Una pagina può occupare una posizione centrale nel grafo del Web ed essere irrilevante per ciò che stai cercando. La home di un grande portale può ricevere una quantità enorme di link; questo non la rende automaticamente la risposta migliore a una domanda specialistica.
Il PageRank originale separa intenzionalmente i due problemi. Calcola una misura globale usando il grafo, poi il motore la combina con segnali di rilevanza legati alla query. È efficiente: una sola misura può essere precomputata e riutilizzata.
Il costo della scelta è evidente: l'importanza viene stimata indipendentemente dalla domanda. Il Query-Dependent PageRank prova a incorporare la rilevanza nel modo stesso in cui il navigatore attraversa il grafo.
In breve
- Il PageRank globale produce un vettore unico, indipendente dalla query.
- Nel modello di Richardson e Domingos, il Directed Surfer preferisce link verso pagine rilevanti per il termine cercato e orienta anche i salti.
- I vettori per i termini possono essere precomputati e combinati per query con più parole.
- La maggiore specificità ha un costo di rappresentazione e calcolo.
- Il paper dimostra una proposta e i relativi esperimenti, non l'adozione nel ranking Google.
Due domande che sembrano una sola
“Qual è la pagina più importante?” e “qual è la pagina migliore per questa query?” sono domande diverse.
La prima può essere affrontata osservando la struttura dei link: quali nodi ricevono sostegno ricorsivo da altre zone importanti? La seconda richiede una relazione fra bisogno informativo e documento: termini, concetti, contesto, lingua, freschezza e molti altri elementi.
Nel prototipo storico di Google, PageRank contribuiva a una funzione di ranking più ampia. Il manuale di Manning, Raghavan e Schütze descrive esplicitamente un punteggio composito che combina link analysis e segnali di information retrieval.
Il PageRank globale non è quindi “il ranking senza query”. È una componente query-independent che può essere riutilizzata quando arriva la query.
Il compromesso del calcolo globale
Precomputare un solo vettore presenta tre vantaggi:
- il lavoro più pesante avviene offline;
- il punteggio può essere memorizzato per ogni documento;
- a query time basta combinarlo con altri segnali.
Ma una misura globale tende a favorire pagine molto centrali anche quando la loro centralità appartiene a un altro tema. Richardson e Domingos chiamano in causa il topic drift: percorsi e autorità generali possono trascinare la distribuzione lontano dall'argomento cercato.
La loro proposta, The Intelligent Surfer, modifica il random walk.
Il Directed Surfer
Nel Random Surfer Model la scelta fra gli outlink è uniforme. Nel Directed Surfer dipende da Rq(j), una misura della rilevanza della pagina di destinazione j per la query q.
La stessa misura orienta due decisioni:
- quale link seguire dalla pagina corrente;
- verso quali pagine saltare quando avviene la teleportation.
Se un nodo collega tre destinazioni ma soltanto una è molto rilevante per la query, quella destinazione riceve una probabilità di transizione maggiore. Se nessun outlink è rilevante, o gli outlink mancano, il modello ricorre alla distribuzione di salto legata alla query.
Schema originale del modello descritto da Richardson e Domingos. La misura di rilevanza è una scelta del sistema, non un dato universale.
Il risultato è un vettore QD-PageRankq: una distribuzione di importanza condizionata al termine.
Una query con più termini
Calcolare un vettore completo per ogni possibile query sarebbe proibitivo. Il paper scompone il problema: precomputa i termini necessari per singole parole e combina i relativi vettori quando la query contiene più termini.
Questa scelta rende il metodo più trattabile, ma introduce dipendenze:
- devi definire come misurare la rilevanza
Rq; - devi conservare o approssimare un numero elevato di componenti;
- devi decidere il peso dei termini nella query;
- la combinazione di vettori convergenti non equivale sempre al vettore dominante della matrice combinata passo per passo.
Il valore del paper non è soltanto il risultato sperimentale. È il modo in cui rende esplicito il costo dell'informazione contestuale: più vuoi adattare il grafo alla query, più lavoro devi spostare dalla misura globale verso rappresentazioni specifiche.
