρησιμοποιούνται σήμερα. Στόχος της εργασίας είναι τελικά μέσα από τη μελέτη αυτή να εντοπιστούν και να επισημανθούν οι παράγοντες εκείνοι που επηρεάζουν σε κάθε περίπτωση τη λήψη των σχεδιαστικών αποφάσεων και συνεπώς τη στρατηγική βελτιστοποίησης που θα πρέπει να εφαρμοστεί σε έναν ιστότοπο. Πιο συγκεκριμένα η μέθοδος βελτιστοποίησης κατάταξης σε μηχανές αναζήτησης αφορά σε όλες εκείνες τις ενέργειες που θα πρέπει να γίνουν σε μια ιστοσελίδα έτσι ώστε να εμφανίζεται σε υψηλές θέσεις κατάταξης στη λίστα των αποτελεσμάτων μιας μηχανής αναζήτησης σε σχετικά ερωτήματα με το περιεχόμενο της. Η μέθοδος βελτιστοποίησης αποτελείται από ένα σύνολο τεχνικών που εφαρμόζονται κυρίως στο περιεχόμενο των ιστοσελίδων ενός ιστότοπου με σκοπό να γίνουν πιο φιλικές προς τις μηχανές αναζήτησης και τελικά να κατακτούν τις καλύτερες δυνατές θέσεις στη λίστα των αποτελεσμάτων όταν οι χρήστες θέτουν ερωτήματα σχετικά με το περιεχόμενό των ιστοσελίδων αυτών. Ο συνδυασμός των τεχνικών αυτών που επιλέγονται, οι στόχοι που ορίζονται και οι σχεδιαστικές αποφάσεις που λαμβάνονται είναι οι παράμετροι που καθορίζουν τη στρατηγική βελτιστοποίησης ενός ιστότοπου. Η στρατηγική που σχεδιάζεται για έναν ιστότοπο σε κάθε περίπτωση διαφέρει, άλλοτε σε μεγάλο βαθμό και άλλοτε σε μικρότερο. Σκοπός της εργασίας αυτής είναι να εντοπιστούν οι παράγοντες αυτοί που σε κάθε περίπτωση επηρεάζουν και διαφοροποιούν τη στρατηγική που θα πρέπει να σχεδιαστεί για έναν ιστότοπο ώστε να εφαρμοστεί στη συνέχεια σε αυτόν, προκειμένου να κατακτήσει τη βέλτιστη θέση στις λίστες των μηχανών αναζήτησης. 4

5 ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ ΠΕΡΙΛΗΨΗ...4 ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ...5 ΕΥΡΕΤΗΡΙΟ ΕΙΚΟΝΩΝ...9 ΣΤΟΧΟΣ ΚΑΙ ΔΟΜΗ ΜΕΡΟΣ 1 Ο ΒΙΒΛΙΟΓΡΑΦΙΚΗ ΕΡΕΥΝΑ ΙΣΤΟΡΙΚΗ ΤΕΧΝΟΛΟΓΙΚΗ ΑΝΑΔΡΟΜΗ ΑΠΟ ΤΟ ΔΙΑΔΙΚΤΥΟ ΣΤΟ WEB Διαδίκτυο Παγκόσμιος Ιστός (World Wide Web) Η ΑΝΑΖΗΤΗΣΗ ΜΕΧΡΙ ΣΗΜΕΡΑ Πριν τον Παγκόσμιο Ιστό Εργαλεία αναζήτησης για τον Ιστό Yahoo!, Google και Bing Σήμερα ΣΥΝΟΨΗ ΜΗΧΑΝΕΣ ΑΝΑΖΗΤΗΣΗΣ ΤΙ ΕΙΝΑΙ ΟΙ ΜΗΧΑΝΕΣ ΑΝΑΖΗΤΗΣΗΣ Τύποι μηχανών αναζήτησης ΠΩΣ ΛΕΙΤΟΥΡΓΟΥΝ ΟΙ ΜΗΧΑΝΕΣ ΑΝΑΖΗΤΗΣΗΣ Crawler-based search engines Web Directories ΑΠΟΤΕΛΕΣΜΑΤΑ ΜΗΧΑΝΩΝ ΑΝΑΖΗΤΗΣΗΣ Δομή αποτελεσμάτων Τύποι αποτελεσμάτων ΚΡΙΤΗΡΙΑ ΚΑΤΑΤΑΞΗΣ ΑΠΟΤΕΛΕΣΜΑΤΩΝ Μοντέλο Boolean Διανυσματικό μοντέλο Πιθανοτικό μοντέλο

6 2.4.4 Μοντέλο ανάλυσης δικτύου Άλλα κριτήρια αποτελεσμάτων ΣΥΝΟΨΗ SEARCH ENGINE OPTIMIZATION Η ΜΕΘΟΔΟΣ SEARCH ENGINE OPTIMIZATION (SEO) Ορίζοντας τη μέθοδο SEO Ανάγκη για εφαρμογή SEO ΠΡΙΝ ΤΗΝ ΕΦΑΡΜΟΓΗ SEO Σχεδίαση ιστοσελίδων Τεχνολογίες και γλώσσες δημιουργίας ιστοσελίδων ΤΕΧΝΙΚΕΣ SEO Επιλογή κατάλληλων λέξεων κλειδιών (Keywords) Δημιουργία έγκυρων διευθύνσεων url Τίτλος και κείμενα ιστοσελίδας Ετικέτες (tags) τίτλου και κειμένων Ετικέτες εικόνων και πολυμεσικών εφαρμογών Ετικέτες <meta> Αποτροπή ευρετηριασμού Υπερσύνδεσμοι (Links) Χάρτης ιστότοπου XML Link baiting Κοινωνική Δικτύωση ΜΗ ΑΠΟΔΕΚΤΕΣ ΤΕΧΝΙΚΕΣ (BLACK-HAT SEO) Τεχνική Cloacking Τεχνική Doorway Webpages Κρυμμένο κείμενο- Αόρατο περιεχόμενο Αυτόματο περιεχόμενο (Content Generators) Keyword spamming Link Farms Bowling ΜΕΤΑ ΤΟ SEO ΕΡΓΑΛΕΙΑ ΣΤΑΤΙΣΤΙΚΩΝ ΜΕΤΡΗΣΕΩΝ ΙΣΤΟΣΕΛΙΔΩΝ (Analytics)

7 3.7 ΣΥΝΟΨΗ ΜΕΡΟΣ 2 Ο ΣΧΕΔΙΑΣΗ & ΣΥΜΠΕΡΑΣΜΑΤΑ ΣΧΕΔΙΑΣΗ ΣΤΡΑΤΗΓΙΚΗΣ - ΠΡΩΤΗ ΕΦΑΡΜΟΓΗ ΜΕΛΕΤΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΤΩΝ ΙΣΤΟΣΕΛΙΔΩΝ Αρχιτεκτονική ιστότοπου και στήσιμο ιστοσελίδων Περιεχόμενο βασικών ιστοσελίδων Περιεχόμενο αναρτώμενων άρθρων ΠΑΡΟΥΣΙΑΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ ΠΡΙΝ ΤΗΝ ΕΦΑΡΜΟΓΗ SEO Στόχοι και περιορισμοί διαχειριστών - ιδρυτών Ορισμός επιθυμητών στόχων SEO Λήψη αποφάσεων ΣΧΕΔΙΑΣΗ ΣΤΡΑΤΗΓΙΚΗΣ Βασικές σελίδες του ιστότοπου Guidelines για τις αναρτήσεις άρθρων του ιστότοπου: ΜΕΤΑ ΤΗΝ ΕΦΑΡΜΟΓΗ SEO ΣΥΝΟΨΗ ΣΧΕΔΙΑΣΗ ΣΤΡΑΤΗΓΙΚΗΣ - ΔΕΥΤΕΡΗ ΕΦΑΡΜΟΓΗ ΑΡΧΙΤΕΚΤΟΝΙΚΗ ΤΟΥ ΙΣΤΟΤΟΠΟΥ Παρουσίαση περιεχομένου ιστοσελίδων ΠΡΙΝ ΤΗΝ ΕΦΑΡΜΟΓΗ SEO Ορισμός επιθυμητών στόχων SEO Λήψη αποφάσεων ΣΧΕΔΙΑΣΗ ΣΤΡΑΤΗΓΙΚΗΣ Πρώτο μέρος στρατηγικής Δεύτερο μέρος στρατηγικής ΣΥΝΟΨΗ ΚΡΙΣΙΜΑ ΣΥΜΠΕΡΑΣΜΑΤΑ ΠΑΡΑΘΕΣΗ ΣΧΕΔΙΑΣΤΙΚΩΝ ΔΙΑΔΙΚΑΣΙΩΝ ΚΡΙΣΙΜΑ ΣΥΜΠΕΡΑΣΜΑΤΑ ΣΥΝΟΨΗ

