Entradas com Tags ‘motores de pesquisa’
Monetização da pesquisa em tempo real
Toda a gente sabe que o negócio do Google assenta na publicidade gerada em torno do motor de pesquisa mais famoso e utilizado em todo o mundo. O sistema AdWords e o AdSense permitem colocar publicidade contextualizada com a pesquisa e apresentar resultados que favoreçam as empresas com planos AdWords.
Acontece que um gigante como este não pára, sobretudo numa fase em que o Bing da Microsoft se dá ares de escalar e poder vir a fazer estragos. Lançado em Abril, em Maio já detinha quota de 8%, subindo para os 10% em Novembro (Fonte: Comstore). Também a aliança Microsoft-Yahoo pode reforçar a posição. Para já, o Yahoo continua a perder terreno, descendo dos 21% para os 17,5%. Mais movimentações testemunham esta preocupação num bom posicionamento no espaço das pesquisas. A Microsoft criou um centro de tecnologia especialmente vocacionado para a pesquisa. O objectivo é entender a forma como os chineses pesquisam e o que precisam como resultados. Na China, o Google tem uma fatia de 30%, mas o monopólio cabe ao Baidu, motor de pesquisa chinês. Quem conseguir conquistar o mercado chinês sobe imediatamente nos rankings e tem as empresas de todo o mundo a seus pés, pois entrar no mercado chinês passa pela estratégia de muitas organizações.
Voltando porém ao tema das novas tendências e produtos de pesquisa, a nova cartada é a pesquisa em tempo real. Nada que as pesquisas específicas do Twitter, por exemplo, não fizessem. No entanto, com outra amplitude e impacto, porque combinada com toda a Web indexada pelos motores. Com esta nova característica das pesquisas, passa a ser possível saber quanto se vai encaixar numa campanha de marketing na Web, já que ao escolher as palavras de pesquisa se atribui logo um valor. Isto, porque os resultados incluem toda a produção, mesmo a que é lançada na Web nos segundos que antecedem a nossa pesquisa, que passa a integrar resultados das redes sociais, blogs. Aliás, não é por acaso que o Google e o Microsoft/ Bing têm negociado com Twitter, Facebook, My Space; eles querem introduzir os conteúdos sociais nas pesquisas dos seus motores.
Segundo as mais recentes críticas e comparativos no ZDNet, Read & Write Web, o Google leva a melhor porque cria uma experiência mais rica para o utilizador e integra efectivamente os dados mais recentes nos resultados. O Bing parece que faz uma pesquisa ao Twitter como se fosse mais um programa de pesquisa que um motor que questiona toda a Web em simultâneo. Contudo, é preciso perceber que esta característica não influencia os consumidores, antes torna mais precisas e eficazes as campanhas. Graças a sinais e comportamentos do mercado/ consumidores monitorizados ao segundo, as empresas podem afinar as suas estratégias publicitárias e comunicativas e o Google e outros players podem fazer mais dinheiro.
Ainda neste capítulo da aposta forte na dupla publicidade/ pesquisa, o Google prepara-se para adquirir a AdMob, empresa especializada em publicidade para telemóveis, o que está a suscitar reacções anti-monopólio.
Mas nem só de publicidade se faz o mundo da pesquisa que vai dar muito que falar nos próximos tempos. Perfilam-se novas tecnologias que começam a ser testadas e generalizadas para comercialização. É o caso do Google Googles para o Android que permite pesquisar por imagem. Ou seja, a pessoa introduz no sistema não uma expressão escrita, mas uma imagem digitalizada ou capturada na hora. Funciona já com milhões de objectos, embora ainda seja experimental. Falamos de quadros de artistas, cartões de visita, rótulos de produtos, lugares, livros, CD, estabelecimentos comerciais, logótipos, marcas, etc. Toda a informação na Web relacionada com esse objecto é imediatamente pesquisada e apresentada de forma útil, fazendo sugestões. Veja-se o caso apresentado pelos engenheiros do Google com o cartão de visita: pode-se adicionar o contacto, chamar, enviar email, etc.
