Cómo buscar en Plain English

La web semántica y Google

Parece ser que tanta euforia con la Web 2.0 nos está pasando factura ahora, tanta googlemanía está cansando y cada vez la gente se está volviendo más crítica (por no decir criticona), ya uno no está seguro de lo que es bueno o malo y hasta Vinton Cerf (uno de los muchos padres de Internet que existen) reniega de su hijo predilecto y aboga por una nueva forma de hacer las cosas. Google sigue creciendo, pero ya son muchos los que se plantean dar un paso más hacia la Web 4.0 que tantos imaginan.

 

¿Que cuál es la Web 4.0? La Web semántica, por supuesto. En este contexto las respuestas son muchas pero ninguna firme. No hay un nuevo Google si eso es lo que buscan. RWW nos hace un interesante análisis comparativo entre Google y otros buscadores ordinarios (por llamarlos de algún modo) y los nuevos buscadores semánticos. El problema es realmente paradigmático, es necesario aplicar técnicas de procesamiento del lenguaje natural, algo imposible a día de hoy. Nos enfrentamos a una ingente cantidad de información completamente desestructurada y que hace falta analizar.

Pero sin embargo no todo es tan malo como a priori pudiera parecer, ya existen iniciativas tan interesantes como la de Freebase o pequeñas soluciones a problemas más concretos. En este sentido resulta apasionante el proyecto OpenCalais (llevado a cabo por Thompson Reuters) que analiza casi cualquier tipo de documento aplicándole técnicas de reconocimiento de entidades y extrayendo conocimiento de la información o Feedzz un sitio web de feeds que analiza el post que le indiques, por ejemplo, y le asigna automáticamente las etiquetas dejando así su rasgo social pero consiguiendo uniformidad.

Sin duda no ofrecen soluciones globales pero sí que son comienzos esperanzadores para la recuperación de información.

Commodization of news

Consiste en un nuevo fenómeno que está ocurriendo con el desarrollo de Internet y la migración de las personas y de los medios de comunicación a este nuevo entorno. La publicación desmesurada de la misma información, de las mismas noticias, acaba limitando o incluso eliminando el valor añadido que éstas puedan aportar. Pisani habla de ello a partir de un post publicado por Scott Karp en el que pone como ejemplo la retirada de la oferta de Microsoft por Yahoo!. La aplastante cantidad de noticias clones que han aparecido en todos los medios de comunicación ha invadido por completo al usuario haciendo que el valor de todas y cada una de ellas, a pesar de todo valor añadido o novedoso que pudieran tener, disminuyera hasta dejarlas casi sin ningún valor.
El problema según Karp subyace en que los medios de comunicación no han sabido delimitar su audiencia y diferenciarla, de modo que se produce una repetición constante de todo lo que se publica. Esto se debe básicamente a dos razones:

1. Los medios de comunicación pasan de tener un público bien localizado a ampliar su audiencia de manera prácticamente universal. De modo que lo que publica un periódico local en Jaén en su edición digital, lo puede leer la gente que vive en Coruña o en Buenos Aires. Esto hace que la información les llegue repetida a los lectores, pues pasan de ser la audiencia de un periódico local a ser la audiencia de miles de periódicos digitales.
2. Los medios de comunicación consideran a la edición digital como una versión mejorada de la edición en papel. De modo que todo lo que se publica impreso, también se publica en Internet. Esto es coherente cuando eres el único medio de comunicación, o uno de los pocos, que informa a una comunidad, pero en Internet esto no es así, por lo que se están desaprovechando recursos, se está repitiendo información y, por tanto, las noticias dejan de ser tales.

La precisión en los buscadores

La calidad de los resultados no depende de la calidad del algoritmo utilizado, sino de la calidad de los contenidos.

Oído en clase.

Mateo, las citas y los enlaces

Poco tiempo llevo aprendiendo y conociendo qué es esto de la Evaluación Científica y la Bibliometría. Tal vez demasiado poco como para opinar acerca de ello.

No obstante, la sensación que se me queda cada vez que leo algo o me cuentan algo sobre el tema es de desconcierto. Y no sólo eso, sino que cuanto más ahondo acerca del tema más desconcertado me encuentro. Es por ello, que si caigo en el error agradecería que los expertos en la materia me corrigieran de inmediato. La impresión que me llevo, de momento, es que la calidad de los trabajos, al igual que sucede con Google y su sistema de recuperación de búsquedas, se basa principalmente en la popularidad. Y ¿es realmente válida la popularidad como un criterio de calidad? En esto es donde aún no me aclaro, digamos que voy asimilando conceptos pero sin que éstos me lleguen a convencer. Lo que sí es cierto es que todo este paradigma hace que algo que en un principio se me antojaba como aburridísimo (contar citas, bua!), ahora sí que despierta cierto interés en mí.

