BÚSQUEDA E INDEXACIÓN EN LA WEB

BÚSQUEDA E INDEXACIÓN EN LA WEB

Por Julio Jhonathan Colque Alcón

La búsqueda e indexación son fundamentales para procesar y organizar la enorme cantidad de información en la web. Los motores de búsqueda utilizan algoritmos sofisticados y estructuras de datos para conectar a los usuarios con la información más relevante.

Introducción

Es el proceso de organizar datos de forma que se puedan recuperar de manera eficiente.
En la web, los motores de búsqueda como Google crean índices que relacionan palabras clave con las páginas donde aparecen, facilitando encontrar información rápidamente

Indexación Básica

​Piensa en un índice alfabético en un libro, donde puedes encontrar rápidamente en qué página aparece un tema.

Ejemplo:

Multiple Choice

¿Qué objetivo principal tiene la indexación en los motores de búsqueda?

• Reducir el tamaño de las bases de datos

• Organizar información para facilitar su recuperación

• Eliminar palabras comunes del contenido

• Convertir datos en imágenes

Multiple Choice

Qué componente es clave para la indexación básica

• Redes neuronales

• Palabras clave y estructuras de datos

• Búsquedas por voz

• Coordenadas geográficas

Analizar contenido web, como textos, imágenes o videos.

Paso 1

Extraer términos importantes, ignorando palabras comunes como "el" o "la" (stop words).

Paso 2

Construir estructuras eficientes como tablas hash, árboles o listas invertidas.

Paso 3

​Creación de Índices

​Importancia: Permite que las búsquedas sean rápidas y precisas.

Reducir el tamaño de los índices (por ejemplo, con codificación de Huffman).

Compresión

Dividir los índices en partes más pequeñas para un acceso rápido.

​​Fragmentación

​Complexión de Índices

​Optimizar índices para manejar grandes volúmenes de datos

Técnicas usadas

Facilita búsquedas rápidas en bases de datos gigantes como las bibliotecas digitales

Ejemplo práctico

Multiple Choice

¿Qué paso es esencial al crear índices en motores de búsqueda?

• Comprimir las imágenes almacenadas

• Extraer términos relevantes de los documentos

• Priorizar el tamaño sobre la velocidad de búsqueda

• Ordenar los documentos según su fecha de creación

Multiple Choice

¿Qué herramienta es comúnmente utilizada para crear índices?

• Algoritmos de compresión de video.

• Árboles B y listas invertidas

• Bases de datos relacionales.

• Redes sociales.

Multiple Choice

¿Qué busca la complexión de índices?

• Mejorar la calidad del contenido de los documentos.

• Optimizar el espacio y velocidad de búsqueda.

• Reemplazar estructuras indexadas con texto plano

• Eliminar datos irrelevantes de la web

Multiple Choice

Una técnica común de complexión es

• Almacenamiento en servidores locales

• Compresión de índices

• Análisis de redes sociales

• Creación de nuevas consultas

Número de enlaces hacia una página (popularidad).

Calidad del contenido.

​Palabras clave en el título o texto.

​Ranking

​Objetivo: Ordenar los resultados según su relevancia para la consulta del usuario.

​Factores comunes

Popularizado por Google, mide la importancia de una página en función de los enlaces que recibe.

PageRank

Evalúa la relevancia de palabras específicas en un documento.

TF-IDF

Algoritmos relevantes

​​Ranking

Sistema de búsqueda escalable y rápido.

​​Elasticsearch

​Usado para gestionar documentos empresariales.

​​SharePoint

​Búsqueda Empresarial

​Encontrar información dentro de sistemas internos corporativos, como bases de datos, correos electrónicos o documentos.

​Ventaja: Mejora la productividad al facilitar la búsqueda de información interna.

Multiple Choice

¿Cuál es la función principal del ranking en motores de búsqueda?

• Ordenar los resultados según su relevancia

• Aumentar la visibilidad de las páginas menos populares

• Optimizar la cantidad de resultados

• Mostrar únicamente resultados locales

Multiple Choice

¿Qué factor evalúa el algoritmo PageRank?

• El idioma del contenido

• El tamaño de los índices

• Los enlaces que apuntan a una página

• La cantidad de palabras clave en una página

Multiple Choice

¿Qué caracteriza la búsqueda empresarial?

• Focalización en datos irrelevantes

• Análisis exclusivo de redes públicas

• Búsqueda en sistemas internos de empresas

• Uso de algoritmos de voz

Multiple Choice

¿Qué herramienta es útil para búsquedas empresariales?

• Generadores de imágenes

• Motores de búsqueda estándar como Google

• Redes sociales

• Elasticsearch

Datos en filas y columnas, como hojas de cálculo.

