Marginalia, el motor de búsqueda que prioriza el contenido no comercial

 (marginalia-search.com)
4 puntos por GN⁺ 2025-01-28 | 1 comentarios | Compartir por WhatsApp
  • Marginalia Search es un motor de búsqueda enfocado en explorar una web menos optimizada para fines comerciales y en volver a encontrar sitios web antiguos y olvidados
  • Además de la búsqueda, ofrece rutas para explorar y descubrir sitios, y su versión anterior sigue disponible en old-search.marginalia.nu
  • El proyecto está publicado como código abierto y destaca una arquitectura técnica simple, sin IA, con índice y rastreador propios
  • El código fuente se publica bajo licencia AGPL, y se puede acceder a los recursos del proyecto y a su comunidad mediante el repositorio Git y el Discord del proyecto
  • Cumple con el GDPR de una manera que no recopila información personal, y limita tanto el uso de cookies como la conservación de registros de IP

Motor de búsqueda enfocado en explorar la web no comercial

  • Marginalia Search es un motor de búsqueda que prioriza el contenido no comercial
  • Destaca su capacidad para encontrar sitios web antiguos y olvidados, y ofrece herramientas tanto para buscar como para descubrir contenido
  • La versión anterior sigue disponible en old-search.marginalia.nu

Proyecto de código abierto y canales de operación

  • El proyecto está publicado como código abierto
    • Usa software propio de indexación y rastreo
    • Promueve una arquitectura técnica simple que no usa IA
    • La licencia es AGPL
  • Enlaces relacionados

Privacidad y política de registros

  • En principio, está orientado a la protección de la privacidad
    • Filtra el rastreo
    • No comparte datos con terceros
    • No conserva IP a largo plazo
  • El sitio web cumple con el GDPR de una manera que no recopila información personal
  • Las cookies no se usan para fines distintos a la prestación del servicio, por lo que cumple con la EU Cookie Directive
  • Los registros de acceso que incluyen direcciones IP se conservan por un máximo de 24 horas
  • Los registros anonimizados, con la dirección de origen eliminada, pueden conservarse por más tiempo para ayudar en el diagnóstico de errores
  • El contacto es contact@marginalia-search.com
  • La información de geolocalización de IP usa datos de IP2Location LITE, con licencia CC-BY-SA 4.0

Lecturas relacionadas

1 comentarios

 
GN⁺ 2025-01-28
Opiniones de Hacker News

  • Hace poco escribí un ensayo sobre este motor de búsqueda y su algoritmo de ranking
    El Marginalia inicial usaba Personalized PageRank, una variante interesante de PageRank tratada en el artículo original, y entiendo que actualmente el ranking de páginas se hace con BM25
    Parece que Personalized PageRank todavía se usa en la nueva función de ranking de páginas basado en similitud de Marginalia, y da la impresión de que ya está integrado en el sitio, aunque antes solo existía una página de prueba (https://explore2.marginalia.nu/)
    En todo caso, respeto mucho a quien lo hizo, y fue interesante leer cómo Marginalia ha crecido bastante y también las entradas de su blog (https://www.marginalia.nu/log/)
    Artículo relacionado: https://www.marginalia.nu/log/26-personalized-pagerank/

    • Se usa Personalized PageRank para el ranking de dominios, pero su impacto es un factor muy débil
      Principalmente afecta el orden físico de los resultados dentro del índice y, como el tiempo de ejecución de las consultas está limitado, solo hace que los resultados mejor posicionados se descubran primero
      Explore2 y la herramienta de descubrimiento de sitios web integrada en el buscador usan la similitud coseno del vector de enlaces entrantes
      También escribí un texto sobre esta técnica llamado “Creepy Website Similarity” :-) https://www.marginalia.nu/log/69-creepy-website-similarity/
    • ¿Dónde está el ensayo reciente?

  • Soy la persona que lo hizo. Hace poco moví el sitio web de search.marginalia.nu a marginalia-search.com y también le di una pequeña pulida visual
    Sentí que funcionaba demasiado bien como para dejarlo como un subdominio raro de mi blog
    El motor de búsqueda en sí sigue siendo el mismo :-)

    • Últimamente en las pequeñas comunidades web hay algo de preocupación por el rastreo agresivo de OpenAI y similares
      ¿Con qué frecuencia vuelve a rastrear Marginalia los sitios indexados?
    • Parece que la versión anterior del botón random ya no funciona. ¿Quitaste esa función?
    • ¿Hay alguna razón para no usar un nombre de dominio más corto? Lo que hiciste es realmente impresionante

  • Para quienes no han seguido este proyecto todo este tiempo, vale la pena decir que este es un proyecto de pasión de una sola persona y no tiene como objetivo competir con Google/Bing/DDG
    Se parece más a una forma de encontrar cosas interesantes en la “web pequeña”
    Conviene tener eso en mente al usarlo
    Aclaro que yo no soy quien lo hizo