8 ΕΠΙΛΟΓΟΣ ΒΙΒΛΙΟΓΡΑΦΙΑ

9 ΕΥΡΕΤΗΡΙΟ ΕΙΚΟΝΩΝ Εικόνα 2.1: Εφαρμογή επιλογής μηχανής αναζήτησης του φυλλομετρητή Opera Εικόνα 2.2: Λειτουργία μηχανών αναζήτησης που βασίζονται σε ρομπότ Εικόνα 2.3: Περιοχές αποτελεσμάτων μηχανής αναζήτησης Ask.com Εικόνα 2.4: Περιοχές αποτελεσμάτων μηχανής αναζήτησης Google Εικόνα 2.5: Δομή αποτελεσμάτων μηχανών αναζήτησης Εικόνα 2.6: Δομή αποτελεσμάτων της Google με προεπισκόπηση ιστοσελίδας Εικόνα 2.7: Πεδία επιλογής εξειδίκευσης αναζήτησης από την Google Εικόνα 2.8: Μοντέλο Boolean Εικόνα 2.9: Εκτεταμένο μοντέλο Boolean Εικόνα 2.10: Αποτελέσματα από τα οποία το πρώτο έχει δεχτεί επίσκεψη στο παρελθόν Εικόνα 3.1: Θέση εμφάνισης τίτλου ιστοσελίδας στον φυλλομετρητή Google Chrome Εικόνα 4.1: Ένδειξη διαχωρισμού πεδίων των ιστοσελίδων Εικόνα 4.2: Σύνδεσμοι βασικών ιστοσελίδων (main menu) του ιστότοπου Εικόνα 4.3: Μορφή αποσπάσματος στην βασική σελίδα Εικόνα 4.4: Πρόσθετες ενέργειες που εμφανίζονται με την τοποθέτηση του κέρσορα Εικόνα 4.5: Δύο πρώτες ανακοινώσεις από τη λίστα της ιστοσελίδας Events Εικόνα 4.6: Διάταξη πεδίων ομαδοποίησης περιεχομένου αναρτήσεων Εικόνα 4.7: Διάγραμμα απόκλισης νέων επισκεπτών και συνόλου επισκεπτών ανά μήνα Εικόνα 4.8: Ποσοστά επισκεπτών από τις πηγές προέλευσης για το σύνολο της περιόδου Εικόνα 4.9: Διάγραμμα ποσοστών επισκεπτών από τις τρεις πηγές προέλευσης ανά μήνα Εικόνα 4.10: Ποσοστά προτίμησης μηχανών αναζήτησης των επισκεπτών Εικόνα 4.11: Ποσοστά εγκατάλειψης σε σχέση με ποσοστά νέων επισκεπτών ανά μήνα.68 Εικόνα 4.12: Παράμετροι που ορίστηκαν κατά την έρευνα λέξεων κλειδιών Εικόνα 4.13: Περιγραφή εικόνας που δεν έχει δοθεί τίτλος Εικόνα 5.1: Διάγραμμα ιεραρχικής ανάλυσης ιστότοπου eminbar

10 ΣΤΟΧΟΣ ΚΑΙ ΔΟΜΗ Στόχος της παρούσας εργασίας είναι μέσα από τις παρακάτω διαδικασίες, μελέτη μηχανών αναζήτησης μελέτη της μεθόδου βελτιστοποίησης κατάταξης σε μηχανές αναζήτησης κατανόηση των τεχνικών της μεθόδου σχεδίασης δύο στρατηγικών βελτιστοποίησης να εντοπιστούν οι παράγοντες εκείνοι που επηρεάζουν και διαφοροποιούν τη στρατηγική βελτιστοποίησης που σχεδιάζεται για έναν ιστότοπο. Η διπλωματική εργασία αποτελείται από δύο μέρη. Στο πρώτο περιλαμβάνεται η βιβλιογραφική έρευνα που εκπονήθηκε και στο δεύτερο παρουσιάζεται η σχεδίαση δύο στρατηγικών βελτιστοποίησης κατάταξης σε μηχανές αναζήτησης με στόχο να εντοπιστούν οι παράγοντες που επηρεάζουν και διαφοροποιούν τελικά τη στρατηγική βελτιστοποίησης που θα πρέπει να σχεδιαστεί για έναν ιστότοπο. Πιο συγκεκριμένα η εργασία αποτελείται συνολικά από έξι κεφάλαια, το πρώτο μέρος αποτελείται από τα τρία πρώτα κεφάλαια και το δεύτερο από τα υπόλοιπα τρία που περιγράφονται στη συνέχεια. Κεφάλαιο 1 ο : Ιστορική Τεχνολογική Αναδρομή Τα πρώτο κεφάλαιο είναι εισαγωγικό και παρουσιάζει μια αναδρομή στις τεχνολογικές εξελίξεις σχετικά με τον Παγκόσμιο Ιστό και τα εργαλεία που παρέχουν πρόσβαση στην πληροφορία που είναι διασκορπισμένη σε αυτόν. Κεφάλαιο 2 ο : Μηχανές Αναζήτησης Σε αυτό το κεφάλαιο παρουσιάζεται η έρευνα για τις διαδικτυακές μηχανές αναζήτησης (Web Search Engines). Στις παραγράφους του κεφαλαίου γίνεται επεξήγηση του τι είναι οι μηχανές αναζήτησης, ποια είναι η δομή τους και πως λειτουργούν. Κεφάλαιο 3 ο : Search Engine Optimization Παρουσιάζεται η μέθοδος SEO, δίνεται ο ορισμός και γίνεται επεξήγηση του τι είναι και σε τι εξυπηρετεί. Επίσης παρουσιάζονται αναλυτικά οι τεχνικές που εφαρμόζονται σήμερα με παραδείγματα και γίνεται αναφορά στις μη αποδεκτές από τις μηχανές αναζήτησης τεχνικές. Κεφάλαιο 4 ο : Σχεδίαση Στρατηγικής Πρώτη Εφαρμογή Σε αυτό το κεφάλαιο σχεδιάζεται η στρατηγική βελτιστοποίησης για τον ιστότοπο dpsd beyond και παρουσιάζονται όλα τα βήματα της διαδικασίας που ακολουθήθηκε κατά τη σχεδίαση. 10

11 Κεφάλαιο 5 ο : Σχεδίαση Στρατηγικής Δεύτερη Εφαρμογή Στο κεφάλαιο αυτό σχεδιάζεται μια δεύτερη στρατηγική βελτιστοποίησης για τον ιστότοπο eminbar. Ομοίως με το προηγούμενο κεφάλαιο παρουσιάζονται όλα τα βήματα που ακολουθήθηκαν κατά τη σχεδιαστική διαδικασία. Κεφάλαιο 6 ο : Κρίσιμα Συμπεράσματα Το τελευταίο και πιο σημαντικό κεφάλαιο είναι αυτό που στην ουσία παρουσιάζει και τον στόχο της διπλωματική εργασίας. Παραθέτονται οι δύο στρατηγικές βελτιστοποίησης και εντοπίζονται τα στοιχεία αυτά που τις διαφοροποιούν. Στη συνέχεια παρουσιάζονται οι παράμετροι αυτοί που επηρεάζουν και διαφοροποιούν μια στρατηγική βελτιστοποίησης και θα πρέπει να προσεχθούν ανάλογα σε κάθε περίπτωση. 11

12 ΜΕΡΟΣ 1 Ο ΒΙΒΛΙΟΓΡΑΦΙΚΗ ΕΡΕΥΝΑ 12

13 1 ΙΣΤΟΡΙΚΗ ΤΕΧΝΟΛΟΓΙΚΗ ΑΝΑΔΡΟΜΗ Στο παρόν κεφάλαιο παρουσιάζονται οι τεχνολογικές εξελίξεις που αφορούν στην πρόσβαση στην πληροφορία αλλά και την ανταλλαγή πληροφορίας από την περίοδο που κάνει την εμφάνισή του το Διαδίκτυο μέχρι σήμερα. Η αναδρομή είναι διαχωρισμένη σε δύο μέρη. Το πρώτο αφορά την εξέλιξη του Παγκόσμιου Ιστού και το δεύτερο τα εργαλεία που παρέχουν πρόσβαση στην πληροφορία που είναι διασκορπισμένη σε αυτόν. 1.1 ΑΠΟ ΤΟ ΔΙΑΔΙΚΤΥΟ ΣΤΟ WEB 3.0 Πριν από την εμφάνιση του Παγκόσμιου Ιστού η πληροφορία που ήθελε να μοιραστεί κάποιος, βρισκόταν σε έναν υπολογιστή. Η πρόσβαση σε οποιαδήποτε πληροφορία δεν ήταν πολύ εύκολη διαδικασία, ενώ η επικοινωνία ήταν εφικτή μόνο μέσω ηλεκτρονικών μηνυμάτων. Η εμφάνιση του Παγκόσμιου Ιστού και η εξέλιξή του είναι πολύ σημαντική στην ιστορία του Διαδικτύου, καθώς συμβάλει σε πολύ μεγάλο βαθμό στην παραγωγή πληροφορίας και συγχρόνως παρέχει εύκολη και γρήγορη πρόσβαση σ αυτήν. 13

14 1.1.1 Διαδίκτυο Η πρόσβαση στο Διαδίκτυο (Internet) ξεκίνησε το 1957 βασιζόμενο στο Πρωτόκολλο IP (Internet Protocol) και το Πρωτόκολλο Ελέγχου Αναμετάδοσης TCP (Transfer Control Protocol). Δεν υπήρχε κάποιος τρόπος περιήγησης ή αναζήτησης παρά μόνο η ανταλλαγή αρχείων από έναν υπολογιστή σε έναν άλλο και η επικοινωνία με ηλεκτρονικά μηνύματα. Η πρόσβαση στα αρχεία των λιγοστών σελίδων που ήταν συνδεδεμένες με το Διαδίκτυο ήταν δυνατή μόνο εάν ο ενδιαφερόμενος γνώριζε την ακριβή ονομασία του αρχείου που επιθυμούσε, μια διαδικασία όχι πολύ απλή και η οποία απαιτούσε αρκετό χρόνο. Το πρωτόκολλο δικτύου που υποστηρίζει τη διαδικασία ανταλλαγής αρχείων λέγεται File Transfer Protocol (FTP) και χρησιμοποιεί το μοντέλο πελάτη διακομιστή (client - server). Το Διαδίκτυο μεγάλωνε κι η ανάπτυξή του επιταχυνόταν με ταχύτατους ρυθμούς, αυτό δημιούργησε και την ανάγκη της συνεχούς αναβάθμισής του σε υψηλότερες ταχύτητες. [(Καράκος Α. Σ. (2007), σ 3-9, 28-31), (Vlachynsky, (2010))] Παγκόσμιος Ιστός (World Wide Web) Το 1990 ο Tim Berners-Lee με τη βοήθεια του Robert Cailliau παρουσιάζουν την τελική πρόταση για την υλοποίηση του Παγκόσμιου Ιστού, (World Wide Web, ή WWW ή W3), στον Ευρωπαϊκό Οργανισμό Πυρηνικών Ερευνών, (CERN: Organization Européene pour la Recherche Nucléaire). Στην πραγματικότητα ο Παγκόσμιος Ιστός ήταν η λύση στην εύκολη πλοήγηση του Διαδικτύου. Το HyperΤext project (σχέδιο υπερκειμένου) όπως ονομαζόταν η πρόταση, έδινε την δυνατότητα πρόσβασης σε οποιαδήποτε μορφή πληροφορίας η οποία ήταν αποθηκευμένη στον παγκόσμιο ιστό. Hypertext είναι το κείμενο που περιέχει συνδέσμους (links) προς άλλα κείμενα παρέχοντας άμεση πρόσβαση σε αυτά. Η αρχιτεκτονική που χρησιμοποιούσε ήταν αυτή του πελάτη διακομιστή, ενώ ήταν απαραίτητη η χρήση ενός φυλλομετρητή (browser), ο οποίος έκανε δυνατή την πρόσβαση στο περιεχόμενο των αρχείων υπερκειμένου. [12] Ο Παγκόσμιος Ιστός δεν θα μπορούσε ν αποτελέσει εξαίρεση στο κομμάτι των εξελίξεων του Διαδικτύου. Η εξέλιξή του δεν είναι μόνο τεχνολογική, άλλα επίσης δομική όσον αφορά το περιεχόμενο και κοινωνιολογική [Cormode, (2008)]. Οι όροι Web 1.0, Web 2.0 και Web 3.0 που συναντάμε στη συνέχεια, δεν αφορούν κάποια επίσημα πρότυπα αλλά την αλλαγή στην λογική κατασκευής και χρήσης του περιεχομένου του παγκόσμιου ιστού. Αρχικά οι ιστοσελίδες ήταν στατικές, περιείχαν πληροφορίες οι οποίες ενημερώνονταν σπάνια ή και καθόλου. Υπεύθυνος της κάθε ιστοσελίδας ήταν ο δημιουργός ή διαχειριστής της και το περιεχόμενό της αποτελούνταν κυρίως από κείμενα, υπερσυνδέσμους, εικόνες χαμηλής ευκρίνειας, εικονίδια πλοήγησης και μενού. Στο Web 1.0, η αλληλεπίδραση του αναγνώστη με την σελίδα είναι μηδενική εκτός από τις περιπτώσεις υποβολής κάποιας ηλεκτρονικής φόρμας. 14

