E' curiosa la tendenza diffusa a sottostimare l'influenza delle
Toolbar dei
search engine sugli algoritmi con cui essi valutano le pagine indicizzate.
Eppure sono gli stessi search engine a dichiarare
che i dati provenienti dai clic dei visitatori che usano le toolbar
vengono utilizzati per raccogliere e incrociare i dati statistici del comportamento degli utenti tramite il monitoraggio del traffic ranking.
Da una nota di Alexa Toolbar: "Making a better internet"Alexa
could not exist without the participation of the Alexa Toolbar
community. Each member of the community, in addition to getting a
useful tool, is giving back. Simply by using the Firefox and IE
toolbars each member contributes valuable information about the web,
how it is used, what is important and what is not. This information is
returned to the community as Related Links, Traffic Rankings and more.
e ancora...
The
traffic rank is based on three months of aggregated historical traffic
data from millions of Alexa Toolbar users and is a combined measure of
page views and users (reach).
e ancora...
Alexa
computes traffic rankings by analyzing the Web usage of millions of
Alexa Toolbar users. The information is sorted, sifted, anonymized,
counted, and computed, until, finally, we get the traffic rankings
shown in the Alexa service. The process is relatively complex, but if
you have a need to know, please read on.
Per
quanto riguarda Google, la sua formula semplificata (che
peraltro non è quella attualmente usata) prevedeva fin dall'inizio un
fattore, chiamato damping factor, trad. fattore di smorzamento [1] [2],
il cui valore viene deciso da Google e che nella documentazione
originale assumeva valore 0,85. Tale valore può essere aggiustato da
Google per decidere la percentuale di PageRank che deve transitare da
una pagina all'altra. Valore che viene influenzato da molte variabili,
tra cui il Traffic Ranking, come affermato da Karla Alcazar, docente di Computer Science presso L'Università di Friburgo
"The random surfer picks a web page and keeps clicking on links, this probability is called damping factor".
"The PageRank value of a page reflects the frequency of hits on that page by the random surfer".
La formula originale semplificata del PageRank è la seguente:
![PR[A]=(1 - d) + dleft (frac{PR[T1]}{C[T1]} + ... + frac{PR[Tn]}{C[Tn]}right )](http://upload.wikimedia.org/math/4/b/d/4bd8baa61138331ba280d306f623ba48.png)
Dove:
- PR[A] è il valore di PageRank della pagina A che vogliamo calcolare
- T1...Tn sono le pagine che contengono almeno un link verso A
- PR[T1] ... PR[Tn] sono i valori di PageRank delle pagine T1 ... Tn
- C[T1] ... C[Tn] sono il numero complessivo di link contenuti nella pagina che offre il link
- d è il damping factor
Il PageRank non è altro che un indice di probabilità, di quanto tempo, mediamente, un navigatore si troverà su una certa pagina.
La formula si basa sulla teoria dei
processi di Markov e c'è da dire che nella sua formulazione originale non considera il contenuto delle pagine.
Questo potrebbe essere un grosso limite se non fosse comunque abbinato ad algoritmi di analisi del contenuto, quali LSI o Proximity.
I ricercatori e docenti Fortunato, Flammini, Menczer, Vespignani nella loro ricerca "The egalitarian effect of search engines" pubblicata nel
2005 affermano che:
"Traffic
is the fraction of all user clicks in some period of time that lead to
the page; this quantity, also known as view popularity, can be
estimated using the Alexa Traffic Rankings service, which monitors the
sites viewed by users of its toolbar"
[vedi
anche J. Cho, S. Roy, and R. Adams. Page quality: In search of an
unbiased web ranking. In Proc. ACM International Conference on
Management of Data (SIGMOD), 2005]
Un testo molto stimolante appena pubblicato sull'argomento (solo in lingua
inglese) è quello di
Amy Langville (Assistant Professor of Mathematics al
College di Charleston in South Carolina) e
Carl D. Meyer (Professor of
Mathematics alla North Carolina State University) dal titolo:
in particolare il cap. 12.3 dal titolo "Ranking Based on Traffic Flow" (
pagine 136-138) la
cui dimostrazione, se pur interessante, è troppo lunga per poter essere riportata in queste
righe
[3].
Accenno solo brevemente il suo contenuto.
Si tratta di una interessante interpretazione di
John A. Tomlin a
proposito del Traffic Rank.
Grazie al metodo matematico dei
Moltiplicatori Langrange
è possibile ottenere una soluzione che descrive la "temperatura" per
ognuna delle pagine Web. Una interpretazione che affonda le sue radici
nella relazione termodinamica tra
entropia e calore (HotRank)
[4]. In assenza di altre informazioni sul traffico delle pagine del World Wide Web, è possibile utilizzare un metodo che renda massima l'entropia. Questo metodo è soggetto alle condizioni di conservazione della rete in cui è calcolata (che sia una rete intranet o una rete extranet).
NOTE
[1] Il
damping factor è un parametro correttivo che tiene conto della probabilità che
l'utente cambi percorso durante la sua scelta dei link presenti in una pagina web. Attraverso il damping factor,
Google può determinare il valore percentuale di PageRank
che transita da una pagina all' altra e stabilire un valore
minimo di Page Rank attribuito ad ognuna delle pagine presenti
nei suoi archivi.
[2] Paolo Boldi Massimo Santini Sebastiano Vigna,
PageRank as function of the Damping Factor - DSI, Università degli Studi di Milano
[3] Chi desidera la dimostrazione completa può scaricarla da:
John A. Tomlin - A New Paradigm for Ranking Pages on the World Wide Web - IBM Almaden Research Center
[4] Sulle relazioni tra entropia e web: La fisica del Web - The Daily Bit - febbraio 2007