Query-dependent non significa ranking completo
Anche una distribuzione condizionata alla query resta una misura costruita su link e rilevanza. Non sostituisce tutti gli altri sistemi necessari a un motore: comprensione della query, qualità dei contenuti, freschezza, località, sicurezza, diversità e così via.
È quindi scorretto leggere QD-PageRank come una spiegazione sufficiente delle SERP. È altrettanto scorretto dedurre che il modello pubblicato nel 2001 descriva la soluzione adottata oggi da Google.
Google conferma che PageRank continua a far parte dei sistemi core e che si è evoluto molto. Non specifica se, dove o in quale forma impieghi un algoritmo equivalente al Directed Surfer.
Differenza dal Topic-Sensitive PageRank
I due modelli rispondono allo stesso limite con granularità diverse.
Il Query-Dependent PageRank di Richardson e Domingos lega la transizione alla rilevanza per termini della query. Il Topic-Sensitive PageRank di Haveliwala precomputa un numero limitato di vettori biased per grandi temi e li combina in base alla query o al contesto.
In sintesi:
- query-dependent: maggiore specificità teorica, spazio di rappresentazione più ampio;
- topic-sensitive: base tematica più compatta, ma categorie più grossolane.
L'articolo “Topic-Sensitive PageRank” analizzerà separatamente questo compromesso.
Implicazioni per la SEO
Il primo insegnamento è linguistico: “autorevolezza” senza complemento è ambiguo. Una pagina può essere autorevole nel grafo generale, autorevole in un settore, rilevante per una query o credibile per una decisione. Non sono sinonimi.
Il secondo è architetturale: collegare contenuti affini crea percorsi tematicamente interpretabili. Questo non prova che Google applichi il Directed Surfer, ma rende più chiari contesto, relazione e navigazione.
Il terzo riguarda la misurazione. Una metrica di link interna globale può aiutarti a trovare hub e periferie; non ti dice da sola se una pagina sia il miglior risultato per una query. Devi affiancare misure di contenuto, intento e prestazione reale.
Se devi decidere
Quando valuti una pagina strategica, tieni separate tre colonne:
| Domanda | Evidenza utile | Errore da evitare |
|---|---|---|
| È centrale nel sito? | grafo interno, inlink, percorsi | chiamarla automaticamente rilevante |
| È pertinente per la query? | contenuto, intento, entità, risultati | dedurlo dal numero di link |
| È una buona scelta per l'utente? | utilità, qualità, formato, contesto | ridurre il giudizio a un punteggio |
Il vantaggio operativo non è calcolare un QD-PageRank “come Google”. È impedire che una misura comoda risponda a una domanda diversa da quella che devi decidere.
Fonti
- The Intelligent Surfer: Probabilistic Combination of Link and Content Information in PageRank — paper, Matthew Richardson e Pedro Domingos, NIPS 2001.
- Introduction to Information Retrieval, Chapter 21 — manuale accademico, Manning, Raghavan e Schütze, 2008.
- A guide to Google Search ranking systems — documentazione ufficiale Google Search Central, consultata il 4 ottobre 2026.
Approfondimenti
- Il PageRank originale: formula, damping factor e matrice di transizione — il vettore globale e il calcolo iterativo.
- Random Surfer Model — il modello uniforme dal quale parte il confronto.
- “Topic-Sensitive PageRank” — una base compatta di vettori tematici.
- “HITS: hub e authority” — un approccio query-dependent diverso per costruzione e output.
Nota sul processo editoriale
Questo articolo e le immagini originali che lo accompagnano sono stati realizzati con il supporto di un agente di intelligenza artificiale progettato su misura per il progetto editoriale di francescoiamurri.com. L'agente ha assistito nella ricerca, nella redazione, nella verifica documentale delle fonti e nella produzione visuale, seguendo un protocollo che distingue paper, brevetti, dichiarazioni ufficiali, osservazioni storiche e inferenze. Francesco Iamurri ha effettuato la revisione editoriale finale, ha approvato il contenuto e ne assume la responsabilità editoriale.