Archives de catégorie : Algorithmes, Moteurs et techniques d’indexation

De nombreux moteurs de recherche majeurs basent aujourd’hui une partie de leurs algorithmes sur la détection des entités nommés : nom de personne, d’entreprise, de lieu, etc. Mais peut-on facilement définir ce qu’est une entité nommée et comment les moteurs … Continuer la lecture →

Une étude statistique de la distribution des liens entre les pages web montre une certaine régularité des pages normales (sur lesquelles les liens sont construits par des humains), les pages de spam ayant tendance à montrer une distribution beaucoup plus … Continuer la lecture →

Le problème que pose la mise en oeuvre de tout algorithme dès lors qu’il s’agit de faire des calculs sur le World Wide Web, c’est la taille de la collection : des dizaines de milliards de pages, reliées par des … Continuer la lecture →

Brevets Brevet de Yahoo (Trustrank) appft1.uspto.gov/netacgi/nph-Parser Un brevet de Microsoft (astuce pour rendre le pagerank robuste au Link Spam) appft1.uspto.gov/netacgi/nph-Parser Un récent brevet de Google patft.uspto.gov/netacgi/nph-Parser BIBLIOGRAPHIE Link-Based Characterization and Detection of Web Spam Luca Beccheti, Carlos Castillo, Debora Donato, … Continuer la lecture →

Depuis quelques semaines, un buzz impressionnant se développe autour du projet Cuill [1], un moteur de recherche encore au stade « furtif ». [2]. Mais nous sommes loin du battage organisé autour de Megaglobe ou de Powerset : si l’on parle autant … Continuer la lecture →

Surveillez vos logs d’un peu plus près… Depuis quelques mois, des bots inconnus apparaissent (parfois cachés sous des user agents connus) et crawlent votre site web. D’où viennent-ils ? Qui sont-ils ? Certains des moteurs qui sont derrière ces robots … Continuer la lecture →