Den tyska sökbloggen @-web skrev nyligen om en intressant forskningsartikel författad av tvÃ¥ israeler vid namn Ziv Bar-Yossef och Maxim Gurevich. Detta paper heter Random Sampling from a Search Engine’s Corpus och har publicerats i en preliminär version i ett konferenstryck till 15th International World-Wide Web Conference (WWW20006). Egentligen handlar den 70-sidiga framställningen om att hitta den perfekta metoden att kunna göra slumpmässiga stickprov pÃ¥ sökmotorers index och upptas nästan enbart av matematiska formler. Men i avsnittet 9.5 Exploration experiments (s. 47-53) har man presenterat nÃ¥gra exempel pÃ¥ vad algoritmerna kan ge för resultat när de släpps loss pÃ¥ de tre största sökmotorerna Google, Yahoo och MSN Search. Här är nÃ¥gra “godbitar”:

• Googles index har runt 2 % döda länkar medan MSN Search och Yahoo bägge bara har runt 0,5-0,7 %
• MSN Search har de fräschaste indexerade versionerna av webbsidorna och Google de äldsta
• Yahoo har det största indexet som är 28 % innehÃ¥llsrikare än Googles medan MSN Search är ca 3/4 sÃ¥ stort som Googles
• Yahoo indexerar flest .com-domäner medan Google är dÃ¥liga pÃ¥ att indexera .info-domäner
• Överlappningen mellan de tre sökmotorerna varierar mellan 30,8 % och 52,8 % beroende pÃ¥ vilkens index man jämför med vilken annans

Detta inlägg gjordes den 2 Oktober, 2006 av Lars VÃ¥ge och är kategoriserat under Indexeringsfrekvens, Webbtäckning, Indexstorlek. Skriv en kommentar här eller skicka en trackback från din egen webbplats.