#CurvaVsTribuna #PayPalVsTweet #ilsabatodimdplab #32

Il Social Bookmarking c'è da un'eternità e le piattaforme di Social Networking ne sono la naturale evoluzione. L'idea che una buona presenza social contribuisca alla crescita del ranking nei motori di ricerca è, quindi, un concetto altrattanto datato. Non stupisce, quindi, che, come segnala Tagliaerbe, i fattori del posizionamento sui Motori di Ricerca siano da ricercarsi nelle condivisioni sui Social Network, Facebook e Twitter in primis.
Ma io direi che non sono nuovi, anzi!

Il problema, comunque, sta nel come poi le Aziende o i Brand Personali declinano queste indicazioni. Troppo spesso, infatti, le politiche social sono distanti da quelle sociali, frutto di un marketing che - per quanto etico debba essere per sua stessa definizione - di etico, purtroppo, non ha nulla.
Fioccano in rete le raccomandazioni (questa è l'ultima che mi è capitata) per un buon utilizzo delle piattaforme di Social Networking, su come - ad esempio - usare gli hashtag su Twitter. Capita, però, che importanti agenzie, dimentichino completamente il buon senso e utilizzino improbabili hashtag per dare vita a pietose iniziative come quella amaramente descritta da Gianluca Diegoli.

A chi pensa che la Rete sia qualcosa di virtuale, rispondo sempre che i Social Networking sono delle semplici Reti Sociali per dire che la Rete e le Reti Sociali sul Web (cioè i Social Network) riproducono (declinano) in grande dinamiche da sempre in atto. Prima, forse, c'era solo il racconto delle televisioni e dei giornali, quelli di carta. Ora, invece, grazie al Web, di quelle storie, siamo protagonisti o, almeno, testimoni sicuramente più diretti. Di cosa parlo? Della distanza abissale che c'è tra noi e loro, tra l'1% e il 99%. Tra la vita vera e quella ovattata, tra il pieno di benzina da fare al mattino e l'autista che passa a prenderli con l'autoblu, tra il panino consumato di fretta a pranzo e il conto al ristorante pagato con la carta aziendale, tra il biglietto in curva pagato risparmiando su una birra e l'accredito gratis in tribuna vip.

Forse l'accostamento è azzardato, ma a me, Scosse contro Tweet, ha tanto ricordato l'accordo dei politici per le nomine AGCOM: tutto e solo ciò di cui non abbiamo bisogno! Il problema è che, tra l'ovatta, l'autoblu, la carta di credito e la tribuna vip, loro, poverini, come fanno a saperlo?

Altro che ScosseVSTweet, qui è CurvaVsTribuna!

$38, la Rete e @quinta all'AGCOM #ilsabatodimdplab #28

Sarebbe una bestemmia dire che per ogni condivisione fatta su Facebook qualcuno dovrebbe riconoscermi 38 dollari. Il tempo dirà se anche i 38 dollari necessari per una condivisione (pardon, share) di Facebook lo sono.

Quanti like ci saranno per Facebook quando, per rendere conto agli azionisti, si troverà costretto a modificare la sua impostazione? Quanto piacerà a noi, che l'abbiamo reso vivo, la trasformazione di Facebook in una piattaforma di distribuzione di apps che vendono prodotti o servizi (è una delle ipotesi di Luca De Biase)?
Guardo la cosa con curiosità e preoccupazione convinto che, dopo Instagram, si stia davvero esagerando. E il fatto che Facebook abbia dato praticamente la morte a FriendFeed, dimostrando un interesse di fatto nullo all'essenza stessa della Rete mi preoccupa.

Sia ben chiaro: se Facebook è/sarà complice di questa deriva, di sicuro la cosiddetta massa critica non è esente da responsabilità. La fuga da FriendFeed e la conseguente desolazione sperimentata da chi, invece, cerca di continuare a viverci dentro, ne sono la testimonianza. Twitter, in cui la massa si è rifugiata, favorisce più il broadcast che la rete per via della sua intrinseca difficoltà ad abilitare le discussioni (almeno questa è la mia personale esperienza). Cos'altro sarebbe Facebook, da piattaforma di distribuzione di apps, se non - essenzialmente - un altro megafono?

