Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Fonctionnement des Moteurs De Recherche


Published on

  • Be the first to comment

Fonctionnement des Moteurs De Recherche

  1. 1. Phase 2 EDA : Exploration Moteurs de recherche et indicateurs
  2. 2. Enjeux ‣ Construire le meilleur corpus possible ‣ Permettre une interrogation du corpus ‣ Fournir les résultats les plus pertinents possibles en un minimum de temps
  3. 3. Comment atteindre cet objectif ? ‣ Approche 1 : topologique ‣ Approche 2 : sémantique ‣ Approche 3 : savant mélange
  4. 4. Ranking Comment sont construits les indicateurs
  5. 5. La liste inversé Doc1 : mot1 mot2 Doc2 : mot2 mot3 Doc3 : mot1 mot4 Mot1 : [Doc1 Doc3] Mot3 : [Doc2]
  6. 6. La liste inversé
  7. 7. From backrub to google La petite histoire du n°1 des moteurs de recherche
  8. 8. The web creates new challenges for information retrieval. The amount of information on the web is growing rapidly, as well as the number of new users inexperienced in the art of web research. People are likely to surf the web using its link graph, often starting with high quality human maintained indices such as Yahoo! or with search engines. Human maintained lists cover popular topics effectively but are subjective, expensive to build and maintain, slow to improve, and cannot cover all esoteric topics. Automated search engines that rely on keyword matching usually return too many low quality matches. To make matters worse, some advertisers attempt to gain people's attention by taking measures meant to mislead automated search engines. We have built a large-scale search engine which addresses many of the problems of existing systems. It makes especially heavy use of the additional structure present in hypertext to provide much higher quality search results. We chose our system name, Google, because it is a common spelling of googol, or 10100 and fits well with our goal of building very large-scale search engines.
  9. 9. Page Rank ou le surfeur aléatoire
  10. 10. Page Rank ou le surfeur aléatoire Modélisation du comportement d’un internaute : 1. Prendre une page web au hasard 2. Prendre un nombre 0 < p < 1 3. Si p > c alors choisir une nouvelle page au hasard 4. Si p < c choisir un lien au hasard dans la page et le suivre La probabilité que cet internaute se trouve en une page donnée à un moment donné est égale au PageRank de cette page. Si le PageRank est fort alors la probabilité d’être visité est forte
  11. 11. Page Rank ou le surfeur aléatoire PageRank : la vision classique v1 c*PR(v1) c*PR(v4)/3 v4 c*PR(v2) u v2 c*PR(v5) v5 c*PR(v3)/2 v3
  12. 12. PageRank : la visionle surfeur Page Rank ou classique PageRank : la vision la vision classique PageRank : v1 aléatoire c*PR(v1) c*PR(v4)/3 classique v4 v1 c*PR(v1) c*PR(v4)/3 v4 c*PR(v2) v1 c*PR(v1) c*PR(v4)/3 v4 v2 u c*PR(v2) u c*PR(v5) v2 c*PR(v5) c*PR(v2) u v2 v5 c*PR(v5) c*PR(v3)/2 c*PR(v3)/2 v5 v3 v3 v5 c*PR(v3)/2 (1-c)/N v3 (1-c)/N (1-c)/N nitialisation : ∀u PR(u) = 1/N Initialisation : ∀u PR(u) = 1/N alcul it´ratif : e Calcul it´ratif : e (1 − c) PR(v ) PR(u) = PR(u) + c. − c) + c. = (1 PR(v ) N N v →u #liens(v ) #liens(v ) v →u
  13. 13. Page Rank ou le surfeur aléatoire The web in 1839 y = y /2 + a /2 a = y /2 + m y/2 m = a /2 y Yahoo  y+a+m = 1 a/2  y = 2/5, a = 2/5, m = 1/5 y/2 m Amazon M’soft a/2 a m
  14. 14. ∀u 0 < PageRank(u) < 1 Page Rank ou le surfeur PageRank(u) = 1 aléatoire Le PageRank est int´ressant car c’est une notion simple et e facile ` calculer a Relation au Toolbar PageRank (TPR) : 0 0 < PageRank < 0,8 0,8 < PR < 0,96 etc. ... 1 TPR = 1 TPR = 2 04/02/2009 SEO Campus 2009 : Pagerank et optimisation 5/2
  15. 15. What now ? Comment sont construits les indicateurs
  16. 16. Page rank et consors Pénurie d’informations : rétro-ingénierie, white paper, brevet... Nouveaux modèles : browser rank, user sensitive pagerank, etc.
  17. 17. Page rank et consors ‣ Date du document ‣ Modification du contenu ‣ Analyse des requêtes et clics sur les résultats ‣ Critères des liens sur la page ‣ Texte des ancres ‣ Trafic ‣ Comportement des visiteurs ‣ Informations sur le nom de domaine ‣ Rangs précédents ‣ Bookmarks ‣ Mots uniques et ancres ‣ Liens non pertinents ‣ Sujet du document