15 Στα τέλη της δεκαετίας του 90 το να δημιουργήσει κανείς μια ιστοσελίδα άρχισε να γίνεται σχετικά εύκολο. Η δημιουργία των ιστολογίων (blogs) άρχισε ν αυξάνεται με γρήγορους ρυθμούς αλλά και τα κοινωνικά δίκτυα (Facebook, MySpace) γίνονται πολύ γρήγορα δημοφιλή. Οι στατικές ιστοσελίδες αντικαθιστώνται από δυναμικές ιστοσελίδες. Η επικοινωνία της πληροφορίας ξεφεύγει από τα όρια των διαπροσωπικών ηλεκτρονικών μηνυμάτων ( ) και παρουσιάζεται σε δημόσιους εικονικούς χώρους. Το Web 2.0 έχει αρχίσει ήδη να κάνει την εμφάνισή του. Η δομή των ιστοσελίδων γίνεται πιο περίπλοκη, η ανανέωσή τους είναι συνεχής ενώ το περιεχόμενο εμπλουτίζεται με εικόνες μεγάλης ανάλυσης, ήχο και βίντεο. Δίνεται η δυνατότητα στους χρήστες ν αλληλεπιδρούν με τις ιστοσελίδες με διάφορους τρόπους όπως με το να δημιουργούν προφίλ, να υποβάλουν αξιολογήσεις, να εισάγουν τα σχόλιά τους, ακόμα και να πραγματοποιούν ηλεκτρονικές αγορές. [Cormode, (2008)] Ο ιστός πλέον έχει γίνει ανθρωποκεντρικός, αναπαριστά τις ανάγκες του χρήστη και προσαρμόζεται σύμφωνα με αυτές. Παρόλο που η εξέλιξη αυτή έχει επηρεάσει ένα πολύ μεγάλο ποσοστό των ιστοσελίδων, είναι επίσης πολύ μεγάλο ακόμα το ποσοστό αυτών που έχουν παραμείνει στη λογική και στη δομή του Web 1.0. Τα τελευταία χρόνια έχουμε αρχίσει ν αντιλαμβανόμαστε το πέρασμα από το Web 2.0 στο Web 3.0. Όλο και περισσότερες συσκευές παρέχουν πρόσβαση στο web ενώ παράλληλα συνεχώς εμφανίζονται νέες εφαρμογές (applications) συμβατές με όλες τις συσκευές και τα λογισμικά, [Silva, (2008)]. Καθώς το Web 2.0 χαρακτηρίζεται από τη δραστηριότητα του χρήστη, το Web 3.0 έρχεται να καλύψει το κενό στο πως ανταποκρίνεται ο Ιστός στην επίδραση αυτή. Δύο έννοιες που θα μπορούσαν να το χαρακτηρίσουν είναι η εξατομίκευση και το σημασιολογικό web (Semantic Web), για το οποίο έχει αρχίσει ήδη από το 1998 να κάνει αναφορά ο Tim Berners-Lee. [Rana, (2012)] Στην πραγματικότητα γίνεται μια προσπάθεια εξατομίκευσης (niche) του Ιστού για τον κάθε χρήστη ξεχωριστά. Είναι χαρακτηριστικό ότι οι μηχανές αναζήτησης από το 2005 έχουν προσπαθήσει να δίνουν αποτελέσματα, βασιζόμενες στο ιστορικό αναζήτησής του κάθε χρήστη. [Vlachynsky, (2010)] Η λειτουργία αυτή αφορά την βελτιστοποίηση της ικανότητας μιας διαδικτυακής μηχανής να επιτύχει την ιδανική σχετικότητα μεταξύ αναζήτησης και αποτελέσματος ανάλογα με τις ανάγκες και προτιμήσεις του χρήστη. Το Web 3.0 έρχεται να γίνει μέρος της καθημερινότητας, κι η πρόσβασή μας σε αυτό να είναι συνεχής και δυνατή με πλήθος συσκευών κι εφαρμογών. Μια νέα μόδα για το μελλοντικό web έχει ήδη ξεκινήσει στην κοινότητα των ερευνητών. Ονομάζεται 3D Web ή Web 3D 2 και αναφέρεται στην τάση δημιουργίας τρισδιάστατων εικονικών κόσμων και στην χρήση εικονικών χαρακτήρων (avatar), που δίνουν τη δυνατότητα κοινωνικοποίησης η συμμετοχής σε δραστηριότητες. [Silva, (2008)] 15

16 1.2 Η ΑΝΑΖΗΤΗΣΗ ΜΕΧΡΙ ΣΗΜΕΡΑ Μια ιστορική αναδρομή των εργαλείων αναζήτησης θα βοηθήσει στο να κατανοήσουμε τη σημαντικότητα και την αναγκαιότητα ύπαρξής τους αλλά και πως απέκτησαν τη σημερινή τους μορφή και διαδικασία λειτουργίας οι διαδικτυακές μηχανές αναζήτησης Πριν τον Παγκόσμιο Ιστό Το πρώτο εργαλείο αναζήτησης αρχείων στο Διαδίκτυο (Internet), ήταν το Archie, σύμπτυξη της λέξης archive. [Wei Li, (2002)] Οι δημιουργοί του το 1990, Alan Wei Li, Emtage με τους Peter Deutsch και Bill Wheelan, λύνουν το πρόβλημα της σκορπισμένης πληροφορίας στο τεράστιο Διαδίκτυο με αυτό το εργαλείο αναζήτησης (Search Engine Tool). Ο Archie χαρακτηρίζεται από πολλούς ως ο πρόγονος των σύγχρονων μηχανών αναζήτησης, καθώς αυτό που έκανε ήταν να περιμαζεύει ξεθάβοντας ανώνυμες FTP σελίδες στο Διαδίκτυο και να καταγράφει σε ένα κατάλογο όλα τα αρχεία που έβρισκε. Ανώνυμο FTP (anonymous FTP), ονομάζεται η υπηρεσία κατά την οποία δεν απαιτείται κάποιο αναγνωριστικό χρήστη (user name) για την παροχή πρόσβασης στα διάφορα FTP αρχεία. [Καράκος Α. Σ. (2007), σ 30] Η αναζήτηση του ενδιαφερόμενου δεν γινόταν σε πραγματικό χρόνο, αλλά του δινόταν πρόσβαση στον κατάλογο με τα ήδη αποθηκευμένα αρχεία βάσει των παραμέτρων που έθετε. Το 1992 στο πανεπιστήμιο της Νεβάδα, δημιουργήθηκε η μηχανή αναζήτησης Veronica (Very Easy Rodent Oriented Net-wide Index and Computer Archives). Οι Steven Foster και Fred Barrie τη σχεδίασαν για να μπορεί να κάνει αναζήτηση αρχείων στους Gopher διακομιστές, χρησιμοποιώντας το πρωτόκολλο Gopher. [Seymour, (2011)] Ακόμα ένα εργαλείο αναζήτησης, το Jughead, (Jonzy s Universal Gopher Hierarchy Excavation And Display), σχεδιάστηκε από τον Rhett Jones το 1993 στο πανεπιστήμιο Utah, για να κάνει αναζήτηση αρχείων στους Gopher διακομιστές. Οι λειτουργίες του έμοιαζαν με αυτές της Veronica, με τη διαφορά ότι έκανε αναζήτηση σε έναν Gopher διακομιστή κάθε φορά. [(Sherman, (2007)), (Seymour, (2011))] Ο Gopher, είναι πρωτόκολλο το οποίο σχεδιάστηκε και υλοποιήθηκε από τους M. McCahill, et al. το 1991 στο πανεπιστήμιο της Μινεσότα. Σχεδιάστηκε για τον ίδιο λόγο που σχεδιάστηκε και ο Archie, με τη διαφορά ότι αντί να συλλέγει ονόματα αρχείων, συλλέγει και κατηγοριοποιεί το απλό κείμενο (περιεχόμενο) των αρχείων κι ένας FTP server αποθηκεύει τα υπόλοιπα είδη αρχείων όπως εικόνες και προγράμματα. Το πρωτόκολλο δικτύου Gopher ακολουθεί ένα μοντέλο πελάτη διακομιστή μόνο που οι διακομιστές είναι πολλοί. Καθώς τα δεδομένα διανέμονται στους διάφορους Gopher διακομιστές, το λογισμικό τους παρουσιάζει στον χρήστη μια ιεραρχία αντικειμένων και διευθύνσεων, ενώ οι διακομιστές επιστρέφουν αποτελέσματα σε μορφή διευθύνσεων ή δεδομένων. [(McCahill, (1993)), (McCahill, (1995)), (Λαδοπούλου, (2008)), (Vlachynsky, (2010))]. 16