Insomma il futuro, anche quello della Rete, è nelle nostre mani e, mi sembra, alla preoccupazione che abbiamo sempre avuto sul come utilizzarla, si aggiunge anche quella di lasciarla così com'è, da un punto di vista squisitamente "tecnologico". Sarebbe davvero paradossale trovare declinata sul Web la stessa crisi di valori che denunciamo, proprio qui, in Rete, e che dalla Rete pretendiamo di risolvere.

È vero, a proposito di valori, la Rete è stata anche la tecnologia abilitante del "Guadagnate!"; ha fatto (e fa) credere a chiunque che sia un pozzo da cui chiunque può estrarre petrolio. Mi fa sorridere il casino creatosi intorno alla provocazione di Marco Camisani Calzolari, come se si ignorassero le pratiche poco etiche di tanti SEO di qualche anno fa. Cos'altro sono la collezione (a pagamento, s'intende!) di Follower o di server russi che aumentavano (aumentano ancora?) la link popularity, se non un risultato da vendere all'ignaro Cliente o un trofeo da esibire all'ingenuo Acquirente, alle Persone?

Bisogna sperare che le piattaforme che abitiamo continuino a rendere possibile anche molto altro, oltre che il mero guadagno, o l'illusione di esso (che è peggio). Ogni stravolgimento sarà, lo ripeto, anche una nostra diretta responsabilità.

Non mi dispiacerebbe tornare a commentare sui blog e a condividere documenti sui Wiki. Del resto, lasciatemi chiudere così, è proprio in questo modo che ho conosciuto Stefano Quintarelli che, dimessosi dal suo incarico (chi l'avrebbe fatto?) rischia di diventare il presidente AGCOM. Ed è proprio per averlo conosciuto così che gli faccio il mio in bocca al lupo!

Google NewsPass. Peggiorano i Contenuti e l'Esperienza di Ricerca?

Sembra che la Repubblica abbia dato la notizia ufficiale per prima al Mondo Intero. Facendo a quest'ora una ricerca su Google per Google NewsPass si trovano articoli americani che citano il nostro quotidiano. Complimenti quindi a Massimo Russo!

In pratica, per la fine dell'anno, Google lancerebbe NewsPass, un sistema di pagamento integrato con la ricerca che consentirà agli utenti di acquistare con un solo click e agli editori di utilizzare un'infrastruttura unica per web, mobile e tablet per monetizzare i propri contenuti [via Repubblica].

Search Engine Land ci ricorda che, a Settembre dello scorso anno, Google rispose ad una RFP della Newspaper Association of America con un documento in cui si introduceva il concetto di micropagamento per articoli sulle piattaforme di Mountain View. Di quel documento riporto la sezione dedicata al Search:

Google's mission is to organize the world's information and make it universally accessible and useful. This applies to all information -- paid and free. Google Search currently supports discovery of a variety of paid content, from books to scholarly material to newspaper archives to premium newspaper content such as that from the Wall Street Journal and the Financial Times.
Google works with publishers to support discovery of premium content in a number of ways today:

• Publishers can provide a preview or landing page for Google to crawl, consistent with what end-users see. This is available to users of Google Search and News.

• Publishers can allow Googlès crawlers full access to their premium content, but maintain a paywall or preview mode for users. This content is marked as "subscription" in Google News.

• Publishers can provide free access to the first full article via our "First Click Free" program, which treats premium content as "free" in Google News and Search, but requires payment once users navigate away from the first article.

Il Modello di Business dovrebbe essere un Freemium + Advertising e si appoggerebbe, stando al documento citato, su Google Checkout.


Ciò che mi rende perplesso è la reperibilità dell'articolo a valle di una Ricerca. L'azione del crawler, anche in sezioni che per gli utenti sarebbero a pagamento, consentirebbe l'indicizzazione dei contenuti ma il posizionamento degli stessi come sarà deciso? Se il PageRank continua ancora a funzionare grazie al sistema del link mutuo tra i contenuti dell'Internet, assumendo che avrà molto meno senso linkare un contenuto a pagamento [sarebbe come dire al lettore di un articolo ad accesso gratuito: questa è la mia fonte se la vuoi consultare, comprala!], credo che le posizioni sulle SERP saranno molto meno naturali di quanto lo siano ora.

