Sinopse
Os mecanismos de pesquisa são sites especiais na Web projetados para ajudar as pessoasencontre informações armazenadas em outros sites. Existem diferenças nas maneiras como váriosOs mecanismos de pesquisa funcionam, mas todos eles executam três tarefas básicas:Eles pesquisam na Internet - ou selecionam partes da Internet - com base em palavras importantes,Eles mantêm um índice das palavras que encontram e onde as encontram, eEles permitem que os usuários procurem palavras ou combinações de palavras encontradas nesse índice.Os primeiros motores de busca mantinham um índice de algumas centenas de milhares de páginas e documentos e recebiam talvez uma ou duas mil consultas por dia. Hoje, um dos principais mecanismos de pesquisa indexa centenas de milhões de páginas e responde a dezenas de milhões de consultas por dia.Antes que um mecanismo de pesquisa possa informar onde está um arquivo ou documento, ele deve ser encontrado. Para encontrar informações sobre as centenas de milhões de páginas da Web existentes, um mecanismo de busca emprega robôs de software especiais, chamados aranhas, para criar listas das palavras encontradas nos sites.Quando uma aranha está construindo suas listas, o processo é chamado de rastreamento na Web.Para criar e manter uma lista útil de palavras, as aranhas de um mecanismo de pesquisa precisam examinar muitas páginas. Como qualquer aranha inicia suas viagens pela Web? Os pontos de partida habituais são listas de servidores muito usados e páginas muito populares. A aranha começará com um site popular, indexando as palavras em suas páginas e seguindo todos os links encontrados no site. Dessa maneira, o sistema de formação de aranhas rapidamente começa a se espalhar, espalhando-se pelas partes mais amplamente usadas da Web.Depois que as aranhas concluírem a tarefa de encontrar informações nas páginas da Web, o Mecanismo de Pesquisa deve armazenar as informações de uma maneira que as torne úteis. Existem dois componentes principais envolvidos para tornar os dados coletados acessíveis aos usuários: As informações armazenadas com os dados eO método pelo qual as informações são indexadas.No caso mais simples, um mecanismo de pesquisa pode apenas armazenar a palavra e o URL onde foi encontrado. Na realidade, isso resultaria em um mecanismo de uso limitado, pois não haveria maneira de dizer se a palavra foi usada de maneira importante ou trivial na página, se a palavra foi usada uma ou várias vezes ou se a página continha links para outras páginas que contenham a palavra. Em outras palavras, não haveria maneira de criar a lista de classificação que tenta apresentar as páginas mais úteis no topo da lista de resultados de pesquisa.Para obter resultados mais úteis, a maioria dos mecanismos de pesquisa armazena mais do que apenas a palavra e o URL. Um mecanismo de pesquisa pode armazenar o número de vezes que a palavra aparece em uma página. O mecanismo pode atribuir um peso a cada entrada, com valores crescentes atribuídos às palavras conforme elas aparecem perto da parte superior do documento, em subtítulos, links, nas tags META ou no título da página. Cada mecanismo de pesquisa comercial possui uma fórmula diferente para atribuir peso às palavras em seu índice. Esse é um dos motivos pelos quais uma pesquisa pela mesma palavra em diferentes mecanismos de pesquisa produzirá listas diferentes, com as páginas apresentadas em diferentes ordens.Um índice tem um único objetivo: permite que as informações sejam encontradas o mais rápido possível. Existem algumas maneiras de criar um índice, mas uma das maneiras mais eficazes é criar uma tabela de hash. No hash, uma fórmula é aplicada para anexar um valor numérico a cada palavra.A fórmula foi projetada para distribuir uniformemente as entradas por um número predeterminado de divisões. Essa distribuição numérica é diferente da distribuição de palavras no alfabeto e essa é a chave para a eficácia de uma tabela de hash.Quando uma pessoa solicita uma pesquisa em uma palavra-chave ou frase, o software do mecanismo de pesquisa pesquisa informações relevantes no índice. O software fornece um relatório ao pesquisador com as páginas da web mais relevantes listadas primeiro.
