Que Son Y Como Trabajan Los Motores De Bsqueda

Los Motores de bsqueda son sitios especiales en la Web que estn diseados para ayudar a las personas a encontrar informacin almacenada en otros sitios web. Hay diferencias en las maneras en que los diferentes motores de bsqueda trabajan, pero todos ellos realizan las siguientes tres tareas bsicas:

Buscan en Internet o en reas seleccionadas de Internet basados en palabras importantes.
Guardan un ndice de las palabras que encuentran, y donde las encuentran.
Permiten a los usuarios buscar palabras o combinaciones de palabras encontradas en dicho ndice.

Los primeros Motores de bsqueda mantenian un ndice de unos pocos cientos de miles de pginas y documentos, y reciban tal vez mil o dos mil consultas cada da. Hoy, un Motor de bsqueda mayor indexa cientos de millones de pginas, y responde a decenas de millones de consultas por da.

Antes de que un Motor de bsqueda pueda decirle donde esta un archivo o documento, primero debe de ser encontrado. Para encontrar la informacin en los cientos de millones de pginas web que existen, un Motor de bsqueda emplea robots de software especial, llamados araas o spiders, para construir las listas de palabras encontradas en los sitios Web.

Cuando una araa o spider construye sus listas, el proceso es llamado web crawling. Con el fin de construir y mantener una lista til de palabras, las araas o spiders de un Motor de bsqueda tienen que revisar muchas pginas. Cmo comienza cualquier araa sus revisiones en la web? Los puntos de partida habituales son las listas de los servidores mas fuertemente usados y en las paginas muy populares. La araa comenzar con un sitio popular, indexando las palabras en sus pginas y siguiendo cada enlace (link) encontrado dentro del sitio. De este modo, el sistema spidering rpidamente comienza a viajar, extendindose a travs de las partes ms extensamente usadas en la Web.

Una vez que las araas han completado la tarea de encontrar la informacin en las pginas web, el Motor de bsqueda debe almacenar la informacin en un modo que la haga til.

Hay dos componentes claves involucrados al hacer la recoleccin de los datos accesibles a los usuarios:

La informacin almacenada con los datos
El mtodo por el cual la informacin es incluida en un ndice (indexada).

En el caso ms simple, un Motor de bsqueda podra solamente almacenar la palabra y la direccin URL donde fue encontrada. En realidad, esto conducira a un motor de empleo limitado, dado que no habra ningn modo de decir si la palabra fue usada de una manera trivial o importante en la pgina, si la palabra fue usada una vez o muchas veces o si la pgina contena vnculos o enlaces a otras pginas conteniendo la palabra. En otras palabras, no habra ningn modo de construir la lista de rankeo que intenta presentar las pginas ms tiles en lo alto de la lista de los resultados de bsqueda.

Para dar los ms tiles resultados, la mayor parte de los Motores de bsqueda almacenan ms que solamente la palabra y el URL.

Un Motor de bsqueda podra almacenar el nmero de veces que la palabra
aparece en una pgina. El motor podra asignar un peso a cada entrada,con un aumento de los valores asignados a las palabras segun ellas aparezcan cerca de la cima del documento, en subttulos, en vnculos, en las etiquetas META (metatags) o en el ttulo de la pgina.

Cada Motor de bsqueda comercial tiene una frmula diferente para asignar el peso a las palabras en su ndice. Esto es uno de los motivos por los que una bsqueda para la misma palabra en diferentes Motores de bsqueda producir listas diferentes, con las pginas presentadas en diferente orden.

Un ndice tiene un solo objetivo: este es permitir que la informacin sea encontrada tan rpidamente como sea posible. Hay bastantes maneras para que un ndice sea construido, pero uno de los ms efectivos es construir una tabla hash (mapa de datos). Al construir la tabla de datos, una frmula es aplicada para adjuntar un valor numrico a cada palabra.

La frmula est diseada para uniformemente distribuir las entradas a travs de un predeterminado nmero de divisiones. Esta distribucin numrica es diferente de la distribucin de las palabras a travs del alfabeto, y esta es la clave para la eficacia de una tabla Hash (mapa de datos).

Cuando una persona solicita una bsqueda sobre una palabra clave o frase, el software del Motor de bsqueda busca el ndice para la informacin relevante. El software entonces provee un informe de regreso a la persona que efectua la busqueda con las pginas web ms relevantes listadas primero.