17 1.2.2 Εργαλεία αναζήτησης για τον Ιστό Το πρώτο διαδικτυακό ρομπότ, (Web Robot), WWWW: World Wide Web Wanderer παρουσιάζεται από τον Matthew Gray το 1993 και μαζί με αυτό και ο Wandex, η πρώτη βάση δεδομένων όλων των διαδικτυακών διευθύνσεων του WWWW. Σύμφωνα με τον Gray ο λόγος που σχεδιάστηκε ο WWWW ήταν για να μπορέσει να μετρήσει την αύξηση των νέων Web σελίδων και όχι σαν μηχανή αναζήτησης. [Matthew Gray, (1993)] Την ίδια χρονιά παρουσιάζεται ο ALIWEB από τον Martijn Koster, με σκοπό να διευκολύνει την εύρεση ιστοσελίδων, καθώς ο αριθμός τους αυξανόταν με μεγάλο ρυθμό. Η βάση δεδομένων εμπλουτιζόταν όχι με κάποιο ρομπότ, αλλά με το οι διαχειριστές των ιστοσελίδων να υποβάλλουν μια φόρμα δηλώνοντας ορισμένα στοιχεία που αφορούν τη σελίδα τους. [Martijn Koster, (1994)] Ακόμα μια μηχανή αναζήτησης, ο Jump Station, παρουσιάζεται από τον δημιουργό της Jonathon Fletcher. Αποτελεί την πρώτη μηχανή που συνδυάζει τα βασικά χαρακτηριστικά των σημερινών μηχανών αναζήτησης, με τη μόνη διαφορά ότι τα αποτελέσματα δεν εμφανίζονταν με κατάταξη, αλλά απλώς σε μια λίστα. [Seymour, (2011)] Το κενό στην κατάταξη των αποτελεσμάτων, έρχεται να καλύψει η μηχανή αναζήτησης Excite το 1994, με τους διαδικτυακούς καταλόγους. [Vlachynski, (2010)] Ένα βήμα παραπέρα στην εξέλιξη των μηχανών αναζήτησης κάνει ο Brian Pinkerton με τον WebCrawler το 1994, η πρώτη μηχανή αναζήτησης που μπορεί να πραγματοποιήσει αναζήτηση σε ολόκληρο κείμενο, [Pinkerton, (2000)]. Ο Daniel Dreilinger πραγματοποιεί την ιδέα της μεταμηχανής αναζήτησης ένα χρόνο αργότερα. [Seymour, (2011)] Την ίδια περίοδο η μηχανή αναζήτησης Lycos αρχίζει να αποκτά χαρακτηριστικά που μοιάζουν με αυτά των σημερινών μηχανών αναζήτησης, όπως τα περιληπτικά αποσπάσματα των σελίδων κάτω από την ηλεκτρονική διεύθυνση. [Vlachynski, (2010)] Την εμφάνισή τους επίσης κάνουν οι μηχανές αναζήτησης στη συνέχεια, Infoseek (1994 από τον Steve Kirsch) και Open Τext 4 (1994 από την Opentext corporation) χωρίς κάποια επιπρόσθετα χαρακτηριστικά από τα ήδη υπάρχοντα. Οι Louis Monier και Burrows Michael το 1995 δημιουργούν το Alta Vista. Αποτέλεσε μια από τις πιο δημοφιλείς μηχανές καθώς ήταν η πιο γρήγορη αλλά συγχρόνως όσο μεγάλος και να ήταν ο αριθμός των επισκεπτών καθημερινά, δεν παρουσίαζε δυσκολίες απόδοσης. [Seymour, (2011)] Η βασική ιδέα λειτουργίας του Magellan το 1995 ήταν πως η κάθε τοποθεσία θα πρέπει να αναθεωρείται και να βαθμολογείται για την καταλληλότητά της σε ένα ευρύ κοινό. Η στασιμότητα όμως στο περιεχόμενο αυτής της μηχανής αναζήτησης, οδήγησε στην εξαγορά της από την Exite. [Edwin Hayward, (2005)] 17

18 Η Inktomi αποτελεί ένα πολύ σημαντικό κομμάτι στην ιστορία των μηχανών αναζήτησης, που υλοποιήθηκε από τους Eric Brewer και Paul Gauthier το Παρόλο που δεν εμφανίζεται κάτω από τη δική της μάρκα, η συγκεκριμένη μηχανή αναζήτησης εκτός από το Yahoo!, βρίσκεται πίσω κι από άλλα πολλά μεγάλα εργαλεία αναζήτησης, πιο γνωστά από τα οποία είναι τα MSN, HotBot, Looksmart. Πολλές επίσης μεγάλες εταιρίες τη χρησιμοποιούν για αναζήτηση εντός του περιεχομένου της ιστοσελίδας τους. [8] Η HotBot ήταν μία από τις πιο δημοφιλείς μηχανές αναζήτησης. Από το 1996 που ξεκίνησε, άρχισε να κερδίζει όλο και περισσότερους χρήστες καθώς οι βάσεις δεδομένων της ανανεώνονταν πιο συχνά από αυτές των ανταγωνιστών της, ενώ τα αποτελέσματά της, εξυπηρετούταν από την βάση δεδομένων της Inktomi. Ο David Seuss την ίδια χρονιά υλοποιεί τη μηχανή αναζήτησης Nothern Light, η οποία έχει τη θέση στον κόσμο των μηχανών αναζήτησης, τη θέση που έχει και η Apple στον κόσμο των υπολογιστών. Η μηχανή αναζήτησης AskJeeves, από τους Garret Gruener και David Warthen επίσης το 1996, σήμερα γνωστή ως Ask.com, είχε σκοπό να δώσει τη δυνατότητα στους χρήστες εκτός από τη χρήση λέξεων κλειδιά, να μπορούν να πραγματοποιούν αναζήτηση θέτοντας ερωτήματα σε φυσική γλώσσα. Αργότερα προσθέτει λειτουργίες όπως ηλεκτρονικό λεξικό και μαθηματική υποστήριξη. [Seymour, (2011)] Yahoo!, Google και Bing Η ανάγκη για σχετικότητα, μεταξύ αναζήτησης και αποτελεσμάτων ήταν το πιο σημαντικό πρόβλημα που παρουσίαζαν οι μηχανές αναζήτησης. Τη λύση στο πρόβλημα προσπαθούν να δώσουν οι Jerry Young και David Filo με το Yahoo!, στις αρχές του Αυτή την ονομασία έδωσαν στην ιστοσελίδα που δημιούργησαν, και η οποία δημοσίευε λίστες, (ή αλλιώς καταλόγους), με υπερσυνδέσμους ιστοσελίδων. Το Yahoo!, δεν θεωρείται μηχανή αναζήτησης καθώς η ανανέωση και διαμόρφωση των λιστών δεν γινόταν με αυτόματο τρόπο, αλλά χειροκίνητα. Η αναζήτηση που παρείχε, γινόταν με τη βοήθεια άλλων μηχανών αναζήτησης (αρχικά με την Inktomi ενώ αργότερα προστέθηκαν κι άλλες). Πολύ αργότερα, το 2004 θα αποκτήσει το δικό της ρομπότ. Το Yahoo! σήμερα είναι μια από τις πιο δημοφιλείς ιστοσελίδες παγκοσμίως που λειτουργεί σαν διαδικτυακή πύλη (web portal) εκτός από μηχανή αναζήτησης. Μια ιστοσελίδα δηλαδή που συγκεντρώνει πληροφορίες από διάφορες πηγές, προσφέρει υπηρεσίες όπως , νέα και ψυχαγωγία. Η πιο δημοφιλής μηχανή αναζήτησης σήμερα, ξεκίνησε το 1996 με την ονομασία BackRub από τους Larry Page και Sergey Brin. Το σημαντικό χαρακτηριστικό της, ήταν ότι ο αλγόριθμος που έτρεχε από πίσω μετρούσε πόσους συνδέσμους είχε η κάθε σελίδα, (ο κάθε σύνδεσμος λειτουργούσε σαν ψήφος ), δημιουργώντας έτσι μια κατάταξη των σελίδων και συνεπώς και των αποτελεσμάτων. Το 1997 μετονομάζεται στη γνωστή σε όλους σήμερα Google Search Engine, συνεχίζει να χρησιμοποιεί τον πατενταρισμένο 18

19 αλγόριθμο που κατατάσσει τις σελίδες (PageRank), σύμφωνα με την σημαντικότητά τους, κι εξελίσσεται με το να προσθέτει πολλές ακόμα παραμέτρους και παράγοντες που συμβάλλουν σε αυτήν την κατάταξη. Αργότερα προσφέρει υπηρεσίες πιο εξειδικευμένες όπως για παράδειγμα αναζήτηση μόνο σε εικόνες. Η Microsoft το 1998 ξεκινάει την MSN Search, η οποία χρησιμοποιούσε τα αποτελέσματα της Inktomi, στη συνέχεια μετονομάζεται σε Live Search, το 2009 σε συνεργασία με την μηχανή αναζήτησης Yahoo!, ξεκινάει με την ονομασία Bing και σήμερα κατέχει ένα αρκετά μεγάλο ποσοστό προτίμησης της αγοράς μετά τις Google και Yahoo!. [Seymour, (2011)] Σήμερα Την τελευταία δεκαετία οι περισσότερες μηχανές από τις παραπάνω προχωρούν σε εξαγορά η μία της άλλης ή σε μεταξύ τους συνεργασίες. Σήμερα ο αριθμός των εργαλείων αναζήτησης αυξάνεται συνεχώς και το καθένα από αυτά προσπαθεί να προσφέρει μια πιο εξεζητημένη υπηρεσία με το να στοχεύει σε πιο συγκεκριμένες ομάδες χρηστών, ή συνδυασμό πολλών υπηρεσιών λειτουργώντας σαν διαδικτυακή πύλη (web portal) ή σαν μεταμηχανή αναζήτησης (meta-search engine: κάνει αναζήτηση συνδυάζοντας πολλές μηχανές μαζί). Ορισμένες από αυτές είναι οι: Teoma, Vivsimo, Info.com, GoodSearch, ChaCha, Blackle, Valdo, DuckDuckGo, Yebol, Goby, Blekko, Yummly, Volunia, Baidu, Yandex, Exalead. [Seymour, (2011)] 1.3 ΣΥΝΟΨΗ Ο Παγκόσμιος Ιστός αποτελεί το μεγαλύτερο και το πιο διαδεδομένο κομμάτι του Διαδικτύου. Η ραγδαία ανάπτυξή του και η συνεχής αύξηση του όγκου του, οδήγησε στην δημιουργία εργαλείων τα οποία βοηθούν στην αναζήτηση, περιήγηση κι ανάκτηση των διασκορπισμένων πληροφοριών. Οι διαδικτυακές μηχανές αναζήτησης κάνουν την εμφάνισή τους κι αποτελούν αναπόσπαστο κομμάτι των τεχνολογικών εξελίξεων του Διαδικτύου και ίσως το σημαντικότερο εργαλείο περιήγησης στον Παγκόσμιο Ιστό μέχρι στιγμής. Το πιο ενδιαφέρον στην παράλληλη αυτή εξέλιξη που την επηρεάζει και σε πολύ μεγάλο βαθμό πλέον, αποτελεί ο ανθρώπινος παράγοντας και οι ανάγκες του που αλλάζουν και θα αλλάζουν συνεχώς. 19