Già adesso, agendo su contenuti liberi, l'algoritmo non è sempre affidabile in termini di Precision e Recall con una conseguente frustrante esperienza di Ricerca [i.e. contenuto non di qualità, articolo non rispondente alle proprie esigenze, assenza di argomenti di nicchia da reperire poi per altre vie]. Sono sicuro che le cose peggiorerebbero se si dovesse far ricorso all'intervento umano; ancor peggio sarebbe se si dovessero seguire logiche squisitamente commerciali [i.e. a parità di notizia data - il che vale a dire, su Google, a parità di chiavi di ricerca utilizzate nella query al motore] sta più su la notizia dell'Editore che ha pagato di più [anche in questo caso, in effetti, si tratterebbe di intervento umano].

Un altro dubbio: quali saranno gli articoli prodotti dagli Editori? E' ovvio che verranno dati in pasto ai lettori contenuti a più alta profittabilità. Una discussione gia' fatta in altri spazi dovrebbe fermarmi dal porre nuovamente una domanda: siamo sicuri che sia giusto dare alle persone esattamente ciò che chiedono quando ciò che si chiede è palesemente spazzatura? Di che qualità saranno gli articoli con cui NewsPass riempirà i suoi server? Certo, non dovrebbe essere un mio problema ma, lasciatemelo dire, ne faccio una questione quantomeno di carattere ecologico!

Che aiuto questo meccanismo potrà dare all'Editoria Online? Una prima risposta l'avremo sul grado di fiducia che gli Editori avranno voluto dare a questo progetto ma è ovvio che il giudizio finale sara' il nostro!

Vi sbilanciate anche voi?

[Ma] Google salverà [davvero] i giornali [?]

Pensavo di trovare soluzioni nell'articolo di Internazionale di questa settimana Google salverà i giornali firmato da James Fallows, national correspondent di Atlantic, ma ne esco fuori con una serie di dubbi.

Qualche higlight:

[1] La sopravvivenza del giornalismo di qualità è essenziale per il funzionamento della democrazia moderna [questa affermazione è di Eric Shmidt, AD di Google].
Ma non si sa ancora bene quale sia la definizione di qualità e che cosa sia di qualità, chi decida se un contenuto sia di qualità. Il sistema di rating di Google [il Page Rank] non è sempre in grado di restituire contenuti interessanti anche e soprattutto perchè l'algoritmo non indicizza che una minima parte del totale immagazzinato nei server connessi all'Internet [tra gli altri sono lasciati fuori dai giochi proprio i contenuti a pagamento; a meno che non mi sfugga qualcosa - ed è assolutamente probabile - la notizia è pure elencata nei risultati di ricerca ma per la sua lettura completa il lettore non può prescindere da un esborso economico].

[2] E' ovvio che le persone finiranno per pagare in un modo o nell'altro. è molto più importante analizzare in dettaglio cosa far pagare e come.
Ma come si fa ad essere sicuri di questo? I tanti esperimenti fatti non ci hanno forse dimostrato la grandissima resistenza degli utenti ad effettuare pagamenti [diretti] per l'acquisizione di contenuti/articoli?

[3] I giornali non hanno un problema di domanda, hanno un problema di modello commerciale [ancora una volta Eric Shmidt].
Beh, non so se la questione sia posta nei termini giusti. La domanda non credo sia tanto di giornali, quanto di informazione e di relativa modalità di accesso.

[4] Per noi è importante rendere accessibili le informazioni. Ma naturalmente è difficile farlo se nessuno le crea. Quindi risolvere il problema del settore è nel nostro interesse [Chris Gaither, Manager per le Comunicazioni di Google].
Un modo politically correct per dire che senza il traffico generato dalle notizie la loro azienda fallirebbe.

