Busca inteligente na internet Modulo I" y "Módulo II - Aperfeiçoando a primeira busca (página 2)

Como o número de servidores Web é imenso e está crescendo cada vez mais e é impossível:

• Criar manualmente um índice global com todos os sites disponíveis na Web.

Assim é necessário:

Se você utiliza o MS Internet Explorer pode realizar uma busca diretamente da barra de endereços. Imagine que você deseja se informar sobre os sanduíches com pão e uma fatia de carne assada denominados "hamburgers". Como você procederia? Uma solução imediata é digitar "hamburger" na linha de endereço do MS Internet Explorer e rápidamente serão encontradas as páginas que contém esta palavra. Abaixo está a cópia da tela com o comando que produz esta consulta.

Como isto é possivel? É simples, o MS Internet Explorer não reconhece a expressão "hamburger" como uma instrução para acessar uma página Web, em conseqüência envia a palavra ou as palavras digitadas para o serviço de busca MSN Web Search. O serviço de busca retorna as páginas que contém a palavra ou frase da consulta. Tentem, agora, a expressão de busca "cachorro quente".

A consulta acima retornará as páginas que contenham a expressão "cachorro quente" e não as páginas que contenham as palavras "cachorro" e "quente" em diferentes locais do texto.

Explicando o funcionamento: o serviço de busca, neste caso o MSN Web Search, coleta páginas na Web (documentos), e as indexa, isto é, seleciona as palavras existentes na página para a geração de um índice e guarda os resultados. O usuário escolhe uma ou mais palavras e escreve uma consulta que satisfaça os requisitos (necessidades) de sua busca. No nosso caso as consultas geradas foram: "hamburger" e "cachorro quente". O serviço de busca procura as similaridades, isto é, as páginas indexadas que contenham a ou as palavras utilizadas na consulta. Finalmente o serviço de busca oferece uma lista com os apontadores para as páginas que satisfizeram a consulta. Esta lista é classificada com as páginas mais similares a consulta em primeiro lugar.

1. O serviço de busca coleta páginas na Web e gera um índice com as palavras contidas nestas páginas;
2. Um usuário escreve uma consulta com as palavras que julga serem adequadas para achar a página desejada;
3. O usuário envia estas palavras para o sistema de busca;
4. O sistema de busca compara estas palavras (consulta) com o índice das páginas Web catalogadas;
5. As páginas mais semelhantes com a consulta (as que tem mais palavras comuns com o texto enviado na consulta) são escolhidas e enviadas ao usuário;
6. O usuário verifica a qualidade da resposta e escolhe as páginas recuperadas de atendam a sua consulta.

No caso inicial, apresentado acima, foi utilizado o serviço MSN Web Search pois o mesmo vá vem associado com o MS Internet Explorer. Mas se você não utilizar este sistema operacional ou se preferir outro navegador (Web browser) existem inúmeros outros sistemas de busca que podem ser acessados. Entre outros podemos citar o Google, o AltaVista e o Yahoo! No caso do navegador Firebird, da Mozilla.org, o mecanismo de busca associado é o Google. Neste caso ao digitar "cachorro quente" na linha de endereço o Google é acionado na opção "estou com sorte" e o site mais provavel é acessado.

E o resultado será:

Note que neste caso a seleção do site mais adequado é feita pelo Google. Este tipo de consulta é apropriado pra os casos onde a consulta deve gerar um único site. Este tipo consulta ocorre quando você está procurando pela página principal (homepage), por exemplo, a consulta "Barco Cisne Branco" resultará na página a seguir, com informações sobre um barco de turismo no Lago Guaiba, em Porto Alegre.

Para que você consiga atingir os resultados desejados em sua pesquisa deve considerar os dois pontos:

Qual o motivo de escolhermos um entre os diversos sistemas de busca? Todos estes serviços de busca são iguais? A resposta é:

• Nao, cada serviço de busca possui suas características específicas e, mais importante, cobrem conjuntos muito diferentes de páginas na Web.

Nenhum serviço de busca consegue recuperar todas as páginas existentes. A figura abaixo ilustra esta idéia. Cada serviço de busca recupera um conjunto de páginas, algumas são recuperadas por mais de um serviço mas nenhum indexa todas as páginas da Web. Se você utilizar apenas um serviço de busca não conseguirá recuperar muitas das páginas que podem ser interessantes para sua consulta. Na figura a seguir procuro mostrar que a cobertura de cada serviço de busca é diferente. Nenhm serviço de busca cobre todas as páginas existentes na Web. Para você ter uma idéia do número de páginas indexadas realize uma consulta sobre a palavra "a" que existe em praticamente todas as páginas. Hoje (08-Jukl-2006) o Google indexa cerca de 24.000.000.000 páginas!

A segunda questão é, também, muito importante: Todas as buscas realizadas tem a mesma qualidade? A resposta é, novamente: não, a qualidade da busca depende:

(i) da quantidade de páginas recolhidas pelo serviço de busca;

(ii) da qualidade da consulta.