20 2 ΜΗΧΑΝΕΣ ΑΝΑΖΗΤΗΣΗΣ Η συνεχής αύξηση της πληροφορίας στον Παγκόσμιο Ιστό δημιούργησε την ανάγκη σχεδίασης και χρήσης ενός εργαλείου το οποίο θα μπορεί να κάνει αναζήτηση κι ανάκτηση της επιθυμητής πληροφορίας που βρίσκεται διασκορπισμένη στον Ιστό. Στο δεύτερο κεφάλαιο παρουσιάζεται η βιβλιογραφική έρευνα για το τι είναι οι διαδικτυακές μηχανές αναζήτησης (Web Search Engines), ποια είναι η δομή τους και πως λειτουργούν. 2.1 ΤΙ ΕΙΝΑΙ ΟΙ ΜΗΧΑΝΕΣ ΑΝΑΖΗΤΗΣΗΣ Οι διαδικτυακές μηχανές αναζήτησης είναι πολύπλοκα προγράμματα τα οποία παρέχουν πρόσβαση στο περιεχόμενο όλων των ιστοσελίδων που είναι συνδεδεμένες στο Διαδίκτυο. Με τη βοήθεια μιας φιλικά σχεδιασμένης προς το χρήστη διεπιφάνειας, μια μηχανή αναζήτησης δίνει τη δυνατότητα στον χρήστη να περιηγηθεί στον Παγκόσμιο Ιστό. Εισάγοντας μια λέξη ή μια φράση (ερωτήματα) σε ένα πεδίο, ο χρήστης αποκτά πρόσβαση σε όσες ιστοσελίδες έχει καταγράψει η μηχανή αναζήτησης των οποίων το περιεχόμενο σχετίζεται με τη λέξη ή τη φράση αυτή. Ανάλογα με την επιλογή του χρήστη και τις παραμέτρους που θέτει, οι μηχανές αναζήτησης δίνουν μια λίστα με αποτελέσματα σε μορφή κειμένου, εικόνων ή πολυμεσικών εφαρμογών. 20

21 Οι περισσότεροι φυλλομετρητές (browsers) σήμερα έχουν προσθέσει μια εφαρμογή αναζήτησης στην μπάρα εργαλείων τους. [Εικόνα 2.1] Ένα πεδίο εισαγωγής λέξεων ή φράσεων δίνει στον χρήστη την δυνατότητα να επιλέξει και να κάνει χρήση της μηχανής αναζήτησης που επιθυμεί. Με αυτόν τον τρόπο οι χρήστες έχουν πιο γρήγορη κι εύκολη πρόσβαση στην πληροφορία, αφού για να πραγματοποιήσουν μία αναζήτηση δεν είναι απαραίτητο να επισκεφτούν την κεντρική σελίδα (homepage) της κάθε μηχανής αναζήτησης που θέλουν να χρησιμοποιήσουν. Εικόνα 2.1: Εφαρμογή επιλογής μηχανής αναζήτησης του φυλλομετρητή Opera. Οι πιο δημοφιλείς μηχανές αναζήτησης που κατέχουν το μεγαλύτερο κομμάτι της πίτας παγκοσμίως είναι οι Google, Bing, Yahoo!, MSN, Ask και Baidu. [1] Υπάρχουν πολλά ακόμα εργαλεία αναζήτησης αρκετά δημοφιλή, τα οποία είτε παρέχουν πιο εξειδικευμένες αναζητήσεις ή κάνουν αναζήτηση συγχρόνως σε πολλές δημοφιλείς μηχανές (μεταμηχανές αναζήτησης). Η ανάγκη για ένα εργαλείο το οποίο παρέχει πρόσβαση σε πολλαπλές πηγές μιας πληροφορίας έχει καταστήσει τις μηχανές αναζήτησης ίσως το πιο απαραίτητο εργαλείο πρόσβασης στον Παγκόσμιο Ιστό. Χωρίς τις μηχανές αναζήτησης οι χρήστες για να μπορέσουν να έχουν πρόσβαση στο περιεχόμενο μιας ιστοσελίδας, θα έπρεπε να εισάγουν την ακριβή διεύθυνσή της. Μια τέτοια διαδικασία σημαίνει πως ένα τεράστιο κομμάτι της πληροφορίας θα έμενε αναξιοποίητο και χαμένο στο Διαδίκτυο. 21

22 2.1.1 Τύποι μηχανών αναζήτησης Οι μηχανές αναζήτησης που συναντάμε σήμερα στο Διαδίκτυο ανήκουν σε δύο μεγάλες κατηγορίες, αυτές που έρπουν το Διαδίκτυο με τη βοήθεια προγραμμάτων (Web Search engines), κι αυτές που βασίζονται σε ανθρώπινες καταχωρήσεις (Web Directories). Η κατηγοριοποίηση αυτή βασίζεται κυρίως στον τρόπο που δημιουργούν τους καταλόγους στους οποίους γίνεται η αναζήτηση. Η πρώτη κατηγορία χρησιμοποιεί προγράμματα τα οποία αυτόματα ερευνούν και κατηγοριοποιούν τις ιστοσελίδες σε καταλόγους, ενώ η δεύτερη βασίζεται στον ανθρώπινο παράγοντα όπου συντάκτες αναλαμβάνουν τον ρόλο εύρεσης και κατηγοριοποίησης των ιστοσελίδων σε καταλόγους. Υποκατηγορίες αυτών των δύο είναι οι υβριδικές μηχανές αναζήτησης (Hybrid Search Engines), οι μεταμηχανές αναζήτησης (Meta Search Engines) και οι εξειδικευμένες μηχανές αναζήτησης (Specialty Search Engines). Οι υβριδικές μηχανές αναζήτησης συνδυάζουν τη λειτουργία των δύο μεγάλων κατηγοριών. Χρησιμοποιούν δηλαδή και προγράμματα αλλά και τον ανθρώπινο παράγοντα. Οι μεταμηχανές αναζήτησης πραγματοποιούν αναζήτηση σε πολλές μηχανές συγχρόνως και δίνουν ως αποτέλεσμα λίστες που είναι συνδυασμός των αποτελεσμάτων όλων των μηχανών που χρησιμοποιούν. Τέλος οι εξειδικευμένες μηχανές αναζήτησης έχουν σχεδιαστεί έτσι ώστε να πραγματοποιούν αναζήτηση σε συγκεκριμένες θεματικές περιοχές ή αντικείμενα όπως αναζήτηση μόνο σε επιστημονικά περιοδικά, αναζήτηση μόνο εικόνων ή προσώπων. 2.2 ΠΩΣ ΛΕΙΤΟΥΡΓΟΥΝ ΟΙ ΜΗΧΑΝΕΣ ΑΝΑΖΗΤΗΣΗΣ Crawler-based search engines Το πλήθος των μηχανών αναζήτησης που μπορεί να συναντήσει κανείς είναι αρκετά μεγάλο. Το κομμάτι στη λειτουργία τους που αποτελεί κοινό στοιχείο, είναι η μέθοδος που ακολουθούν για την ανάκτηση των πληροφοριών που είναι διαθέσιμες στο Διαδίκτυο. Τα βασικότερα στάδια λειτουργίας τους είναι τρία: α) έρπουν (crawling), β) αρχειοθετούν (indexing) και γ) δίνουν αποτελέσματα με τη βοήθεια ενός προγράμματος. [Εικόνα 2.2] Το πρώτο βήμα μιας μηχανής αναζήτησης είναι ο εντοπισμός των ιστοσελίδων που είναι διαθέσιμες στο Διαδίκτυο. Τη διαδικασία αυτή πραγματοποιούν με τη βοήθεια προγραμμάτων, τα ονομαζόμενα ρομπότ, (ή robots, bots, web crawlers, spiders, agents). Τα ρομπότ έρπουν (crawl), ή σερφάρουν (surf) το Διαδίκτυο συλλέγοντας πληροφορίες που εντοπίζουν σε κάθε σελίδα (webpage) ενός ιστότοπου (website). Ξεκινούν από μια μικρή σχετικά ομάδα ηλεκτρονικών διευθύνσεων (URL: Uniform Resource Locator) και διασχίζουν τον Ιστό μέσω συνδέσμων έτσι ώστε να ανακαλύψουν νέες διευθύνσεις. Η διαδικασία αυτή είναι συνεχής καθώς ανά τακτά χρονικά διαστήματα (εξαρτάται από την κάθε μηχανή), ξαναεπισκέπτονται τις σελίδες για να εντοπίσουν πληροφορίες που έχουν 22