La calidad de un trabajo podría definirse como un aspecto (por llamarlo de alguna manera) intrínseco al documento, algo implícito que ya subyace en el documento desde el momento en el que éste es concebido. Es decir, un artículo (o un sitio web) es bueno ya de por sí, y al tomar contacto con la comunidad, ésta lo que hace no es más que constatar su calidad.

El problema de la evaluación de la ciencia surge, como siempre, desde el momento en el que se establecen criterios. Ya que esto supone incluir cierto factor no exento de subjetividad. Pero bueno, una vez asumidos unos criterios, haber sido discutidos y considerados válidos por la gran mayoría, como es el caso de las citas, se incorporan como base para la evaluación.

Pero es éste el momento que más dudas me suscita acerca de la validez del sistema. Desde el mismo momento en el que se intuyó cómo funcionaban los buscadores en Internet (que son, a fin de cuentas los que evalúan la calidad/visibilidad de los sitios web) surgió el posicionamiento, cuya principal función es "falsear" esos resultados mediante una serie de técnicas hasta el punto que se ha convertido en una profesión.

En la ciencia, sin llegar a esos extremos, y siempre desde mi humilde punto de vista, ha ocurrido exactamente lo mismo, desde el momento en el que se establecen unos criterios de evaluación, se convierte en práctica habitual establecer una serie de métodos que falseen estos resultados. De hecho, hay mucha mafia al respecto.

De hecho, cada vez son más las voces críticas con los resultados que ofrece Google y por lo fácil que es vulnerarlos. ¿No ocurrirá lo mismo con la evaluación científica si continúan y aumentan las malas prácticas?

Minube: Red social de viajes

Nace minube.com, por fin se va haciendo más fácil organizarse las vacaciones desde el ordenador y no estar dando tumbos como un loco.

Minube no es un buscador de viajes cualquiera, su página principal tiene cierto parecido a Trabber, aquel buscador de vuelos baratos, pero va mucho más allá. No sólo te permite buscar vuelos baratos, sino que también permite buscar hoteles económicos...

Y luego está el componente social. En mi opinión el más importante. Está claro que todo ese rollo de la web 2.0 es ya un hecho y las empresas lo saben. Para ello, los trotamundos y todo el que quiera puede colgar ahí sus rutas, itinerarios, fotos, vídeos, para ayudar al visitante en la elección a la hora de planear las vacaciones.

Parece ser que dentro de poco las vacaciones también serán 2.0

Mahalo sigue dando de qué hablar

Parece ser que Jason Calacanis no se rinde. Hoy John Batelle, nos muestra un interesante artículo sobre la trayectoria de Calacanis y su obsesión por derrotar a Google. Aunque sigue pareciéndose más a un sueño romántico que a una verdadera competencia. Mahalo, el buscador más humano (con permiso de Chacha) sigue adelante. Es tal la pasión con la que defiende este auténtico apasionado a su creación que ya ha cautivado a grandes empresas para que lo secunden (CBS, News Corp., The Atlantic Monthly). No obstante, el objetivo, - derrotar a Google, - aún está muy lejano.
Para crear este buscador, Calacanis ha contratado 60 personas, jóvenes escritores sin trabajo, guionistas, actores y artistas que han decidido cambiar un contrato temporal en McDonalds por un trabajo más enriquecedor y que se pasan las horas realizando búsquedas, contrastando resultados, analizándolos y comentándolos, mientras esperan a dar el salto.
La tarea es, sin duda alguna, ardua. Pero nadie le puede quitar el mérito.

Mahalo, un buscador muy personal

Navegando por ahí, me encuentro con Mahalo vía BaluArt.net, un buscador creado por Jason Calacanis, uno de los creadores de Weblogs, Inc.

Mahalo significa en hawaiano Gracias, y su lema es "We are here to help" lo cuál define en gran medida la filosofía de este peculiar buscador.
Siguiendo en la línea de Chacha, hace una importante apuesta por el factor humano a la hora de seleccionar resultados e indizar páginas. No obstante, al contrario que en Chacha, no se trata ya de contactar con un documentalista a través de un chat que realice la búsqueda que solicitas, preguntándote en todo momento para ser lo más preciso posible.

