AR - Lesson 17

Un primo precursore intelletuale del concetto di ipertesto è il concetto di reference. Negli articoli o nei libri, quando si necessità indirizzare a informazioni supplementari o semplicemente citare il proprietario intelletuale di una informazione, si fanno dei riferimenti ad altri libri o articoli. Anche in questo caso si crea un grafo diretto i cui nodi sono i libri o gli articoli e gli archi sono i riferimenti.

La differenza sostanziale però con l'ipertesto è la linea temporale nella quale si fanno i riferimenti. Se un libro X fa una citazione a un articolo Y vuol dire che Y è stato scritto e pubblicato prima di X, perciò non ci potranno essere riferimenti ad X nell'articolo Y. Invece nel rete del Web abbiamo degli archi bidirezionali, ovvero capita spesso di trovare due pagine che si referenziano reciprocamente.

Un altro precursore dell'ipertesto sono le cosidette crossing-references, o riferimenti incrociati. Tale tipo di organizzazione la troviamo per esempio in una enciclopedia, e consente di collegare argomenti differenti attraverso una catena di collegamenti semantici o riferimenti tra altri arogmenti.

Per esempio la Figura 1 mostra come tramite riferimenti incrociati di Wikipedia possiamo connettere gli Equilibri di Nash con la Nasa.

Inizialmente il Web era costituito da una collezione di pagine statiche al cui interno erano (eventualmente) presenti degli hyperlink ad altre pagine. Tali hyperlink sono detti navigazionali in quanto servono appunto per "navigare" nel Web, esattamente come noi navighiamo nella nostra conoscienza, implementando così la memoria associativa.

Col tempo però il Web si è evoluto, passando da pagine totalmente statiche a pagine che consentono di effettuare delle azioni, come per esempio sottomettere una richiesta a un server oppure effettuare dei pagamenti. I link che consentono di effettuare tali azioni sono detti appunto transazionali.

Altre evoluzioni sono per esempio l'avvento dei servizi, come per esempio:

• la creazione e mantenimento di contenuti in maniera condivisa con Wikipedia.
• lo scambio di messaggio con i servizi di web-mailing.
• reti che connettono individui anziché documenti con i social-media.
• reti che connettono video con YouTube.

Con tali evoluzioni si indica il cosidetto Web 2.0.

Come abbiamo già accennatto il Web può essere visto come un grafo diretto, in cui i nodi sono le pagine e gli archi sono gli hyperlink tra esse. Una osservazione abbastanza intuitiva che si può fare è quella che un pagina web conosce solamente le pagine a cui punta, ovvero i cosidetti archi uscenti, e non le pagine da cui è puntata, ovvero gli archi entranti.

In uno studio del 2000 si osservò che il grafo del web, composto da milioni di nodi, ha una forma a bow-tie, ovvero a fiocco. Al centro è presente una componente fortemente connessa (che indicheremo con SCC, Strongly Connected Component) composta dalla maggior parte dei nodi. In tale componente, per ogni pagina web X della componente è possibile trovare una serie di link che collegano X verso qualsiasi altra pagina in SCC, e viceversa da qualsiasi altra pagina è possibile navigare e raggiungere X.

Dopodiché si osservò la presenza di altre due componenti che formavano una sorta di "flusso" in entrata e uscita da SCC. Le componenti sono:

• IN: composta dai nodi dai quali navigando è possibile raggiungere SCC, ma non raggiungibili in alcun modo da da SCC. Questa componente rappresenta quindi il flusso in entrata in SCC.
• OUT: compsta dai nodi raggiungibili da SCC tramite una navigazione ma che a loro volta non possono raggiugere SCC. Questa componente rappresenta quindi il flusso in uscita in SCC.

Altre componenti osservate nel grafo del web sono:

• Tendrils: o "tentacoli" è una componente composta da:
  • nodi che sono raggiungibili dai nodi presenti nella componente IN ma dai quali non si può raggiungere SCC.
  • nodi attraverso i quali si può raggiungere la componente OUT ma i quali non sono raggiungibili dai nodi in SCC.
• Tubi: composto dai nodi che creano un flusso che collegga la componente IN alla componente OUT senza quindi mai passarre attraverso SCC.
• Componenti disconnesse: una serie di nodi disconnessi dalla struttura a fiocco.

---

Il problema di classificare e ricercare documenti è un problema antico. Prima dell'avvento del Web, la difficoltà nel ricercare documenti era sostanzialmente dovuta alla scarsità di questi ultimi. Infatti, un tempo bisognava raggiungere fisicamente una biblioteca, libreria o archivio per avere accesso a libri, articoli o documenti, e inoltre non ce n'erano a disposizione una grande quantità. Tuttavia c'era un vantaggio, i documenti in generale erano catalogati in categorie, perciò a chi interessava avere informazioni su un determinato argomento bastava recarsi nel luogo in cui erano raccolti i documenti relativi all'argomento interessato. Per esempio, a un avvocato che necessita delle schede penali di alcune persone basta andare in un archivio di un tribunale. Oppure se ti interessa trovare un nuovo romanzo da leggere, basta andare in libreria nella sezione "Romanzi" e troverai una raccolta di libri inerenti al genere che ti interessa.

Il Web ha letteralmente capovolto i ruoli. Adesso chiunque ha acesso a una infinità di documenti in letteralmente pochissimi istanti. Il problema principale invece è appunto questa sovrabbondanza di documenti, i quali purtroppo non sono catalogati e raggruppati in categorie.

Purtroppo proprio per questa eterogeneità dei documenti, non è possibile effettuare una ricerca specializzata per parole chiave. Oltre al fatto che il numero di parole chiave è potenzialmente illimitato, una parola assume differenti significati. Infatti per esempio la parola "albero" in teoria dei grafi è un grafo particolare, mentre in botanica è un tipo di pianta, oppure ancora può poter significare un albero genealogico.

Si vuole quindi definire uno strumento di web search che consenta di effettuare una ricerca catalogando in base a delle parole chiave e scartando tutte le pagine non coerenti. Questa però non è una condizione sufficiente affinché uno strumento di web search risulti utile. Infatti, come risultato di una ricerca, potrebbe essere restituito un insieme potenzialmente immenso di pagine inerenti alle parole chiave. Perciò è necessario che tale strumento in qualche modo sfoltisca le pagine meno rilevanti, restituendo così un inseme abbastanza piccolo da essere umanamente visitato, e possibilmente ordinando queste pagine in un ordine di rilevanza, ovvero effettuando un ranking delle pagine restituite.

Purtroppo il contenuto interno di una pagina non consente da solo di quantificarne con precisione la sua rilevanza rispetto alla ricerca in corso. Un primo strumento utile che consente invece di capire meglio la rilevanza di una pagina sono gli hyperlink.

Consideriamo prima un esempio:

Staimo studiando un articolo utile per fare una tesi. Per capire meglio l'argomento un solo articolo non basta, perciò decidiamo di attingere dalla bibliografia dell'articolo. Purtroppo notiamo che sono presenti svariate decine di citazioni ad altri articoli. Non potendo leggerli tutti quanti, è sensato considerare gli articoli che più hanno citazioni in generale.

Prendendo quindi come base questo esempio, dopo aver escluso tutte quelle pagine non inerenti alla nostra ricerca, possiamo ordinarle in ordine non crescente di numero di referimenti. Più precisamente, mettiamo tra i primi risultati della ricerca tutte quelle pagine che all'interno del sottoinsieme di pagine inerenti alla ricerca sono maggiormente puntate da hyperlink. Ovvero la rilevanza di una pagina è calcolata analizzando i link che la coinvolgono.

continua →

---