[5] I tre pilastri del nuovo modello pensato e sperimentato da Google sono: distribuzione, coinvolgimento e monetizzazione. L'obiettivo da perseguire, cioè, è quello di fare arrivare le notizie, i contenuti, ad un numero di persone più alto possibile con una presentazione che sia la più coinvolgente possibile con l'obiettivo di monetizzare il più possibile sia in termini di conversione in abbonamento sia con la pubblicità.
Probabilmente si dice qui quanto già era stato detto tempo fa: tale Business Model assomiglia forse un pò al Freemium + Advertising.

[6] Shmidt e i suoi colleghi si rendono conto che un sistema dell'informazione più moderno potrebbe produrre una quantità sufficiente di buoni contenuti per soddisfare le esigenze di Google, anche se nessuno ha ancora trovato il sistema per pagare i corrispondenti a Baghdad e neanche quelli a Washington.
Appunto!


Da adesso in poi è tutta roba mia!

La domanda che pongo è: dal punto di vista puramente implementativo, come fa Google a trarne profitto? L'abbonamento verrebbe fatto a contenuti non accessibili a tutti se non con un pagamento e, proprio perchè non accessibili, nemmeno indicizzabili dal motore e [ultimo passaggio logico] conseguentemente non reperibili a valle di una ricerca. Se questi passaggi sono giusti, ripeto: cosa potrebbe trarre Google da una navigazione condizionata da una transazione economica?

Sarebbe per caso costretto a rivedere il suo algoritmo? Come fa ad agire il sistema del Page Rank se un documento a pagamento è praticamente impossibile che abbia link in ingresso?

E, per concludere: ma non è forse più realistico pensare che un utente, qualora disposto ad un pagamento [ad un sito di cui, quindi, conosce l'indirizzo] possa fare a meno di un [del] Motore di Ricerca perchè possessore degli strumenti per accedere direttamente a ciò che cerca e che, proprio per l'essersi abbonato, è sicuro di trovare [computer, mause, tastiera e carta di credito]?

E' probabile che mi sia abbandonato, come al solito, a riflessioni strane e fuori luogo ma se ci fosse almeno un pò di senso in quel che dico, sarebbe davvero assurdo pensare che, come Azienda, Google si candiderebbe a diventare un nuovo Editore Globale?

Dico questo perchè credo che Google per i Giornali possa fare davvero molto molto poco a meno di non modificare qualcosa del suo modo di essere e di fare!

Real Time Search di Google: ma funziona davvero?

Due sono i parametri che qualificano un sistema di Recupero delle Informazioni [Information Retrieval].

Ripropongo qui le definizioni di tali parametri:

Recall: la Recall è il rapporto tra il numero dei documenti recuperati pertinenti alla query ed il numero di tutti i documenti pertinenti contenuti nell'archivio cui attinge il Sistema.

Precision: la Precision è il rapporto tra il numero di documenti recuperati pertinenti alla query ed il numero totale dei documenti recuperati a valle della query.

Le teorie dell'Information Retrieval ci dicono che l'efficacia di un sistema di Information Retrieval si valuta misurando la Precision a diversi livelli di Recall.

Ora un sillogismo che uso per entrare con efficacia nel cuore del post:

Google è un Motore di Ricerca. I Motori di Ricerca sono un sistema di Information Retrieval. Google è un Sistema di Information Retrieval.

Cosa accadrà con la novità di Google che permette l'aggiornamento dei risultati di ricerca in tempo reale? È ovvio che in questo modo aumenteranno [e, altrettanto ovviamente, in tempo reale] le voci restituite dopo una richiesta di ricerca; ma perchè le performance del Motore di Ricerca rimangano almeno invariate occorrerà che, allo scontato aumento di dimensioni del serbatoio da cui pescare risultati [i. e. documenti indicizzati], segua anche, banalmente, un aumento del numero di documenti pertinenti alla query contenuti nel serbatoio.