A esta tecnologia chama-se visual search, e também o Bing já a disponibiliza. Mas outros tópicos de pesquisa como o voice search, image search, translations on-the-fly, web semantic search e web semantic for advertising, ocupar-nos-ão brevemente e, podem estar certos, que mudarão totalmente a face da pesquisa como hoje a conhecemos. Uma coisa é certa, quem dominar o mercado da pesquisa, é rei e senhor!
Alargar e automatizar o acesso à informação
De há um tempo para cá multiplicam-se as referências relacionadas com conversores e técnicas de pesquisa alargadas. É um passo muito significativo no universo da informação, por isso não queria deixar de abordá-lo aqui, embora reconheça que não tenho um conhecimento cabal da matéria nem uma perspectiva bem delineada do que se está a passar, tal é a catadupa de informações, projectos retomados, abandonados, melhorados, entrecruzados, ou potenciados para diferentes usos.
O mote é normalizar para universalizar
Quem se movimenta na Rede sabe que a sua base do sucesso são os protocolos universais e as normas adoptadas por todos os que nela querem intervir. Regra de ouro para o acesso e a comunicação sem barreiras tecnológicas (e ideológicas, embora este post se ocupe das respostas dadas pela tecnologia para o acesso universal).
À necessidade de protocolos de comunicação universais, estáveis e fiáveis, juntaram-se os indispensáveis conversores de formatos. Uma profusão de formatos texto, áudio, vídeo, imagem, compressão, etc., passaram a povoar a rede. Veja-se a título de exemplo a base de dados do InfoFile.net Pontualmente, temos de converter um formato noutro para podermos aceder à informação, porque a nossa aplicação não lê o formato original de recepção. Essa incompatibilidade é muito frequente em sistemas Windows que não lêem documentos do OpenOffice nem reconhecem o flash tão usual na web.
Porém, e sem que as fases anteriores estejam de todo resolvidas, pois persistem os problemas de codificação das páginas HTML e a eterniza-se a convivência entre formatos mais adoptados e outros menos frequentes ou com código fechado, desenha-se uma fase de alcance bem mais ambicioso e de grande impacto. A conversão já não se coloca entre os formatos de uma mesma família, mas entre famílias de formatos. O que está a ser equacionado não é converter flv em avi (campo do vídeo), mas converter vídeo em texto, texto em áudio, etc.
Um futuro com contornos já visíveis
O universo de informação que consultamos através dos motores de pesquisa é assustadoramente pequeno e pobre em relação ao volume e qualidade da informação realmente disponível. Todos já ouviram falar do iceberg da web profunda, do qual só conhecemos a ponta. Se juntarmos a isso as imensas fontes de informação que estão a ser digitalizadas, a quantidade de documentos audiovisuais, que têm sido o quebra-cabeças na indexação, e a enormidade de ficheiros digitais que estão a ser criados por novas aplicações que não existiam sequer (as gravações das chamadas telefónicas, por exemplo), estamos razoavelmente conscientes do volume de informação que não é tratado nem integrado no fluxo.
Empresas, investigadores, cidadãos, trabalham na procura de soluções. E basta uma simples pesquisa (em qualquer língua) para recuperar software que converte texto em áudio ou áudio em texto. O tratamento da imagem e do vídeo são, porém, mais complexos e estão a ser liderados por empresas como o Google.
As vantagens da conversão são inúmeras e beneficiam todos. Ao utilizador final dão-lhe uma liberdade e flexibilidade até agora impossíveis. As apresentações e o website podem ser complementados com ficheiros áudio a partir de texto sempre que o visitante queira. Ditar texto que é escrito é outra vertente interessante. Mas é óbvio que a conversão da voz humana em texto está sobretudo trabalhada para o inglês e que as técnicas de reconhecimento de voz têm ainda muito que evoluir. Na viagem de carro para o emprego, ouvem-se as notícias, os blogs, o correio electrónico, o relatório que ficou por ler. Deixo o exemplo da enciclopédia Knol que oferece 243 artigos com registo áudio alternativo, basta no formulário de pesquisa avançada activar a opção “Show only knols that can be played back in audio form”.
Uma outra consequência positiva para a sociedade é a acessibilidade para pessoas com deficiência, privadas da capacidade de ouvir ou ver. Existem também soluções que convertem texto em braille e braille em texto ou voz.
