ТИЦ и тематика

Да кто ж его знает, сколько на это времени нужно..

Лексическая? То есть, дословная? Или уже смысловая? :)

У меня есть сайты на которых только тематические ссылки стоят, и на которые только тематические ссылки ссылаются. Увы, имхо,не оно..

А может не надо, а...? 😒

P.S. Несколько раз обсуждалось на форуме возможная схема работы алгоритма по определению тематики и, соответственно, тематичности, но реально возможного так и не нашли..

По большому счёту именно так и должна работать поисковая система. А то сейчас получается такая нездоровая ситуация - я ищу какую то нужную мне информацию а мне в результате поиска выдаётся не сама информация а сайт на котором стоит ссылка на другой сайт на котором уже вероятно есть то что мне нужно. А ведь должно быть наоборот. Сайты на которых есть что то полезное по моему запросу должны быть в самом верху по выдаче результатов поиска.

Сайт не описанный в яке имеет 160 тИЦ на 130 ссылок - 130 страниц доноров заточены под тематику текста ссылки, а попросту имеют прямое вхождение в нужных местах с определенной частотой - все 130 доменов в непоте .... тИЦ вырос :)

Тематику-то как таковую определять и не надо. Яндексу вовсе не нужно знать, что это сайт о кондиционерах, а это - о ноутбуках. Достаточно иметь возможность сравнить тематики двух сайтов. Чтобы про два сайта о кондиционерах алгоритм сказал "это сайты одной тематики с вероятностью 90%", а про сайт о кондиционерах и о ноутбуках "это сайты одной тематики с вероятностью 5%".

А это задача вполне решаемая, хоть и с некоторой частотой ошибок. Если откроете два сайта о ноутбуках и составите рейтинги используемых на них слов, вы увидите, что эти рейтинги очень похожи. И наоборот, если составите такие рейтинги для двух сайтов совершенно разной тематики, рейтинги будут сильно различаться.

Ошибки возможны в некоторых случаях, но их количество будет небольшим. В частности, такой подход не покажет схожести тематик у сайтов двух медицинских клиник разного профиля. У одной верхушку рейтинга слов займут, к примеру, слова "флебология", "варикоз", "вены", а у второй - "стоматология", "дантист", "зубы". Алгоритм не поймет, что речь идет о двух медицинских сайтах.

Слово "сайты" вместо слова "документы" использовал нарочно, поскольку в расчете ТИЦ важны именно сайты. Однако, возможно, в расчете передаваемого по ссылке ТИЦ играет роль тематика лишь двух документов - с которого и на который стоит ссылка.

Ну, Слава Богу...теперь всё понятно стало..:)

Имхо, но и сейчас она не учитывается, а определять определяется. Ну думаю падение тиц не связано с этим нововведением, если таковое и было.

Вы себе представляете эти мощности, чтобы все документы проверить на так называемую "лексическую" близость? Думаю на такое Я ещё не способен, хотя на ОЧЕНЬ хорошем кластере и с параллельным программированием такое сотоврят но с такими временными затратами и пока специалистов в России таких по пальцам.

Так что

Думаю наступит и не завтра.... IMHO

можно просто учитывать совпадения :) делов то :)

А какие сайты на него ссылаются? Есть ли среди них сайты той же тематики (с таким же набором ключевиков)? Достаточно небольшого количества, ведь передаваемый ТИЦ с сайта схожей тематики теперь может в десятки раз больше ТИЦа, передаваемого каталожной ссылкой, к примеру. Просто с более корректным определением тематики Яндексу больше ни к чему давать нетематическим ссылкам какой-то заметный вес, а тематическим можно дать побольше.

Конечно, теперь берём любой сайт, пичкаем спиз..,пардон, скопированным контентом про ноутбуки, и ссылку с морды на наш сайт, так? То-то веса в ней будет..:)

Да, не поймёт, и это тоже неправильно, имхо..

Особых дополнительных мощностей не нужно. Для анализа можно использовать основной индекс, а расчеты можно проводить лишь один раз в какое-то довольно продолжительное время для каждой ссылки. И хранить в анкор-базе еще одно поле, содержащее некий коэфициент схожести лексики.