Sarà possibile? Oppure ci si deve aspettare un deterioramento dell'esperienza di ricerca?
Non si ha la certezza che, percentualmente rispetto al totale dei documenti indicizzati, questo meccanismo aumenterà i documenti pertinenti.
Ammettendo che le modalità di restituzione non varino con il Google real time, è proprio questo l'elemento discriminante che decreterà il successo o meno del progetto. Osservo però che è altamente probabile che l'algoritmo di recupero sia diverso poichè vedo come impossibile un calcolo istantaneo del rating [che è il meccanismo su cui si basa il "Google classico"]. Si noti che la verifica/conferma di una effettiva modifica dell'algoritmo potrebbe anche impattare pesantemente sugli specialisti SEO/SEM.

Devo inoltre anche dire che non è del tutto assurda l'ipotesi di manovre fraudolente di pubblicazione di twit e post non propriamente autentici sui Social Media coinvolti che contribuiscono al Real Time Search. Osservazione, questa, fatta al netto di un altro fenomeno che minaccia il rinnovato sistema: il disorientamento per l'utente [alla ricerca di informazioni di acquisto si Prodotti e/o Servizi] che si vedrà addirittura trasformare sotto gli occhi la pagina di Google.

L'aumento della pubblicazione degli spazi sul Web fa in modo che l'entropia della Rete [e nella Rete] cresca; beh, dopo i dubbi appena espressi, una convinzione ce l'ho: che il real time non farà altro che aumentare il ritmo di tale crescita a tutto svantaggio dell'utente.

È scontato, ora più che mai, che un motore di ricerca semantico potrebbe risolvere gran parte dei problema [anche se il rischio delle frodi ci sarebbe comunque, anzi...]!

E voi, in particolare gli esperti [il link è per gli amici che conosco di persona], cosa ne pensate?

il PageRank di Google - Immagini e Appunti sul calcolo ricorsivo per capire meglio cos'è

Avvertenza: può essere utile smaltire questo lungo post utilizzando la versione in pdf (spero gradita!)
il PageRank di Google - Immagini e Appunti sul calcolo ricorsivo per capire meglio cos'è

Qualche tempo fa ho trovato su SEOmoz un interessante post che spiegava il PageRank di Google con delle immagini molto ben fatte. Siccome l'argomento mi interessa e (forse anche per pigrizia) non ho trovato delle pagine in Italiano che lo descrivono allo stesso modo, mi sono preso la briga di riprenderle traducendone il contenuto e di inserirle in una presentazione che pubblico di seguito.

Poi, siccome mi sto da un po' di tempo dedicando alla lettura del libro Google PageRank and Beyond - The science of Search Engine Rankings di Langville e Meyer, ho pensato, per completezza, di riportare da tale libro, in un modo che sia il più accessibile possibile (anche se mi rendo conto che occorrono delle basi di Matematica), la parte introduttiva alla teoria che c'è dietro la formula ed il conseguente calcolo dell'invenzione di Brin e Page.

Questo lavoro è propedeutico ad un piccolo studio che avrei in mente di fare di cui vi do un cenno alla fine del post.

Buona lettura!

| View | Upload your own

La formula che calcola il PageRank di una determinata pagina Web è una formula ricorsiva. Una formula, cioè, che necessita di più di una iterazione perchè produca un risultato affidabile. In gergo si dice che la formula converge verso un risultato. Chi è programmatore può pensare ad un processo ricorsivo come a quello che si può innescare con un ciclo di if annidati con un indice n...In teoria la convergenza la si avrebbe per un numero infinito di iterazioni ma, dato che siamo nel mondo reale, di iterazioni ne vengono fatte in un numero finito per arrivare ad un valore che approssima di parecchio quello che, invece, si avrebbe nel...mondo delle favole!

La formula per il calcolo del PageRank è quella della figura che segue:


Non è necessario, ai fini della trattazione, dire troppo su questa formula perchè le cose si chiariranno in seguito: per ora è sufficiente notare che la formula dice che il PageRank di una data pagina calcolato all'iterazione k+1 è la somma dei PageRank delle pagine che sono linkate a quella in esame calcolati al passo k messi poi in rapporto con il numero dei link che quelle pagine hanno in uscita. Trova riscontro, quindi, il concetto di Passable PageRank delle slides.