​​Tablas

Relacionan entidades como personas, lugares o eventos.

​​Grafos

​Búsqueda y Estructura de Datos en la Web

​Los datos no están siempre en texto plano; pueden estar organizados como tablas, grafos o bases de datos.

​Estructura común

El grafo de conocimiento de Google, que relaciona temas para ofrecer resultados más inteligentes.

Ejemplo

​Comparar patrones de color, forma o textura

​​Para imágenes

Buscar similitudes en frecuencias y tonos.

​​Para audios

​Búsqueda de Objetos

​Recuperar elementos como imágenes, videos, audios o documentos.

​Métodos empleados

​Las búsquedas de imágenes inversas en Google (subir una imagen y encontrar similares).

Ejemplo práctico

​Usar la geolocalización para personalizar resultados (por ejemplo, "restaurantes cerca de mí").

​​Búsquedas basadas en ubicación

• Coordenadas GPS.

• Indexación geoespacial (almacenar ubicaciones como puntos en un mapa).

​​Tecnologías involucradas

​Localización

Multiple Choice

¿Qué estructura de datos se usa en grafos de conocimiento?

• Filas y columnas.

• Coordenadas GPS

• Imágenes en alta resolución

• Entidades y relaciones

Multiple Choice

¿Qué ventaja tiene organizar datos en grafos?

• Mejora la calidad visual del contenido

• Elimina datos redundantes automáticamente

• Facilita la búsqueda de relaciones entre entidades

• Reduce el costo de almacenamiento

Multiple Choice

¿Qué característica se analiza en la búsqueda de imágenes?

• Colores, texturas y formas

• Popularidad de la página web.

• Cantidad de texto asociado

• Coordenadas geográficas.

Multiple Choice

¿Qué tecnología facilita la búsqueda de audios?

• Redes sociales

• Compresión de datos visuales

• Indexación de palabras clave.

• Algoritmos de reconocimiento de tonos y frecuencias

Multiple Choice

¿Qué se necesita para búsquedas basadas en ubicación?

• Análisis de datos no estructurados

• Algoritmos de indexación hash

• Gráficos de alta resolución.

• Coordenadas GPS o información geoespacial

Multiple Choice

Un ejemplo de búsqueda basada en localización es:

• Buscar "noticias globales"

• Consultar bases de datos empresariales.

• Buscar "restaurantes cerca de mí"

• Analizar texto plano.

​Usa funciones hash para agrupar objetos similares en "cubos" compartidos.

​Es eficiente incluso con datos de alta dimensión.

​LSH (Locality-Sensitive Hashing)

​Como Funciona

​Ejemplo: Identificar imágenes similares o detectar plagio en textos.

​Objetos que tienen múltiples atributos (por ejemplo, imágenes con miles de píxeles).

Características:

​La búsqueda en estos datos es lenta debido a la complejidad.

Desafío:

​Algoritmos como árboles KD o técnicas de reducción de dimensiones.

Solución:

​Objetos de Alta Dimensión

Emula cómo el cerebro humano relaciona conceptos.

Inspiración biológica

​Facilita consultas contextuales ("encontrar documentos relacionados con clima y economía").

Aplicación en búsquedas

​Memoria Asociativa

​Ejemplo práctico: Sistemas avanzados de recomendación como los usados en Netflix o Amazon.

Multiple Choice

¿Cuál es el objetivo de LSH?

• Comprimir datos para búsquedas rápidas.

• Ordenar datos por fecha.

• Convertir texto en imágenes.

• Encontrar similitudes entre objetos eficientemente

Multiple Choice

¿Qué tipo de datos maneja LSH?

• Listas de reproducción musicales.

• Tablas relacionales

• Datos de alta dimensión

• Imágenes de baja resolución.

Multiple Choice

¿Qué caracteriza a los objetos de alta dimensión?

• Tener múltiples atributos o variables

• Estar optimizados para búsquedas simples.

• Ser representados en texto plano.

• Tener coordenadas GPS.

Multiple Choice

¿Qué técnica se utiliza para manejar objetos de alta dimensión?

• Reducción de texto.

• Compresión de índices.

• Árboles KD o reducción de dimensiones.

• Ordenación alfabética.

Multiple Choice

¿Qué emula la memoria asociativa?

• La visualización gráfica de datos

• El almacenamiento de datos en servidores locales.

• Cómo el cerebro humano asocia conceptos relacionados.

• La capacidad de procesar imágenes en tiempo real.

Multiple Choice

¿Qué beneficio tiene la memoria asociativa en búsquedas?

• Optimizar coordenadas GPS.

• Permitir consultas más contextuales e intuitivas.

• Reducir el tamaño de los índices

• Mejorar la calidad de las imágenes.