23 πιθανώς τροποποιηθεί. Ορισμένες μηχανές αναζήτησης χρησιμοποιούν πάνω από ένα ρομπότ για να μπορέσουν ν ανταπεξέλθουν στην γρήγορη αύξηση του αριθμού των ιστοσελίδων αλλά και στις συνεχείς αλλαγές του περιεχομένου τους. Η αρχειοθέτηση είναι το δεύτερο στάδιο των βασικών λειτουργιών μιας μηχανής αναζήτησης. Σε αυτό το βήμα όλες οι ιστοσελίδες και οι πληροφορίες τους που έχουν συλλεχθεί, καταγράφονται σε μια βάση δεδομένων της οποίας το μέγεθος συνεχώς αυξάνεται. Η βάση δεδομένων αυτή, περιέχει ένα πιστό αντίγραφο για καθεμία από τις ιστοσελίδες που έχει εντοπίσει το ρομπότ. Η κάθε ιστοσελίδα κατατάσσεται στην βάση δεδομένων ανάλογα με τη συχνότητα που εμφανίζονται συγκεκριμένες λέξεις στον τίτλο και το περιεχόμενό της. Στην περίπτωση που μια ιστοσελίδα έχει εντοπιστεί από το ρομπότ, αλλά δεν έχει καταγραφεί στην βάση δεδομένων τότε η πρόσβαση σε αυτήν δεν είναι δυνατή ακόμα στους χρήστες μέσω της μηχανής αναζήτησης και δεν θα εμφανιστεί σε σχετικά αποτελέσματα, μέχρι ν αρχειοθετηθεί. [Nardei, (2004)] Το τελευταίο και τρίτο στάδιο, το οποίο έχει άμεση σχέση με τους χρήστες, είναι το πρόγραμμα που χρησιμοποιεί η μηχανή αναζήτησης για να δώσει αποτελέσματα. Το αρκετά περίπλοκο αυτό πρόγραμμα, αποτελείται από συνδυασμό αλγόριθμων που πραγματοποιούν αναζήτηση στην βάση δεδομένων των αρχειοθετημένων ιστοσελίδων και στη συνέχεια δίνουν μία κατάταξη αποτελεσμάτων σύμφωνα με την αναζήτηση και τις παραμέτρους που θέτει ο κάθε χρήστης. Οι αλγόριθμοι είναι το «μεγάλο μυστικό» σε κάθε μηχανή αναζήτησης το οποίο αλλάζει ή τροποποιείται αρκετά συχνά. Κανείς δεν γνωρίζει την ακριβή λειτουργία τους, παρά μόνο κάποιους γενικούς κανόνες. Εικόνα 2.2: Λειτουργία μηχανών αναζήτησης που βασίζονται σε ρομπότ. 23

24 Η κάθε μηχανή αναζήτησης δίνει διαφορετικά αποτελέσματα σε ένα κοινό ερώτημα. Αυτό συμβαίνει επειδή δεν διαφέρει μόνο το πλήθος των ιστοσελίδων που εντοπίζονται συνεπώς και οι κατάλογοι που περιλαμβάνουν τις καταχωρήσεις, αλλά και οι αλγόριθμοι που κατατάσσουν τις λίστες με τ αποτελέσματα Web Directories Οι κατάλογοι που βασίζονται σε ανθρώπινες καταχωρήσεις, διαφέρουν αρκετά στον τρόπο που εντοπίζουν και καταχωρούν τις ιστοσελίδες. Ο εντοπισμός των ιστοσελίδων μπορεί να γίνει με δύο τρόπους. Ο πρώτος είναι η ιστοσελίδα να «ανακαλυφθεί» από τους συντάκτες του Web directory και ο δεύτερος είναι να υποβληθεί μια περιγραφή της ιστοσελίδας στον κατάλογο από τον διαχειριστή της. Η διαδικασία καταχώρησης στον κατάλογο όμως και για τις δύο περιπτώσεις είναι η ίδια. Οι ιστοσελίδες αξιολογούνται - βαθμολογούνται από τους συντάκτες για το περιεχόμενο, την ποιότητα και άλλες παραμέτρους. Στη συνέχεια είτε συμπεριλαμβάνονται στους καταλόγους κάτω από τις κατηγορίες ή υποκατηγορίες που ανήκουν, είτε απορρίπτονται. Η οποιαδήποτε αναζήτηση σε αυτούς τους καταλόγους, θα γίνει στις ιστοσελίδες και μόνο που έχουν καταχωρηθεί από τους συντάκτες εφόσον πληρούν τα κριτήρια αξιολόγησης. Για να πετύχει μια ιστοσελίδα να καταχωρηθεί στους διάφορους καταλόγους, θα πρέπει να είναι αρκετά προσεγμένη ως προς το περιεχόμενο και τη δομή της. [Nardei, (2004)] 2.3 ΑΠΟΤΕΛΕΣΜΑΤΑ ΜΗΧΑΝΩΝ ΑΝΑΖΗΤΗΣΗΣ Τα αποτελέσματα που εμφανίζει μια μηχανή αναζήτησης, σύμφωνα με το ερώτημα που θέτει ο κάθε χρήστης, είναι σε μορφή λίστας. Το πλήθος των αποτελεσμάτων σε ένα ερώτημα μπορεί να είναι μερικές εκατοντάδες ή και χιλιάδες ανάλογα με το πόσο δημοφιλές είναι το θέμα του ερωτήματος. Η τεράστια αυτή λίστα εμφανίζεται σε πλήθος σελίδων (SERP: Search engine results page), όπου η κάθε μία από αυτές περιλαμβάνει συνήθως δέκα αποτελέσματα. Θα μπορούσαμε να κατηγοριοποιήσουμε τα αποτελέσματα σε αγορασμένες καταχωρήσεις και σε οργανικά ή φυσικά αποτελέσματα. Οι αγορασμένες καταχωρήσεις εμφανίζονται σε συγκεκριμένες θέσεις συνήθως στο πάνω μέρος της σελίδας του καταλόγου ή στην δεξιά πλευρά της σελίδας. Οι θέσεις αυτές έχουν αγοραστεί από εταιρίες που επιθυμούν να εμφανίζονται στις πρώτες θέσεις της λίστας αποτελεσμάτων όταν γίνεται αναζήτηση με ερωτήματα που είναι σχετικά με το περιεχόμενο της ιστοσελίδας τους. Με αυτόν τον τρόπο, σκοπεύουν να ελκύσουν περισσότερους επισκέπτες και να γίνουν πιο δημοφιλείς οι ιστοσελίδες τους. Αγορασμένες καταχωρήσεις δεν υπάρχουν στα αποτελέσματα για κάθε ερώτημα. 24

25 Τα οργανικά ή φυσικά αποτελέσματα είναι αυτά που εμφανίζονται στη λίστα κάτω από τις αγορασμένες καταχωρήσεις, όταν αυτές υπάρχουν, και η σειρά εμφάνισής τους στις κατατάξεις εξαρτάται αποκλειστικά από τους αλγόριθμους που χρησιμοποιεί η κάθε μηχανή αναζήτησης. Η θέση που καταλαμβάνει το κάθε αποτέλεσμα στην κατάταξη, εξαρτάται από τον βαθμό σχετικότητας που έχει με το ερώτημα προς αναζήτηση. Ο διαχωρισμός μεταξύ οργανικών αποτελεσμάτων κι αγορασμένων καταχωρήσεων γίνεται με μια σήμανση ότι τα συγκεκριμένα αφορούν διαφημιζόμενες καταχωρήσεις, [Εικόνα 2.3] ή με τη χρήση ενός έγχρωμου φόντου. [Εικόνα 2.4] Εικόνα 2.3: Περιοχές αποτελεσμάτων μηχανής αναζήτησης Ask.com Εικόνα 2.4: Περιοχές αποτελεσμάτων μηχανής αναζήτησης Google Δομή αποτελεσμάτων Η δομή που εμφανίζονται τα αποτελέσματα στις λίστες είναι πολύ συγκεκριμένη και η πληροφορία που παρουσιάζεται θα μπορούσε να διαχωριστεί σε τρία μέρη. Το πρώτο μέρος είναι ο τίτλος της σελίδας ο οποίος λειτουργεί και σαν υπερσύνδεσμος που οδηγεί στην συγκεκριμένη ιστοσελίδα. Το δεύτερο μέρος είναι η ηλεκτρονική διεύθυνση της ιστοσελίδας και το τρίτο μέρος είναι ένα απόσπασμα του κειμένου της ιστοσελίδας στο οποίο βασίστηκε η μηχανή ώστε να εμφανιστεί στα αποτελέσματα της σχετικής αναζήτησης. [Εικόνα 2.5] Η Google έχει προσθέσει τη δυνατότητα προεπισκόπησης της ιστοσελίδας σε μικρογραφία δίπλα από κάθε αποτέλεσμα. [Εικόνα 2.6] 25

26 Εικόνα 2.5: Δομή αποτελεσμάτων μηχανών αναζήτησης. Εικόνα 2.6: Δομή αποτελεσμάτων της Google με προεπισκόπηση ιστοσελίδας. 26