Paralelamente, estas tecnologias criam novas oportunidades, beneficiando empresas atentas e inovadoras no desenho de negócios. Com uma ferramenta de conversão do áudio em texto, é possível automatizar a extracção das letras das músicas e oferecer esse extra aos clientes ou criar uma base de dados de letras com pesquisa em full text.
Mas o centro da actividade está no negócio da pesquisa e na janela de oportunidade para uma recuperação da informação mais abrangente e eficaz.
Algumas tecnologias em prova
Como referi anteriormente, as imagens e os vídeos colocam desafios maiores. Não é minha intenção passar a imagem que o único actor neste universo é a empresa Google, porque há certamente outros projectos. Mas por uma questão de comodidade e fácil acesso à informação, centrei os exemplos nesta entidade.
Google Image Labeler
Cada vez é mais frequente as empresas usarem a chamada inteligência colectiva para melhorar os seus produtos. Google Image Labeler apela à colaboração dos utilizadores de Gogole Search no sentido de ajudarem a melhorar os resultados na pesquisa das imagens. Este é um processo que está a ser adoptado por várias instituições, como a Library of Congress no Flickr, que aproveita o voluntarismo para enriquecer os metadados associados às imagens, tratando fondos grandes em pouco tempo. No artigo do blog da BC os números de visualizações, comentários e o impressionante númerod e etiquetas em todas as línguas.
A aplicação do Google Image Labeler dá à pessoa dois minutos e pretende que ela acrescente tantas etiquetas quantas as que conseguir recordar e associar à imagem. Dois aspectos devem ser tidos em linha de conta: propor etiquetas que ainda não tenham sido sugeridas pelo nosso adversário; procurar sugerir etiquetas específicas. É mais importante identificar na imagem o tipo de pássaro, por exemplo andorinha, que dizer simplesmente pássaro. Suponho que os utilizadores contribuam generosamente, porque o serviço foi concebido numa base de jogo e torna-se muito aliciante. Desconheço se é possível sugerir etiquetas noutras línguas.
Segue a minha experiência. É possível ver no canto superior esquerdo o contador do tempo e os pontos; e do lado direito, as etiquetas já sugeridas pelo adversário.
Google Translation Center e Google Translator
A tradução de páginas web foi um dos serviços precoces da rede, havendo muita oferta. Porém, a iniciativa do centro de tradução do Google visava revolucionar e optimizar o processo de tradução automática. Pela primeira vez, foi possível traduzir línguas como o árabe para inglês e vice-versa com taxas de sucesso consideráveis. A técnica utilizada foi usar um corpus de textos traduzidos por humanos que se deu ao sistema, servindo-lhe de padrão. No caso, foram usados milhões de textos da ONU em várias línguas. Esta “aprendizagem” pelo exemplo permitiu resultados excepcionais e foi possível aperfeiçoar ainda mais o sistema com as introdução das correcções facultadas pelos tradutores humanos que se associaram ao projecto.
Lembro-me, não há muito tempo, que na página do centro era possível requisitar traduções ou tradutores e também registar-se como tradutor profissional ou amador. Essas pessoas encarregavam-se das revisões dos erros na tradução automática. Neste momento, esse serviço está reservado a colaboradores registados.
O principal objectivo deste projecto foi desenvolver um sistema eficaz de tradução que permitisse incorporar materiais até aí inacessíveis ao motor de pesquisa. Além disso, com esta técnica é possível recuperar informação em várias línguas quando a expressão de pesquisa se faz numa língua específica. Até aqui, pesquisar “história dos computadores” era diferente de “computing history”. A tendência vai no sentido de a língua da pessoa que interroga a base de dados não influir na recuperação dos resultados. Salvo se esta decide restringir os resultados por língua.
Um efeito colateral foi a criação e disponibilização do serviço doméstico do Google Translator.
Tesseract OCR
A política mais recente do Google tem sido abrir o código. Na secção Google Code é possível descarregar o software que a empresa usa no reconhecimento de caracteres de documentos digitalizados. Este software faz o reconhecimento óptico de caracteres. O scanner produz uma imagem que muitas vezes é colocada tal e qual na web sem que seja possível a exploração do texto, o que impede os motores de indexarem esse material.
Com o Tesseract os resultados não são um reconhecimento 100% perfeito, mas é mais que suficiente para a extracção de 80 a 90% do conteúdo. É uma tecnologia desenvolvida pela HP e posteriormente retomada pelo Google.
