Analisis y Caracteristicas de Google Parte3

Presentación de los resultados:

En cuanto a la presentación de los resultados la tecnología de búsqueda Google se basa en los hipertextos, analizando todo el contenido de cada web y la posición de todos los términos en cada página. Dando prioridad a los resultados de acuerdo con la proximidad de los términos de la búsqueda, favoreciendo los resultados en los que los términos de búsqueda están próximos entre sí, sin perder tiempo analizando resultados irrelevantes.

La tecnología conocida como PageRank, asegura que los resultados más importantes se muestren primero. PageRank mide objetivamente la importancia de las páginas web y se calcula que resuelve una ecuación de 500 millones de variables y más de 2.000 millones de términos. Los complejos mecanismos automáticos de búsqueda de Google permiten prescindir de la interferencia humana. Está estructurado de manera que nadie puede comprar un lugar privilegiado en la lista ni alterar los resultados con fines comerciales (En la practica esto no es cierto, hay un amplio mercado de venta de textlinks y algunos casos históricos de manipulación del PR) nadie puede comprar un PageRank más elevado, por ejemplo

Esta medición de importancia utiliza su extensa estructura de vínculos como un indicador del valor de una página individual. Google interpreta un vínculo desde la página A hacia la página B como un voto de la página A por la página B. Pero Google revisa otras cosas aparte del número de votos o de vínculos que una página recibe, puesto que también analiza la página que emite el voto. Los votos emitidos por páginas que son consideradas importantes pesan más que las paginas personales.

Los sitios importantes y de alta calidad reciben un PageRank más alto, que Google recuerda cada vez que realiza una búsqueda. Por supuesto, las páginas importantes no significan nada si no coinciden con su búsqueda. Por eso, Google combina PageRank con técnicas de búsqueda de texto para encontrar páginas que sean importantes y a la vez relevantes para la consulta. Google va más allá de la cantidad de veces que un término aparece en una página y examina todos los aspectos del contenido de la página para determinar si es una buena coincidencia para la consulta.

El algoritmo PageRank asigna a cada página web un valor que resulta de la suma de los valores de las páginas que enlazan a ella ponderada por el número de enlaces salientes de cada una, con peso 1-q = 0'85, y un factor de suavización con peso q = 0'15. Es decir:

PR(p) = q + (1-q) * ( PR(e1)/ES(e1) + PR(e2)/ES(e2) + ... + PR(eN)/ES(eN) )

donde PR(página) es el valor que Google asigna a una página (PageRank), ES(página) es el número de enlaces salientes de cada página, y q es un valor de probabilidad (=0'15)

La forma en que se organiza el ranking se basa en buscar vínculos en las paginas web, la idea principal es que si alguien tiene una pagina por ejemplo sobre flores, que se ha convertido en una autoridad en la materia, probablemente otras paginas contenga vínculos hacia esa pagina porque opinan que es útil, entonces insertan vínculos hacia ella. Teniendo en cuenta todos esos vínculos hacia ella podemos determinar cual es el valor hacia esa pagina, también se tiene en cuenta la procedencia de esos vínculos. Por ejemplo: Newyorktimes.com es más respetable que pepeblog.iespana.net

Para decidir que el new york times es mas importante que pepeblog se realiza mediante mecanismos que intentan valorar que información es supuestamente mas útil, a mas vínculos mas probabilidad que sea mas útil. (no profundizan en el tema debido a la patente)

Google también ordena los resultados de la búsqueda por rango. La tecnología de ranking de Google toma en consideración las veces que ha sido una web pulsada en un contexto de búsqueda. Al igual que ocurre en el caso de los anunciantes, si A; B ;C quieren anunciarse compiten entre ellas sobre cuanto quieren pagar para aparecer los primeros (A paga 1€, B paga 0,95 €, C paga 0,90 €). Aparecerán en este orden A, B , C
Pero si C es el anuncio más popular, mas valorado por el rango, habrá un equilibrio entre dinero y utilidad permitiendo a los anunciantes poder competir entre ellos.

Criterios de selección de los recursos:

Todas las páginas son admitidas por Google aunque se tiende a penalizar, con un bajo PageRank o incluso con la no indexación, a aquellas páginas que contienen multitud de enlaces (conocidas como Farmlinks). Actualmente Google se esta planteando penalizar el intercambio de enlaces entre weblogs para poner fin a la publicidad basura.

Debido al sistema democrático del buscador, el resto de los recursos son aceptados ya que Google no juzga que información es útil para el consumidor, es el propio usuario quien lo decide pulsando sobre las respuestas obtenidas.

En China el acceso a webs contrarias al régimen comunista está censurado y así sitios como Voanews son inaccesibles para los internautas chinos. Las webs censuradas por el gobierno chino no aparecen en Google News para los internautas de ese país.

Ventajas:

Desde el momento que realizamos la pregunta hasta que recibimos la respuesta el tiempo de espera es de aproximadamente 0,5 segundos, esto es debido a que no utiliza un buen servidor sino una red completa de PCs de baja gama interconectados. Llegando ha ahorrar un tiempo considerable de espera al usuario.

Inconvenientes:

Los resultados no son clasificados por la fecha de aparición o por calidad de la información, sino

por su popularidad. Esto hace que la cantidad de los resultados sea aceptable pero la calidad a menudo no.
Tampoco se pueden ordenar los resultados, ni descargarlos ni enviarlos vía e-mail.

Los spiders de Google no pueden leer flash, por lo que la información contenida no queda almacenada y pasa desapercibida.
Pese a ser el mejor motor de búsqueda no siempre devuelve la respuesta correcta, los operadores booleanos suelen fallar, no se pueden concatenar operadores. Destaca también la falta de truncado y el autostemming llegando a devolver resultados no deseados.

Se puede falsear el PageRank aumentando el nº de backlinks.

Google no puede cubrir todas las paginas, hay algunos que son invisibles para el (paginas no enlazadas, protegidas, información de las bases de datos, las que los propios webmasters no dejan indexar a los robots mediante un No follow)

Solo guarda 100kb de cada pagina dejando de recuperar términos que se encuentran en otra posición.

Google tiene un límite de búsqueda de 10 palabras.

Bibliografía:

GARAIO URRUELA, T. Google factoría de ideas, 2006. [en línea] [Consulta: 02-04-2007]

Las 10 bases de datos más grandes del mundo. 20 minutos, 2007. [en línea] [Consulta: 02-04-2007]

Google. Wikipedia de free Encyclopedia, 2007. [Consultado: 02-04-2007]

MARKARIAN, R.; MÖLLER, N. Cómo ordena el buscador google sus resultados. [en línea] [Consulta: 02-04-2007]

Operadores y otras formas de utilizar Google, [en línea] [Consulta: 02-04-2007>
Ir a la 2º Parte

Autor: Carlos Cabezas López