    • No sé si eso cambió después, pero en 2023 la persona que lo hizo dejó su trabajo para desarrollar el buscador a tiempo completo https://www.marginalia.nu/log/83_full_time/
      Sí es un proyecto de pasión, pero no es solo un simple proyecto secundario
    • Exacto. Aun así, en nichos concretos, por ejemplo Linux y software de código abierto, o historia, muchas veces Marginalia me ha dado resultados mucho mejores que Google o DDG
      Da la impresión de que los buscadores principales tienen una etapa que idiotiza la entrada, así que cuando pones una búsqueda poco común la tratan como un error tipográfico o un recuerdo equivocado, y la reemplazan por una expresión que no buscaste antes de enviarla al backend
      Además, los buscadores principales parecen esforzarse por priorizar medios corporativos sobre contenido original y autoritativo
      La persona que lo hizo sigue diciendo que es “para encontrar cosas interesantes en la web pequeña”, pero para mí no solo ha sido interesante, sino realmente útil
      Eso sí, desde que me cambié a Kagi hace casi 3 años, ya no he necesitado mantener soluciones alternas como buscadores separados por tema
      En total transparencia, otras personas suelen responder que los resultados de Google son buenos o que los de Kagi son malos, pero en mi caso Google ha acumulado más de 10 años fallando de forma constante incluso en consultas simples; ojalá Google te funcione bien, pero a mí no me ha funcionado de manera confiable en más de 10 años y ya me cansó

  • No tengo nada especialmente nuevo que agregar, pero me alegra cada vez que este proyecto aparece en HN
    Es un proyecto que muestra muy bien lo que se puede construir con paciencia y cariño

    • Alguna vez pensé que me gustaría hacer algo parecido, y esto supera mis expectativas. Está realmente muy bien hecho; si hay alguna forma de contribuir, estaría bueno saberlo

  • Me sorprendió que al día de hoy DDG no parezca tener una búsqueda bang de Marginalia
    <https://duckduckgo.com/bangs?q=marginalia>
    Ya la envié como sugerencia

  • Volví a buscar algunas cosas que había buscado hace poco en Google, por ejemplo “celery”, “Wardian case”, “ferry from Italy to Greece”, y en todos los casos el primer resultado parecía bastante razonable
    Creo que la voy a probar

  • Es de las cosas más agradables, útiles y sanas que he visto en la web en mucho tiempo
    Técnicamente también se ve muy sólido y la experiencia de uso es impecable
    Muchas gracias de verdad por llevarme de vuelta a los años gloriosos de internet

  • Probé con algunas búsquedas relativamente simples dentro de temas que me interesan, por ejemplo “attention is all you need paper”, “sip rfc”, “klatt speech synthesizer”, “crafting interpreters book”, “Scott Alexander Substack”, pero no me devolvió realmente los resultados que esperaba
    Marginalia parece estar más o menos bien cuando quieres aprender sobre algo, pero no tanto cuando quieres encontrar algo específico
    Si quieres leer qué piensa la gente del Substack de Scott Alexander, salen resultados aceptables, pero si quieres encontrar el boletín en sí, no tanto

    • Sí, las consultas exploratorias tienen resultados algo mixtos
      Siento que Google ya hace muy bien esa parte, así que no es una gran prioridad
      Yo me he enfocado más en lo que Google no hace bien: encontrar contenido hecho por personas sobre un tema

  • Desde la perspectiva de quien administra un sitio, me gustó especialmente que muestren los backlinks encontrados
    Gracias a este servicio descubrí varios backlinks que no conocía

    • Revisé los backlinks de mi sitio web, pero en realidad no había ni uno solo que enlazara a mi sitio, así que fue bastante confuso

  • Ya se había discutido bastante desde la época del dominio anterior, marginalia.nu
    Phrase matching in Marginalia Search - https://news.ycombinator.com/item?id=41696046 - septiembre de 2024, 24 comentarios
    Marginalia: 3 Years - https://news.ycombinator.com/item?id=39501061 - febrero de 2024, 44 comentarios
    Interview with Viktor Lofgren from Marginalia Search - https://news.ycombinator.com/item?id=38470832 - noviembre de 2023, 21 comentarios
    Moving Marginalia to a new server - https://news.ycombinator.com/item?id=37800753 - octubre de 2023, 39 comentarios
    Marginalia.nu API - https://news.ycombinator.com/item?id=35871186 - mayo de 2023, 22 comentarios
    Marginalia: DIY search engine that focuses on non-commercial content - https://news.ycombinator.com/item?id=35611923 - abril de 2023, 193 comentarios
    Marginalia Search has received an NLNet grant - https://news.ycombinator.com/item?id=34945541 - febrero de 2023, 17 comentarios
    A Theoretical Justification (2021) - https://news.ycombinator.com/item?id=32586273 - agosto de 2022, 22 comentarios
    The Evolution of Marginalia's Crawling - https://news.ycombinator.com/item?id=32565052 - agosto de 2022, 22 comentarios
    Marginalia Goes Open Source - https://news.ycombinator.com/item?id=31536626 - mayo de 2022, 72 comentarios
    Uncertain Future for Marginalia Search - https://news.ycombinator.com/item?id=31200319 - abril de 2022, 37 comentarios
    Marginalia Search: 1 Year - https://news.ycombinator.com/item?id=30823481 - marzo de 2022, 29 comentarios
    Show HN: Marginalia – Exploration Mode - https://news.ycombinator.com/item?id=30047455 - enero de 2022, 53 comentarios
    A search engine that favors text-heavy sites and punishes modern web design - https://news.ycombinator.com/item?id=28550764 - septiembre de 2021, 717 comentarios
    https://news.ycombinator.com/user?id=marginalia_nu

    • Muy bueno. Yo publiqué el primer post.
      Me gusta este proyecto y me gustaría intentar hacer un proyecto similar en un futuro cercano