No site oficial do Google, o artigo A picture of a thousand words descreve bem a problemática inerente à digitalização. Todo o documento é transformado numa imagem digital que tem de ser processada – ou seja é preciso converter a imagem em texto. A dificuldade está em ensinar ao sistema a distinguir uma imagem de um caracter.
EveryZing, Youtube, GAudi
É antigo o sonho de tratar exaustivamente imagens e vídeos extraindo-lhes o máximo de informação. Mas até há bem pouco tempo e apesar de vários projectos –incluso o SpeechBot da HP– os resultados eram pouco promissores numa aplicação comercial e a grande escala. Assim, durante muito tempo, a única informação disponível para recuperar este tipo de ficheiro foram os dados técnicos ou, mais recentemente, algumas categorias temáticas, por assim dizer. No Google Search Image podemos desde há muito seleccionar fotos por tamanho, formato e até cor (p&b, tons cinza e cor). Mas também é possível seleccionar as imagens obtidas numa determinada pesquisa por conteúdo noticioso, conteúdo fotográfico ou caras. Nesta recuperação funciona a tércnica dos clusters, isto é, agrupam-se imagens com características comuns, tomando por base a informação contida nos URL (permite, por exemplo destacar o conteúdo noticioso), nos títulos e na descrição da imagem.
No exemplo apresentado, deixo as imagens de rostos de pessoas que de alguma forma estão associadas à expressão de pesquisa lançada: “guantánamo”.
Em Julho de 2007, Google regista na WIPO a patente para uma tecnologia que tem estado a ensaiar no EveryZing (antigo Podzinger), e que, uma vez testada e amadurecida, é transferida para o Google Audio Indexing (GAudi).
Essa tecnologia anuncia-se capaz de extrair o texto presente em imagens e vídeos. No primeiro caso, identifica e recolhe todas as marcas textuais (vamos imaginar uma imagem de uma cidade), ou seja, nomes de ruas, texto da sinalização, expressões dos estabelecimentos comerciais e edifícios. No segundo caso, além destes elementos do contexto, extrai o texto dito por pessoas.
O EveryZing está a funcionar como laboratório do GAudi e apresenta muito mais vídeos e categorias para pesquisa. O GAudi neste momento só dispõe do tema das eleições americanas com base no discurso de vários políticos. Quem desejar pode instalar no iGoogle o gadget “Elections Video Search”.
Se compararmos a pesquisa do mesmo vídeo no serviço do Youtube ou Google Video e no EveryZing, obteremos resultados distintos quanto à precisão. Enquanto no Youtube e no Google Video a pesquisa se continua a fazer com base nos textos dos títulos, na descrição do vídeo e no URL; no EveryZing a pesquisa faz-se no próprio texto pronunciado pelas pessoas.
No exemplo dado, seleccionei previamente um vídeo e uma parte do discurso. Lancei a pesquisa num e noutro motor com o critério de que me pesquisasse exactamente aquela frase. Como era de prever, recuperei o vídeo no EveryZing, mas não no Youtube ou no Google Video, apesar do vídeo em questão se encontrar nessas colecções. No futuro, estas ferramentas serão certamente estendidas a todos os produtos da empresa.
Deixo agora o ecrã do EveryZing.
Picasa
Para rematar, apresento uma última técnica que está a ser trabalhada e que contribui para um acesso a mais informação e por mais pessoas.
O serviço Google Picasa ajuda à catalogação das fotos ao disponibilizar uma tecnologia que procura similitude nas expressões faciais de fotos de pessoas. O mesmo já está a ser aplicado nos vídeos e os principais motores de pesquisa – Google, Live Search e Exalead, já têm incorporada essa característica.
Cuil, a guerra do tamanho? – Parte II
Vistos os objectivos e propostas do Cuil, debrucemos-nos agora sobre a sua prestação.