Per modellare meglio il calcolo del PageRank delle pagine Web, intese proprio come nodi tra di loro linkati, si fa ricorso alla teoria delle Matrici. Senza voler scendere nel particolare basti pensare che, invece di effettuare tante somme di prodotti per quante sono le pagine, con le matrici è possibile eseguire una sola operazione con una drastica riduzione del tempo di calcolo. Sempre che, ovviamente, si possa contare su risorse ad hoc!


Ogni elemento non nullo della riga j in posizione i della matrice ottenuta corrisponde ai link in uscita dal nodo j verso il nodo i; ogni elemento non nullo della colonna k in posizione l rappresenta i link in ingresso al nodo k dal nodo l. Uno zero rappresenta l'assenza, per il relativo nodo, di link in ingresso e link in uscita.

Sulla matrice H si possono fare almeno un paio di osservazioni:

(1) Una matrice riferita ad un sistema di n nodi (n pagine Web) porta nella generalità dei casi ad una complessità computazionale, per ciascuna iterazione (calcolo matriciale), che è funzione del quadrato del numero di nodi considerati (chiamiamo n questo numero). Se si pensa al numero di siti Web che ci sono si arriva ad un valore spaventoso!

(2) La matrice H è però una matrice sparsa: ha, cioè, diversi elementi nulli. Questo perchè le pagine sono linkate solo ad un numero (di gran lunga inferiore ad n) di altre pagine facenti parte dell'insieme complessivo. La cosa riduce di molto la complessità di calcolo e la porta ad essere funzione del quadrato di un numero molto minore di n.

Il calcolo, avendo considerato il formalismo delle matrici, può essere più comodamente espresso come appare nella formula in basso:

A questo punto gli autori del libro pongono alcune questioni:

(i) il processo iterativo del calcolo del PageRank continua all'infinito oppure è un processo che converge ad un numero?

(ii) sotto quali ipotesi o proprietà la matrice converge?

(iii) il calcolo converge in qualcosa che abbia senso?

(iv) il calcolo converge ad un unico valore o a valori multipli?

(v) il valore di convergenza dipende dal PageRank al passo zero di iterazione?

(vi) quante iterazioni sono necessarie per approssimare il valore di convergenza?

Le risposte a queste domande dipendono strettamente dalle ipotesi che i nostri Brin e Page fecero agli albori della loro invenzione. Diversi sarebbero, infatti, i problemi se la matrice di Google (quella su cui davvero si basa il calcolo del PageRank) fosse effettivamente la matrice H.

La matrice H è quella che forse meglio rappresenta la realtà del sistema di nodi (cioè dei siti); tale realtà è quella che Google si costruisce tramite la scansione che periodicamente fa del Web. Se però si pensa al fatto che nel web ci sono nodi che non hanno link in uscita (i cosiddetti dandling node che creano il problema del rank sinks) o che si linkano solo reciprocamente (problema dei cicli) si capisce quanto complicato (o, per meglio dire, impossibile) sarebbe fabbricarsi una matrice tale da rendere velocemente convergente il calcolo del PageRank.

Per tale ragione Brin e Page pensarono a dei fattori correttivi con l'obiettivo di conferire, a quella che poi sarebbe diventata la Matrice di Google, le proprietà in grado di garantire una rapida convergenza del processo iterativo. Tali fattori dovevano rispecchiare il comportamento di quello che i nostri eroi chiamano il Random Surfer.

Il Random Surfer, quando entra in un dandling node, esce verso un qualsiasi altro nodo scelto in modo del tutto casuale (random, per l'appunto). Questo è il motivo per cui, alla originaria matrice H, gli elementi nulli delle righe associati a nodi che non hanno link in uscita, sono stati sostituiti con l'inverso del numero totale di nodi del Web (cioè 1/n). Dato però che questa modifica da sola non sarebbe bastata a garantire la convergenza del calcolo, è stato aggiunto un altro fattore correttivo, il parametro alfa, un numero compreso tra 0 e 1, che rappresenta la probabilità con cui il Random Surfer segue la struttura naturale dei link (indipendentemente dal suo ritrovarsi a fare i conti con un dandling node oppure no) durante la scansione del Web.