En este caso, tal y como anuncian en su página, se pasan el día indizando páginas como locos y hacen una selección para cada resultado un tanto personal añadiéndole información de valor añadido, es decir, comentarios, etc.
El problema básico que yo le veo es el de siempre. Querer abarcar la web. Hace ya tiempo que Google apostó por la relevancia y la exhaustividad y dejó de lado la precisión. Este tipo de buscadores está muy bien como experimento, pero me temo que esta vez Calacanis no ha dado en el clavo.
Mucho más interesante la alternativa de Chacha. Aunque yo sigo utilizando Google.

Una búsqueda experta en Google

Para aquellos que todavía no sepan por qué un documentalista puede marcar la diferencia vean el siguiente video. No sé si el autor es un documentalista o no. Si no lo es deberíamos de aprender de él.

Lo que sí está claro es que una buena estrategia de búsqueda, una buena formación y una gran capacidd de análisis y estudio de los buscadores de información son claves para un documentalista. Este video es sencillamente impresionante, vean.

Trabber: un metabuscador de vuelos baratos

Tal vez a algunos les parezca poco acertado escribir de buscadores de vuelos ahora que acaba la Semana Santa y piensen que hubiera sido mejor haberlo hecho antes o posponerlo para cuando se acerque el verano y tienen toda la razón. Pero tengo excusa. Llevo ya mucho tiempo planeando el verano, y he aprovechado estos días de descanso para ponerme a mirar vuelos y empezar a hacer presupuesto (que para el estudiante es lo más importante).

Como buen documentalista, lo primero que hice fue acudir a Internet, la gran biblioteca del mundo, en busca de recursos que me permitieran acceder a los vuelos más baratos. Así fue como conocí Trabber, un metabuscador que se encarga de lanzar tu consulta de búsqueda a un largo listado de buscadores de vuelos baratos.


De este modo, cuando le dices a la máquina que quieres un viaje para 2 personas el 1 de junio, por ejemplo, a Barcelona desde Granada, el buscador te muestra un listado de viajes ordenados del más barato al más caro indicándote y, no sólo un enlace a la referencia del vuelo para que puedas reservar el billete, sino también un enlace al buscador de donde ha encontrado esa búsqueda. Es más, a la derecha de la página de resultados te mostrará un listado de los buscadores donde se han encontrado los resultados, tu historial de búsquedas y otras fechas alternativas para realizar ese viaje.


También incluye opciones tan interesante como la de buscar en aeropuertos cercanos por si te da igual salir desde Málaga en vez de Granada o si lo que vas a hacer es un viaje largo, si te da lo mismo que haga escala en algún otro sitio o si lo que prefieres es un viaje directo.


El buscador cuenta con una pestaña en la parte superior izquierda de la página principal por si lo que quieres es largarte de donde estés al menor precio posible. Pinchando allí verás la siguiente pantalla:


Indicas el máximo de dinero que estás dispuesto a gastarte si lo deseas, también puedes poner la ciudad de origen y ver lo que se presenta.
De momento parece que el buscador está teniendo muy buena acogida, algo que es de agradecer, pues si bien en los buscadores generales la hegemonía de Google está más que aceptada, cuando lo que se quiere es información como la de este tipo es bastante rollo tener que ir metiéndose página por página en las de las compañías aéreas y en los pocos buscadores que hay, de modo que un metabuscador parece la mejor solución. En Ojobuscador le tienen reservado un listado de artículos y hace relativamente poco El País publicaba un artículo sobre las muchas opciones que ofrece.
Al parecer la idea de crear el metabuscador surgió a partir de un blog y retroalimentan el sistema gracias a las sugerencias que la gente les va haciendo a través del propio blog. En fin, yo lo de mis vacaciones de este año lo tengo ya casi resuelto. Ojalá fuera igual de fácil con el alojamiento.

El título ilustrativo

Tengo la odiosa costumbre de mirar cada dos o tres días mis estadísticas. Sé que es lo peor que uno puede hacer para deprimirse, pues es el gran momento en el que te das cuenta de que lo que dices no tiene interés ninguno. No obstante, no puedo remediarlo. Lo más me llama la atención es la parte esa donde aparecen los enlaces por los que la gente llega al blog y las palabras que utiliza en el Google para acceder a él.
Resulta bastante curioso ver que, en muchos casos, la gente accedió a entradas donde no estaba la información que ellos buscaban y lo hicieron por que las palabras que utilizaron coincidían con los títulos que yo utilicé. A partir de ahí empecé a darle vueltas al coco y pensé que tal vez muchas de mis entradas hubieran obtenido muchas más visitas si hubiera utilizado un título que plasmara mejor el contenido del post. Claro, todo esto ocurre porque Blogger utiliza xml, de modo que considera mucho más relevantes las palabras que contiene el título que las que hay en el contenido, pensé, lo que hace que, suponiendo que este blog fuera la leche, alguien que buscara en Google definiciones de la Web 2.0 por ejemplo, jamás accedería a esta entrada precisamente porque el título no tiene nada que ver con el contenido.
Y dando vueltas al tema, me dije, y qué pasa con los títulos literarios. Tal vez esa sea la razón de que mi blog vecino sea un completo fracaso (a parte de que es bastante cutre, lo reconozco).
Está claro que el lenguaje xml es un avance respecto al html, pero también es cierto que no es tan bueno como cabría pensar de cara a la recuperación de información. No es una queja, simplemente es una matización.
Es lo que tiene darle vueltas al coco, que uno acaba con dolor de cabeza.