A difícil missão de filtrar e apresentar informação relevante
Voltando ao tamanho…
Os responsáveis do Cuil afirmam ser importante o tamanho do índice e defendem que se incluam sites de pequena dimensão. Todavia, o que se verifica é que o tamanho pode ser contraproducente. Quanto maior for o índice, mais tempo leva a actualizar essa informação – o Google usa tempos diferentes para actualizar páginas de notícias, por exemplo. Outra consequência lógica é a maior lentidão na resposta e a maior dificuldade em filtrar, ou seja, separar o trigo do joio. Isto, apesar das possibilidades tecnológicas estarem em evolução.
Porém, existe mérito no trabalho realizado pela equipa. Com muito poucos recursos humanos e com menos computadores, recolheram um número muito elevado de páginas.
O novo look e a preocupação com a privacidade
Acerca da forma de apresentação dos resultados em colunas, há quem goste e há quem ache que dificulta a leitura, precisamente o contrário do argumento utilizado pelos criadores. O que me parece indiscutível e positivo é a novidade e o assumir o risco da mudança. A personalização do interface é também um aspecto que soma pontos, embora não seja inovador, porque outros motores já o fazem desde há muito.
Discutindo a relevância dos resultados
Nesta área parece haver consenso nas reações quanto ao fraco desempenho do Cuil. Existem vários testemunhos, mas tomámos o teste apresentado na Online Tech Tips que utilizou a expressão “shipping seven” que se refere à futura versão do Microsoft Windows. Analisou a pertinência dos dez primeiros resultados nos vários motores de pesquisa que foram: Cuil – 10%; Google – 100%; Yahoo – 50%; Live Search – 60%; Ask – 0%. Em dez resultados, Cuil apresentou apenas um relacionado com o tema pesquisado.
Eu mesma realizei um teste simplório com o Cuil e o Google. Digitei a expressão “mastersid”, que se refere a um master da Universidade de Salamanca. Cuil não recuperou nos dez resultados uma única página relevante. Google apresentou como primeiro resultado um trabalho de um aluno realizado nesse curso e, na terceira posição, a página oficial do dito master. Curiosamente, o sistema do Cuil recuperou, e apresentou na página 4 de resultados, uma série de entradas do site Tagzania que possuíam a etiqueta “mastersid”. Foi um teste realizado pelos alunos desse master para experimentar as etiquetas e conhecer Tagzania. Devo dizer que o endereço do master é “http://mastersid.usal.es”, ficando claro que o sistema valorizou mais as etiquetas que os URL e recuperou, neste caso, o menos relevante.
A fórmula utilizada pelo Cuil necessita de muito trabalho para chegar à precisão actual do Google. Ao fraco desempenho na relevância, junta-se a ausência de pesquisa vertical, tendo sido o aspecto mais criticado a impossibilidade de este motor pesquisar especificamente imagens. Finalmente, a opção de não usar IP ou cookies para obter padrões de uso pode comprometer desenvolvimentos futuros.
O sucesso de um bom motor de pesquisa está associado à combinação de várias técnicas, e excluir à partida algumas possibilidades tecnológicas, não é muito sensato. A política de privacidade agrada à sociedade internauta, mas apenas a breve trecho, porque se a ferramenta não é eficaz, não vai ser utilizada.
Panorama actual e tendências que se desenham nos motores de pesquisa
Cuil tem muito para desenvolver e outra coisa não seria de esperar, porque estamos a falar de escalas muito diferentes, quando comparamos as duas empresas: Cuil tem 30 empregados contra os 20000 de Google; opera há 2 anos, tendo apresentado publicamente o seu produto há menos de dois meses. Ora, Google leva uma década de andanças.
Apesar de uma tecnologia poder alterar completamente as peças no tabuleiro de xadrez, não parece que isso vá ocorrer com Cuil, pelo menos no imediato. Google guarda bem o segredo do seu PageRank e tem procurado continuamente melhorá-lo e superá-lo com uma solução mais eficaz. É uma empresa com tecnologia muito madura, por enquanto líder, e que tem e usa todos os recursos para manter essa liderança com novos desenvolvimentos. Além disso, mantém-se muito atenta aos seus competidores… Seria até muito provável que uma qualquer melhora significativa conseguida por uma start up fosse imediatamente assimilada pelos grandes buscadores da actualidade – Google, Yahoo ou Live Search da Microsoft.
Creio que fica provado que o tamanho não é a questão de fundo, apesar do crescimento imparável da rede. O aumento do índice deve ser acompanhado de técnicas cada vez mais inteligentes no processamento de tanta informação. E nenhuma deve ser descartada.