27 Ο συνδυασμός των στοιχείων αυτών σε κάθε αποτέλεσμα, βοηθάει τον χρήστη να αποφασίσει με μεγαλύτερη ευκολία ποιο από τα αποτελέσματα που εμφανίζονται στην κατάταξη είναι περισσότερο σχετικό με την πληροφορία που εκείνος αναζητά αλλά και να την εντοπίσει πολύ πιο γρήγορα. Μια λίστα από μεμονωμένες ηλεκτρονικές διευθύνσεις για παράδειγμα, θα απαιτούσε την επίσκεψη σε καθεμία από αυτές και αρκετό χρόνο ώστε ο χρήστης να καταλήξει τελικά στην πληροφορία που επιθυμεί Τύποι αποτελεσμάτων Το περιεχόμενο των ιστοσελίδων με τον καιρό άρχισε να εμπλουτίζεται και να μην αποτελείται μόνο από κείμενα. Εικόνες, βίντεο, ακόμα και πολυμεσικές εφαρμογές, δηλαδή συνδυασμός κειμένου, ήχου, εικόνας, γραφικών και βίντεο κάνουν την εμφάνισή τους σε όλο και περισσότερες ιστοσελίδες. Οι μηχανές αναζήτησης έχουν εμπλουτίσει τη δυνατότητα αναζήτησης σε όλα τα δεδομένα που είναι διαθέσιμα μέσω του Παγκόσμιου Ιστού. [Μανωλόπουλος, (2011)] Στα φυσικά αποτελέσματα των περισσότερων αναζητήσεων, σε σχέση πάντα και με το ερώτημα του χρήστη, μέρος των δημοφιλέστερων αποτελεσμάτων αποτελούν οι εικόνες και τα βίντεο καθώς είναι οι πιο δημοφιλείς μορφές παρουσίασης πληροφορίας μετά το κείμενο. Οι περισσότερες μηχανές αναζήτησης και κυρίως οι πιο δημοφιλείς, δίνουν τη δυνατότητα στους χρήστες τους να εξειδικεύσουν την αναζήτησή τους περιορίζοντας τον τύπο των αποτελεσμάτων. Με αυτόν τον τρόπο δίνεται η δυνατότητα επιλογής αναζήτησης για παράδειγμα μόνο στο web, μόνο σε εικόνες ή μόνο σε βίντεο. [Εικόνα 2.7] Η δυνατότητα αναζήτησης σε συγκεκριμένες μορφές αρχείων δίνεται και από τις εξειδικευμένες μηχανές αναζήτησης. Η εξειδικευμένη μηχανή αναζήτησης Google Scholar (scholar.google.com) για παράδειγμα, κάνει αναζήτηση στην επιστημονική βιβλιογραφία πολλών κλάδων και πηγών όπως σε διατριβές, βιβλία, ηλεκτρονικά βιβλία, περιλήψεις επιστημονικών άρθρων ή δημοσιεύσεων και δίνει αποτελέσματα κυρίως σε μορφή αρχείων κειμένου pdf., αρχείων κειμένου txt., ή αρχείων παρουσίασης ppt. Η αναζήτηση λοιπόν σε ποικίλους τύπους πληροφορίας είναι εφικτή και δυνατή από τις περισσότερες μηχανές αναζήτησης. Είναι όμως πολύ σημαντικό να γίνει κατανοητό στις περιπτώσεις αποτελεσμάτων σε μορφή εικόνας ή βίντεο, ότι η αναζήτηση γίνεται στο κείμενο περιγραφής που συνοδεύει τους τύπους αυτούς, δηλαδή στους τίτλους των εικόνων ή στους τίτλους των βίντεο ή σε κάποιο κείμενο περιγραφής του περιεχομένου τους και όχι στο περιεχόμενό τους το ίδιο. Στην περίπτωση που ένα βίντεο περιέχει υπότιτλους ή οπτικοποιημένο κείμενο, δεν είναι δυνατή η αναζήτηση στο περιεχόμενο αυτό από τις μηχανές αναζήτησης. 27

28 Εικόνα 2.7: Πεδία επιλογής εξειδίκευσης αναζήτησης από την Google. 2.4 ΚΡΙΤΗΡΙΑ ΚΑΤΑΤΑΞΗΣ ΑΠΟΤΕΛΕΣΜΑΤΩΝ Η επιτυχία μιας μηχανής αναζήτησης εξαρτάται κυρίως από την αποδοτικότητα και την ποιότητα της λειτουργίας κατάταξης. [Arroyuelo, (2012)] Οι περισσότερες μηχανές αναζήτησης φαίνεται να έχουν κάνει μεγάλη πρόοδο στο κομμάτι της απόδοσής τους (efficiency), με αποτέλεσμα να εστιάζουν περισσότερο στο κομμάτι της ποιότητας κι επάρκειας των αποτελεσμάτων, δηλαδή στην αποτελεσματικότητά τους (effectiveness). [Πλέγας, (2008)] Ένας παράγοντας που φαίνεται ν απασχολεί σημαντικά από τις αρχές ύπαρξης των μηχανών αναζήτησης είναι η σχετικότητα μεταξύ ερωτήματος χρήστη και ανακτώμενης πληροφορίας. Οι μηχανισμοί ανάκτησης πληροφορίας (information retrieval) εξελίσσονται συνεχώς έτσι ώστε να επιτύχουν τελικά το καλύτερο δυνατό ταίριασμα ερωτήματος και αποτελέσματος. Οι αλγόριθμοι που χρησιμοποιεί η κάθε μηχανή αναζήτησης είναι αυτοί που ορίζουν στην πραγματικότητα και τα κριτήρια κατάταξης των αποτελεσμάτων που εμφανίζονται για κάθε ερώτημα. Όπως έχει αναφερθεί σε προηγούμενη παράγραφο, η ακριβής δομή κάθε αλγόριθμου δεν είναι γνωστή στο κοινό. Παρόλο που οι δομές αυτές όμως μας είναι άγνωστες, μπορούμε να έχουμε πρόσβαση στη λογική, δηλαδή στο ποιά περίπου είναι η γενική φιλοσοφία αλλά και οι αρχές που χρησιμοποιούν. 28

29 Όλες οι λειτουργίες του προγράμματος που αφορούν την αξιολόγηση των ιστοσελίδων κι απόδοση των αποτελεσμάτων σε ένα ερώτημα, έχουν ως μοναδικό στόχο την μέγιστη σχετικότητα μεταξύ ερωτήματος κι αποτελέσματος. Για την επίτευξη της σχετικότητας έχουν σχεδιαστεί αλγόριθμοι οι οποίοι ακολουθούν μια σειρά από κανόνες και βασίζονται σε μαθηματικά μοντέλα. Οι βασικότεροι παράγοντες που οδηγούν στην επίτευξη της σχετικότητας είναι α) η ομοιότητα του ερωτήματος ή μέρους του ερωτήματος με το αποτέλεσμα, β) η συχνότητα εμφάνισης του ερωτήματος στο αποτέλεσμα, γ) οι σύνδεσμοι που οδηγούν στην ιστοσελίδα που εμπεριέχει στοιχεία του ερωτήματος και δ) η αξιοπιστία μιας ιστοσελίδας. Οι μηχανές αναζήτησης που θεωρούνται οι πιο καλές στην ανάκτηση πληροφορίας συνδυάζουν όχι μόνο όλους τους αλγόριθμους αυτούς συγχρόνως, αλλά και πρόσθετα χαρακτηριστικά. Οι πιο συχνές μέθοδοι ανάκτησης που χρησιμοποιούνται για την αναπαράσταση των αλγόριθμων είναι το μοντέλο Boolean, το διανυσματικό μοντέλο, το πιθανοτικό μοντέλο και το μοντέλο ανάλυσης δικτύου. Στη συνέχεια γίνεται μια περιγραφή του κάθε μοντέλου και σύντομη επεξήγηση για το ποιό παράγοντα από αυτούς που αναφέρθηκαν παραπάνω εξυπηρετεί. Οι πιο γνωστοί αλγόριθμοι που χρησιμοποιούν τις παραπάνω μεθόδους, τις εξελικτικές τους μεθόδους ή συνδυασμό όλων αυτών, είναι οι PageRank, HITS, MB25 2 και TF-IDF (Term Frequency - Inverse Document Frequency). [(Henzinger, (2000)), (Μανωλόπουλος, (2011))] Μοντέλο Boolean Το συγκεκριμένο μοντέλο αφορά την θεωρία των συνόλων κι εξυπηρετεί τους αλγόριθμους περιεχομένου. Την περίπτωση δηλαδή που οι όροι του ερωτήματος ή μέρους του ερωτήματος περιλαμβάνονται στο αποτέλεσμα. Το μοντέλο Boolean χρησιμοποιεί τους λογικούς τελεστές σύζευξης (AND), διάζευξης (OR) κι άρνησης (NOT). Το περιεχόμενο των εγγράφων που περιλαμβάνει η μηχανή αναζήτησης στη συλλογή της, αναπαριστάται με όρους (terms) ή με λέξεις κλειδιά (key-words). Όταν δίνεται ένα ερώτημα το συγκεκριμένο μοντέλο χρησιμοποιεί τις τρείς λογικές πράξεις για να ταιριάξει τους όρους ή συνδυασμούς των όρων του ερωτήματος με αυτούς των κειμένων. [Εικόνα 2.8] Το μεγάλο πλεονέκτημα αυτής της μεθόδου είναι η απλότητα στην κατανόησή της και συνεπώς και η ευκολία στης εφαρμογή της. Με τη βοήθεια των συνόλων εξασφαλίζουμε την παράμετρο του αν μια ιστοσελίδα από τη συλλογή της μηχανής αναζήτησης θ ανήκει τελικά στα αποτελέσματα ενός ερωτήματος ή όχι. Ένα από τα μειονεκτήματα αυτής της μεθόδου είναι ότι δεν μας εξασφαλίζει ότι η σειρά με την οποία θα εμφανίζονται τα αποτελέσματα θα είναι σύμφωνα με την μέγιστη σχετικότητα. Επίσης ένα μειονέκτημα είναι ότι η συγκεκριμένη μέθοδος θα επιστρέφει ή πάρα πολλά αποτελέσματα ή πάρα πολύ λίγα. Στο μειονέκτημα αυτό δίνει λύση το εκτεταμένο μοντέλο Boolean, το οποίο αναπαριστά κάθε όρο ενός εγγράφου κι ενός ερωτήματος με ένα διάνυσμα. [Εικόνα 2.9] [Μανωλόπουλος, (2011)] 29