Il Random Surfer, insomma, nella sua scansione della rete può decidere in qualsiasi momento (e con una probabilità pari ad alfa) di non seguire più la naturale struttura dei link. Il Random Surfer, però, trovandosi in un nodo senza uscita, salterebbe comunque verso un altro nodo. Il nodo scelto dal Surfer sarebbe, in questo caso, estratto a sorte da un'urna contenente tutti i nodi del web.

Con queste ipotesi si arriva alla fomulazione delle Matrice di Google, la matrice G che poi è quella che compare nella formula adottata da Brin e Page per il calcolo del PageRank.



Nella equazione della matrice G compare un vettore, il vettore a, che, in posizione j ha un 1 se il nodo j è un dandling node.

Nel libro citato si dice che il numero di iterazioni necessarie per avere la convergenza con una buona approssimazione al PageRank dei nodi (pagine) del sistema complessivo (Web) è pari a 50 avendo considerato un parametro alfa pari a 0.85 che pare sia quello adottato ancora adesso da Google. Tale valore è un compromesso tra la velocità di convergenza e l'accuratezza del valore ottenuto dopo l'ultima iterazione. Ovviamente più il numero è alto e maggiore è l'affidabilità del risultato da pagare, però, con diversi giorni di computazione!

Riprendiamo adesso le domande erano state poste in precedenza. A gran parte di esse Brin e Page hanno dato una risposta. Per rispondere qualche altra occorrerà fare delle ulteriori ipotesi.

(i) il processo iterativo del calcolo del PageRank continua all'infinito oppure è un processo che converge ad un numero?
Abbiamo visto che il processo iterativo può convergere ad un numero senza che debba durare al'infinito.

(ii) sotto quali ipotesi o proprietà la matrice converge?
Le ipotesi sono quelle di applicare dei parametri di tipo probabilistico che modellino il comportamento del Randm Surfer (probabilità di seguire la struttura dei link e probabilità equa di saltare ad un qualsiasi nodo quando si trova di fronte ad un dandling node).

(iii) il calcolo converge in qualcosa che abbia senso?
Si, il calcolo converge ad un valore prossimo a quello che si avrebbe con infinite iterazioni.

(iv) il calcolo converge ad un unico valore o a valori multipli?
Sembrerebbe, per quanto detto finora, di si. Anche se... La chiave di tutto sta in quel numero (1/n) che esprimerebbe il carattere democratico di Google: l'equiprobabilità con cui ciascun nodo potrebbe essere ragiunto dal Surfer in caso di assenza di vie d'uscita durante la scansione. Al variare del numero associato a ciascun nodo, varia il PageRank dei nodi del sistema e, quindi, per rispondere alla domanda, si deve dire che il calcolo può convergere a valori multipli.

(v) il valore di convergenza dipende dal PageRank al passo zero di iterazione?
Certamente si!

(vi) quante iterazioni sono necessarie per approssimare il valore di convergenza?
Come detto il numero di iterazioni è pari a 50 ma è dipendente dal parametro alfa. Nel libro citato si dimostra che si passa da un valore di 34 iterazioni per alfa pari a 0.5 fino a 23015 iterazioni per un alfa pari a 0.999.

Per adesso mi fermo qui. Nelle prossime settimane (con il tempo necessario che sarò riuscito a ritagliarmi per questo studio) tornerò sull'argomento; gli autori del libro mettono a disposizione dei piccoli programmi di simulazione di calcolo del PageRank che mi piacerebbe applicare per cercare di rispondere ad alcune domande che mi vado ponendo da un po'.Due in particolare:

quanto bene fa un link in uscita al (proprio) PageRank?
Come potrebbe essere gestito in modo diverso il parametro 1/n applicando un sistema a punteggi tipico del Social Bookmarking?

Volete aiutarmi?
O avete già le risposte?

il PageRank di Google - Immagini e Appunti sul calcolo ricorsivo per capire meglio cos'è