Cuil, a guerra do tamanho? – Parte I
Como tem sido recorrente nos últimos dez anos, vários projectos de motores de pesquisa surgiram com o intuito de destronar Google, o motor actualmente mais utilizado em todo o mundo. Foi o que voltou a ocorrer com o Cuil, lançado no passado dia 27 de Julho.
Cuil
Nesta primeira parte, falaremos do projecto e principais características. Numa segunda fase, a atenção estará voltada para as reacções, testes e comentários ao desempenho do Cuil.
Cuil pronuncia-se “cool” e significa conhecimento na sua origem irlandesa, oferecendo uma imagem de transparência e inovação (veja-se a simplicidade do site) na forma de trabalhar uma área tão complexa como é a pesquisa e a recuperação de informação relevante na Internet.
O projecto arrancou em 2006 e está encabeçado por excelentes peritos na área da pesquisa, nada mais nada menos que Anna Patterson e Russel Power, dois ex-Google, aos quais se juntou Louis Monier.
Processo utilizado no Cuil
Neste projecto, como em qualquer projecto de indexação, foi recolhido o material – as páginas web, com um robot, o Twiceler. Uma vez capturadas as páginas, foi analisado o seu conteúdo e foram aplicadas técnicas de data mining. Quando um utilizador faz um pedido, o sistema analisa a expressão de pesquisa e apresenta os resultados em contexto. Ou seja, a pessoa escreve simplesmente “jaguar”, sem especificar se a informação que pretende diz respeito ao animal, ao carro ou ao sistema operativo. Essa polissemia é controlada e, na apresentação dos resultados parciais, a pessoa é convidada a precisar, sem ter que reformular a questão ou perder tempo a consultar uma lista de resultados sem interesse para o seu objectivo.
As “bandeiras” do Cuil
Em todos os artigos publicados na imprensa e na página oficial de Cuil sobressaem quatro aspectos neste novo motor de pesquisa.
- Primeiro – Tamanho do índice
Os criadores do Cuil reclamam que têm um índice 3 vezes superior ao do Google, embora desde há três anos a empresa não divulgue o número de páginas que indexa. No caso do Cuil, o índice foi criado com base em 120 mil milhões de páginas de um total de 186 mil milhões recolhidas. No processo de indexação, manual ou automático, é necessário fazer uma depuração. São rejeitadas páginas duplicadas (a duplicação é uma característica da rede), páginas que constituem armadilhas para o robot, como calendários, porque fica a puxar páginas infinitamente, praticamente vazias de conteúdo.
- Segundo – Apresentação/ Visualização dos resultados
A aposta para o layout do Cuil foi seguir a dos jornais, ou seja, a disposição dos resultados em três colunas. Trata-se de uma fórmula universalmente testada e bem sucedida na imprensa, por isso uma aposta ganha, pensam os criadores. Argumentam que é mais fácil de ler e mais limpa. Além disso, a pessoa pode ver mais resultados sem recorrer ao cursor. Para cada resultado, existe uma imagem que, segundo os autores, ajuda o utilizador a fazer uma avaliação mais rápida acerca do interesse da página recuperada.
Além da novidade no layout, é oferecida a possibilidade de refinar a pesquisa após um primeiro pedido e respectiva lista de resultados. A técnica usada é a de “clusters” ou tópicos que ajudam a pessoa a redireccionar o sentido da pesquisa.
Também na introdução da expressão da pesquisa funciona a “search suggestion”, ou seja, o sistema vai preenchendo automaticamente a partir dos caracteres que vão sendo digitados.
Neste capítulo, falta mencionar o “safe search” (que também existe na pesquisa avançada do Google Search) e a possibilidade de personalizar o layout. Por defeito o sistema assume 3 colunas e o modo de pesquisa segura, mas cada pessoa pode alterar e gravar as preferências no seu navegador.
- Terceiro – Critério de ordenação baseado no conteúdo
O ranking é das partes mais sensíveis em todo o processo e é a alma do sistema de pesquisa, porque ninguém deseja uma lista de resultados sem qualquer critério. Os critérios inicialmente utilizados, antes da era Internet, portanto em colecções controladas, eram o alfabético e a data. Com um universo de resultados usualmente amplo, foi necessário desenvolver o critério da relevância, que aliás tem sido exportado para catálogos, bases de dados, etc.