A recuperação consiste em selecionar as palavras utilizadas na consulta e localizar cada ocorrencia destas palavras nas páginas Web coletadas pelo serviço de busca. A consulta (você já sabe que uma consulta é uma palavra ou seqüencia de palavras) representa os requisitos (as necessidades) de informação do usuário. O serviço de busca tenta encontrar as páginas Web mais semelhantes a uma consulta. Esta atividade é denominada "Processo de identificação de similaridades". No caso mais simples a similaridade é identificada pela contagem das palavras utilizadas na consulta e existentes nas páginas. As páginas mais similares em relação a consulta são aquelas que contém o maior número de palavras utilizadas na formulação da consulta. É essencial que você consiga escrever uma consulta que tenha o conteúdo mais próximo possível ao conteúdo do documento procurado.

Nem sempre os resultados de uma busca são os esperados. Muitas vezes as páginas encontradas como resultado da buscas não atendem às expectativas do usuário. Isto ocorre porque o argumento de pesquisa não representa exatamente o que o usuário estava pensando. Este capítulo fornece algumas sugestões de como é possível aperfeiçoar uma busca para que os resultados sejam mais adequados àquilo que se espera quando da realização da consulta.

Você já verificou que Internet oferece um volume muito grande de informação. Certamente a busca sobre os sanduíches do tipo "hamburger" apresentou surpresas. Algumas páginas recuperadas estavam em português, outras em inglês e, ainda outras, em alemão. Além disto, certamente foram recuperadas páginas sobre museus ou eventos em Hamburgo, uma cidade na Alemanha! Estas páginas foram recuperadas pois a palavra "hamburger" é utilizada em várias línguas, além disto "Hamburger" em alemão indica algo ou alguém de Hamburgo. Agora precisamos responder mais uma pergunta importante:

• Como melhorar a qualidade da pesquisa realizada?

Esta pergunta é uma variação da que fizemos no módulo anterior:

• Todas as buscas tem a mesma qualidade?

A resposta é "Não", mas agora podemos detalhar mais a resposta. A qualidade da busca depende do serviço de busca e da consulta propriamente dita. Quanto ao serviço de busca, nada podemos fazer quanto a forma de indexação nem quanto a quantidade de páginas recolhidas na Web. A escolha está limitada à seleção do serviço de busca mais adequado às nossas necessidades. Por outro lado temos toda a liberdade para melhorar a qualidade da consulta.

O resultado obtido é: (atenção: os resultados são apenas exemplos criados em algum momento no passado. Páginas são continuamente criadas e destruidas e os serviços de busca estão continuamente indexando as novas páginas, portanto você deve realizar, novamente, esta consulta e analizar os resultados atuais)

Bem, as páginas agora estão em português mas não tratam do assunto que desejávamos! O que fazer? Vamos colocar mais uma palavra caracterizando melhor o assunto desejado, a consulta ficará "hamburger sanduiche".

Agora sim conseguimos encontrar as páginas desejadas:

Conseguimos obter algo mais próximo doas páginas desejadas. Esta é a principal técnica na busca inteligente: utilizar conceitos, isto é, duas ou mais palavras que representem o mais exatamente possível o que desejamos procurar na Web. No caso desta consulta queríamos encontrar páginas sobre sanduiches do tipo hamburger. Mas notem que a expressão "hamburger sanduiche " não é uma frese corrente corrente na lígua falada mas sim um conjunto de palavras que caracteriza bastante bem o objetivo da consulta. Você deve ser criativo na construção da sua expressão de busca (esta é a forma rigorosa para designar o conjunto das palavras utilizadas na busca).

Agora voce deve clicar em "Dicas de pesquisa" e estudar muito bem as sugestões apresentadas.

Mudemos de consulta. Agora desejamos encontrar o texto completo do Hino Nacional Brasileiro. A primeira idéia que surge é consultar utilizando o termo Ipiranga. Pois o Hino inicia com a descrição dos fatos acontecidos às margens do Ipiranga. Olhem só o resultado:

Bem, não era isto o que desejávamos.

As buscas podem ser melhoradas se colocarmos algumas instruções adicionai na expressão de busca. As mais conhecidas são os operadores +termo, -termo e "expressão". Esta é a forma mais simple de melhorar uma consulta. O símbolo + indica a obrigatoriedade da palavra seguinte, - indica que a próxima palavra não deve aparecer nas páginas buscadas e, finalmente, as "..." delimitam uma frase que deve aparecer totalmente nas páginas recuperadas.

Vamos utilizar o operador +. A consulta anterior fica assim: [Ipiranga +hino]. O resultado é bem melhor:

Das quatro primeiras páginas, duas contém o texto do hino. As outras duas tratam de uma questão e da interpretação do texto do hino. Podemos ainda melhorar a consulta. A consulta ["Ouviram do Ipiranga as margens plácidas"] vai recuperar as páginas que tratam do hino Nacional Brasileiro. Algumas das páginas recuperadas contém o texto completo, outras apenas comentários sobre a letra do Hino ou questões de prova. Se tomarmos como argumento da pesquisa a segunda linha do Hino ["e o sol da liberdade, em raios fúlgidos"] retornará praticamente todas as páginas com o texto completo. Por que esta diferença? É fácil explicar, a primeira frase do Hino caracteriza o tema servindo para representá-lo em uma série de contextos. Uma frase tomada mais adiante em um texto tem uma grande possibilidade de recuperar página que contenham todo o texto.