30 Εικόνα 2.8: Μοντέλο Boolean Εικόνα 2.9: Εκτεταμένο μοντέλο Boolean Διανυσματικό μοντέλο Το διανυσματικό μοντέλο, με τη βοήθεια των διανυσμάτων όπως φαίνεται κι από την ονομασία του εξυπηρετεί τους αλγόριθμους περιεχομένου αλλά και κατάταξης. Κάθε έγγραφο αναπαρίσταται με ένα πολυδιάστατο διάνυσμα στο χώρο. Το διανυσματικό μοντέλο χρησιμοποιείται για τη βαθμολόγηση της σημαντικότητας των όρων ενός εγγράφου αλλά και για τον υπολογισμό του βαθμού ομοιότητας ενός εγγράφου με ένα ερώτημα. Πιο συγκεκριμένα το διανυσματικό μοντέλο αξιολογεί ένα έγγραφο ως περισσότερο ή λιγότερο σημαντικό, ανάλογα με την συχνότητα εμφάνισης των όρων του ερωτήματος στο εσωτερικό του. Όσο μεγαλύτερος είναι ο αριθμός εμφάνισης ενός όρου του ερωτήματος, τόσο πιο μεγάλος και ο βαθμός σημαντικότητας του εγγράφου, συνεπώς και πιο μεγάλη η σχετικότητα με το ερώτημα. Συνεπώς όσο πιο πολλοί όροι του ερωτήματος εμφανίζονται με μεγαλύτερη συχνότητα σε ένα έγγραφο τόσο πιο μεγάλη είναι και η ομοιότητα του ερωτήματος με το έγγραφο. Ένα από τα μεγάλα πλεονεκτήματα του διανυσματικού μοντέλου είναι ότι υποστηρίζει τη μερική ταύτιση. Αυτό σημαίνει πως αν δεν υπάρχει πλήρης ταύτιση όλων των όρων ενός ερωτήματος με κάποιο έγγραφο, τα αποτελέσματα δεν θα είναι μηδενικά, αλλά θα εμφανιστούν αποτελέσματα με κάποιους από τους όρους του ερωτήματος. Μεγάλο μειονέκτημα όμως αποτελεί το γεγονός ότι δεν μπορεί να λύσει το πρόβλημα της πολυσημίας (μια λέξη με πάνω από μία έννοιες) και της συνωνυμίας των λέξεων (πάνω από μία λέξεις με την ίδια έννοια). [Μανωλόπουλος, (2011)] Πιθανοτικό μοντέλο Το πιθανοτικό (probabilistic) ή πιθανοκρατικό μοντέλο βασίζεται στην θεωρία των πιθανοτήτων. Χρησιμοποιείται στο να εξετάσει τις πιθανότητες μια ιστοσελίδα να έχει σχέση με το ερώτημα και άρα να αποτελεί επιθυμητό αποτέλεσμα ενός συγκεκριμένου ερωτήματος. Το συγκεκριμένο μοντέλο λαμβάνει υπόψη τις ιδιότητες σχετικότητας μεταξύ εγγράφων [Νικολαΐδης, (2009)] κι εξετάζει την περίπτωση πιθανής σχετικότητας και με κοινό ερώτημα. Στην περίπτωση για παράδειγμα που δύο έγγραφα έχουν μεγάλη 30

31 σχετικότητα εξαιτίας των υπερσυνδέσμων μεταξύ τους, αν το ένα από αυτά παρουσιάζει μεγάλη σχετικότητα με ένα ερώτημα, τότε είναι πολύ πιθανό να παρουσιάζει και το δεύτερο έγγραφο μεγάλη σχετικότητα με το συγκεκριμένο ερώτημα. Το συγκεκριμένο μοντέλο έρχεται να καλύψει το κενό στην ασάφεια που υπάρχει στην διαδικασία ανάκτησης πληροφορίας, ειδικά σε περιπτώσεις που το ερώτημα είναι πολύ γενικό και τα αποτελέσματα σε αυτό είναι πάρα πολλά. [Μανωλόπουλος, (2011)] Μοντέλο ανάλυσης δικτύου Το μοντέλο ανάλυσης δικτύου εξυπηρετεί τους αλγόριθμους κατάταξης. Χρησιμεύει στη βαθμολόγηση των ιστοσελίδων βάσει των υπερσύνδεσμων αλλά και στον υπολογισμό του βαθμού αξιοπιστίας κάθε ιστοσελίδας. Το συγκεκριμένο μοντέλο αναπαριστά τον Ιστό με τη βοήθεια ενός γραφήματος (link graph G) και βρίσκει τους άμεσους συσχετισμούς μεταξύ των ιστοσελίδων, ενώ ένα δεύτερο γράφημα (co-citation graph) βρίσκει τους μη άμεσους συσχετισμούς ιστοσελίδων και κατηγοριοποιεί τις σελίδες. [Henzinger, (2000)] Όταν μια ιστοσελίδα περιλαμβάνει έναν υπερσύνδεσμο μιας δεύτερης σελίδας τότε είναι σαν να της δίνει ψήφο εμπιστοσύνης. Όσο πιο μεγάλος ο αριθμός των ιστοσελίδων που οδηγούν σε μία ιστοσελίδα, τόσες περισσότερες ψήφους συγκεντρώνει με αποτέλεσμα ο βαθμός βαρύτητάς της (PageRank measure) να αυξάνεται. Σημαντικό για τον βαθμό μιας ιστοσελίδας είναι επίσης και ο αριθμός των σελίδων τις οποίες υποδεικνύει, δηλαδή αν και πόσους υπερσύνδεσμους περιέχει που οδηγούν σε άλλες ιστοσελίδες. Βάσει αυτών των δύο παραμέτρων οι σελίδες διακρίνονται σε κομβικές ιστοσελίδες (hubs), δηλαδή που περιέχουν πολλούς υπερσυνδέσμους και σε ηγετικές ιστοσελίδες (authority), δηλαδή που οδηγούν σε αυτές πολλοί υπερσύνδεσμοι άλλων ιστοσελίδων. [(Henzinger, (2000)), (Μανωλόπουλος, (2011))] Το μοντέλο ανάλυσης δικτύου χρησιμεύει στην απόφαση του ποιες ιστοσελίδες να επισκεφτούν τα ρομπότ μιας μηχανής αναζήτησης αφού περνούν από τη μια ηλεκτρονική σελίδα στην άλλη μέσω των υπερσύνδεσμων. Επίσης στην προτεραιότητα κατάταξής τους, στην κατηγοριοποίησή τους και τέλος στην εύρεση πιθανών διπλών ιστοσελίδων. [Henzinger, (2000)] Το πλεονέκτημα της μεθόδου ανάλυσης δικτύου είναι ότι αξιολογεί και βαθμολογεί κάθε ιστοσελίδα ανεξάρτητα από οποιοδήποτε ερώτημα, γίνεται μία φορά και χρησιμοποιείται ανάλογα στα διάφορα υποερωτήματα. Αντίθετα, το μειονέκτημα της μεθόδου ανάλυσης δικτύου είναι πως δεν εγγυάται την εύρεση όλων των αξιόλογων ιστοσελίδων καθώς αρκετές ποιοτικές ιστοσελίδες είναι πολύ πιθανό να έχουν χαμηλό βαθμό βαρύτητας επειδή δεν οδηγούν αρκετοί υπερσύνδεσμοι σ αυτές. [Henzinger, (2000)] 31

32 2.4.5 Άλλα κριτήρια αποτελεσμάτων Τα κριτήρια που προαναφέρθηκαν μέσω των μεθόδων ορισμού τους είναι κάποια από τα πιο σημαντικά για την κατάταξη των αποτελεσμάτων μιας μηχανής αναζήτησης. Υπάρχουν όμως κι άλλα κριτήρια τα οποία επηρεάζουν τις κατατάξεις άλλα σε μεγαλύτερο βαθμό και άλλα σε μικρότερο. Ένα πολύ σημαντικό κριτήριο στο οποίο έγινε αναφορά στις προηγούμενες παραγράφους είναι η συχνότητα με την οποία εμφανίζεται ένας όρος ή οι όροι ενός ερωτήματος στο περιεχόμενο ενός εγγράφου, δηλαδή μιας ιστοσελίδας. Επίσης σημαντικό παράγοντα αποτελεί και η θέση που εμφανίζεται ο όρος ή οι όροι του ερωτήματος σε κάποιο έγγραφο. [Nardei, (2004)] Πιο συγκεκριμένα εάν οι όροι του ερωτήματος βρίσκονται στον τίτλο της ιστοσελίδας (HTML title tag), ή στην ηλεκτρονική διεύθυνση (URL), ή στις επικεφαλίδες των κειμένων, ή σε συνδυασμό αυτών, είναι περισσότερες οι πιθανότητες η συγκεκριμένη ιστοσελίδα να παρουσιάζει μεγαλύτερη σχετικότητα με το ερώτημα από μία άλλη που εμφανίζει τους όρους μόνο στο εσωτερικό του κειμένου της. Γενικά όσο πιο κοντά στο πάνω μέρος της ιστοσελίδας βρίσκονται οι όροι του ερωτήματος τόσο πιο πιθανό είναι η συγκεκριμένη ιστοσελίδα να παρουσιάζει μεγαλύτερη σχετικότητα με το ερώτημα. [Nardei, (2004)] Ακόμα ένας παράγοντας που επηρεάζει την κατάταξη των αποτελεσμάτων είναι η γεωγραφική θέση του χρήστη που θέτει το ερώτημα. [Henzinger, (2000)] Για ένα κοινό ερώτημα είναι πολύ πιθανό η κατάταξη των αποτελεσμάτων να διαφέρει όταν η αναζήτηση γίνεται από διαφορετικές γεωγραφικές θέσεις, με προτεραιότητα σε αποτελέσματα που πιθανώς παρουσιάζουν μεγαλύτερη σχετικότητα στην συγκεκριμένη γεωγραφική θέση του χρήση. Η φήμη μιας ιστοσελίδας, αποτελεί ένα επίσης αρκετά σημαντικό κριτήριο κατάταξης αποτελεσμάτων και ενισχύεται με δύο τρόπους. [Mendelzon, (2000)] Ο πρώτος τρόπος είναι ο αριθμός των χρηστών που επιλέγουν μια ιστοσελίδα κάνοντας χρήση μηχανών αναζήτησης πάνω σε συγκεκριμένο θέμα. Όσο μεγαλύτερος είναι ο αριθμός αυτός, τόσο πιο αξιόπιστη θεωρείται μια ιστοσελίδα ως προς το συγκεκριμένο θέμα με αποτέλεσμα να αυξάνεται η φήμη της. Ο δεύτερος τρόπος ενίσχυσης της φήμης μιας ιστοσελίδας, για τον οποίο έγινε λόγος σε προηγούμενη παράγραφο, είναι το αν και πως δίνει τη δυνατότητα η ιστοσελίδα στο χρήστη να περιηγηθεί στο περιεχόμενο άλλων ιστοσελίδων μέσω των υπερσυνδέσμων. Επίσης ένας σημαντικός παράγοντας που επηρεάζει τα αποτελέσματα μιας αναζήτησης είναι το ιστορικό του χρήστη μέσω του φυλλομετρητή που χρησιμοποιεί. Στην περίπτωση εισαγωγής ενός ερωτήματος σχετικού περιεχομένου με προηγούμενο, πολλές μηχανές αναζήτησης εμφανίζουν αποτελέσματα τα οποία έχει επισκεφτεί ο χρήστης στο παρελθόν. Η συγκεκριμένη λειτουργία είναι εύκολο να γίνει αντιληπτή αφού τα συγκεκριμένα 32