David Sullivan, estudioso desde há uma década dos motores de pesquisa e autor do site Search Engine Land, considera 4 estádios de desenvolvimento nos critérios de ordenação de resultados. Apesar da evolução clara, é possível e desejável que as etapas seguintes incorporem o melhor ou o que continua a ser eficaz das anteriores.
- Critério baseado na ánalise do conteúdo das páginas. Corresponde à fase do Lycos, do Infoseek, do Webcrawler, etc. Consistia em apresentar em primeiro lugar as páginas que apresentassem a frequência mais elevada dos termos pesquisados. Também eram consideradas mais relevantes as páginas em que co-ocurressem termos ou que se encontrassem em partes do documento mais importantes, como na etiqueta title, por exemplo. O índice era praticamente uma “cópia” dos textos das páginas web.
- Critério que usa a análise dos links das páginas. Este método de cálculo da relevância representou uma revolução e está associado ao PageRank da dupla Page+Brin. Há várias fórmulas, mas a mais eficiente até à data é a de Google que usa o PageRank combinado com outras estratégias. Basicamente, trata-se de medir a relevância de uma página por meio dos links que apontam a essa página, ou seja, através da sua visibilidade na rede. Se outras páginas apontam a essa, parte-se do princípio que é importante. A situação complica-se quando é necessário calcular também a relevância/ autoridade de quem aponta a essa página. Se diversos organismos credíveis apontam a essa página, ela é muito mais relevante. Neste critério, fala-se de votos por meio dos links e de popularidade. O calcanhar de Aquiles desta técnica está no que ficou conhecido por Googlebombing.
- Critério de ordenação por tópicos (vertical search). É uma técnica que assenta na ideia elementar que um bom resultado depende muito da pessoa saber ou não o que procura. Assim, apresenta-se ao utilizador uma série de categorias ou tópicos (por temas, por área geográfica ou por tipologia de recursos – imagem, vídeo, blog, etc.) para ajudar a uma pesquisa mais focada. A pesquisa geral na web chama-se horizontal por oposição a este tipo de pesquisa mais especializado. Porém, a prática revele que as pessoas não usam ou não sabem para que serve, pelo que o uso da caixa simples e da pesquisa básica continua a ser preferido.
- Critério assente no uso da informação. É a mais recente tendência e utiliza informação dos padrões de comportamento e uso dos utilizadores para melhorar os resultados. O número de cliques, os resultados seleccionados e o tipo de navegação na folha de resultados, conjugado com a personalização da pesquisa, constituem os pontos fortes desta técnica. Trata-se de monitorizar os sites mais visitados, as queries feitas, associando-os a um grupo, ou mais propriamente a um indivíduo, fazendo com que as opções anteriores pesem na apresentação dos resultados futuros. Há quem defenda que o comportamento social pode funcionar para este fim, mas vários peritos dizem que a pesquisa, ao contrário dos favoritos, é um acto muito pessoal e não partilhável. Acrescentaríamos que é também um processo muito dinâmico. Vincent Cerf da Google garante, aliás, que se o Google é popular, isso se deve ao facto de procurar ser útil a cada indivíduo.
O Cuil usa o critério de análise do conteúdo, combinado com a popularidade. Só oferece pesquisa horizontal e não usa o tracking para melhorar resultados, visto não guardar qualquer informação das pesquisas efectuadas.
- Quarto – Política de privacidade
O Cuil demarca-se substancialmente do Google e de outros motores no activo. Os responsáveis afirmam que não recolhem IP nem usam cookies para conhecer os utilizadores que os visitam. Actualmente, o Google guarda os dados por um período de 18 meses, tendo sido pressionado a estabelecer um prazo de armazenamento por protestos dos seus utilizadores e exigências legais. No Cuil a transparência é total. Respeitam-se os protocolos de proibição de captura por robot (ficheiros robot.txt) e as cookies usadas para personalizar o layout não são armazenadas nos servidores mas localmente no PC do utilizador.
Mapa de acessos
Copyright Cláudia Amorim. Tema 'Clean Modern Simple' por Curt Ziegler.