Buscadores de música

Llevaba ya tiempo queriendo escribir algo sobre el tema. Lo que pasa es que los exámenes es mala época... ya se sabe. Vía Genbeta, he conocido dos buscadores de música muy interesantes.
El primero de ellos es Midomi, un novedoso buscador que nos permite buscar la canción que queremos con sólo tatarearla desde nuestro micro. En este vídeo nos explica cómo se hace. También se pueden puntuar las canciones y votar. Una pega, hay que inscribirse.

El otro buscador es Gruuve, que además de buscar por artistas, canciones o estilos, puede guardar un perfil de tus gustos y mostrarte música de ese estilo. También permite que subas la música de tu grupo para que otros grupos de música te voten.

Chacha ¿El sucesor de Google?

Ayer, en el suplemento de tecnología de El País, el CiberPais, aparecía un interesante artículo sobre los nuevos motores de búsqueda y, - lo mejor, - sobre cuál podía ser el relevo de Google. El potencial de Google es harto sabido y muy difícil de superar (eso no es nada nuevo), y el autor lo dejaba bien claro desde un primer momento:

La enormidad de su infraestructura física en el mundo entero la pone fuera del alcance de sus competidores a corto plazo.

Pero a continuación añadía:

Sin embargo, en los últimos dos años, el capital riesgo ha financiado casi 80 start-up que quieren desplazar a Google o ser comprada por él.

Google es sólo el principio de la revolución de las búsquedas por Internet. Actualmente se está trabajando mucho en nuevas bases de datos de lenguaje natural utilizando la inteligencia artificial para solventar el único y gran inconveniente de Google: la precisión.

Lo que se pretende es que a la hora de buscar, si, por ejemplo, queremos saber el número de turistas que visitaron la costa granadina en el último mes de agosto, en vez de poner, qué sé yo; 'turismo' y 'costa' y 'granada' y 'agosto' '2006' y que te aparezca la página del ayuntamiento de Marbella; preguntemos directamente por el número de turistas que visitaron la ciudad y el sistema entienda lo que le estás preguntando.

El artículo continúa hablando de esto mismo:

Además de la búsqueda social (social search), que merece capítulo aparte, se puede, como lo sugiere el blog Read / Write web, clasificar las ofertas de acuerdo con tres apuestas: una mejor presentación; alguna innovación técnica y una concepción distinta de la de Google.

[...] Motor de búsqueda global, Google responde a cualquier pregunta, pero con respuestas imprecisas. Los motores especializados en temas como viajes, salud, empleo o blogs, parten de una concepción opuesta. Les permite presuponer ciertos elementos y obtener resultados más precisos como hace Technorati para los blogs.

Evidentemente, el uso de los denominados chatbots para dar respuesta a este problema de los buscadores es aceptable. Lento pero aceptable, pues aún queda mucho por hacer en esa dirección. Sin embargo, Chacha ofrece otra solución, bastante novedosa por una parte y bastante evidente por otra. Novedosa por que es único buscador que yo sepa que funciona así, evidente por que utiliza una lógica aplastante.

Lo que hace este sistema de búsqueda es ponerte directamente en contacto con un documentalista mediante un chat, que cuenta con cinco minutos para dar respuesta a tu petición. Si pasados estos cinco minutos no ha dado con la información que querías, deja de cobrar por el tiempo extra.
Como se ve en esta imagen, los resultados de mi búsqueda van apareciendo a la derecha. Pero, al contrario que en Google, donde aparecen miles de resultados, aquí sólo aparecen unos cuatro o cinco que son realmente pertinente. Si no es así, simplemente tienes que decírselo al documentalista. Finalmente, una vez acabado, puntuamos el servicio.
Este buscador está aún en fase beta, pero qué quieren que les diga, tiene muy buena pinta.