Lsi: зачем и почему

Да мы видели уже твои тексты. Узбагойся. Уж не знаю, чем ты их пишешь, но как напишешь - трогаешь ушами. Достаточно они горячие, или нет.

В моем скриншоте в первых 2 позициях есть 2000 и в сниппете и в титле.

Не забывайте что Яндекс мог использовать умножающие коэффициенты для отдельных источников. Например для Википедии как для авторитетного источника.

В видео о ранжировании упоминаются кликовые факторы и удовлетворенность текстом.

В вашем скрине, про кино только кинопоиск и вики справа, еще осень в нью-йорке упоминается как песня. Но, не настаиваю про сниппет. Я не сеошник. Отметил лишь факт что 2000 четко акцентирует тему "осень в нью-йорке", а без 2000, первые 3 страницы выдачи не содержат осень по cntrl-f

Так что цифры оставлю пока☝

Я вам о том, что другие факторы могут влиять. Не только LSI.

Кстати по запросу шарлотта уилл фильм есть.

http://picplus.ru/img/1910/05/5ddcd1fa.png

И в подсказках 2000 тоже.

так что имхо - тут пересечение 2 понятий и Яндекс не знает что конкретно вам нужно и выдает 1 из понятий. Поэтому кликовые факторы в топе начинают рулить и пересиливают LSI

Может спектр срабатывать https://yandex.ru/blog/company/32028

а это запросозависимый фактор, есть куча запросов, которые без цифр будут неполные

не, это особенности системы, заточенной на поиск значимых изменений, т.е. переписывать часть обработчика просто лень

Заканчивался 2019 год.. А разговоры всё про LSI.

Если получается вставить lsi в тексты без ущерба читаемости и смыслу, то почему бы и нет

Беда в том, что сразу не понять:( Много шума от них. Для своих нужд принял решение цифры оставить, но фильтровать. Как на уровне парсера хтмл, так и другими методами.

С другой стороны, их может и можно отдельно проанализировать. Ну, чтобы понять за счет чего они тут. Типа 2гис, а там... И, в итоге, исключить тех кто не достоин быть в топе по тексту. Короче, методику надо.

Про изменения важно на самом деле, типа когда все пересчитать. Спасибо за наводку.

Кто-то просто не в курсе, что в Яндексе рулит ПФ и умение его накручивать.

Это и есть реализация старой байки Яндекса про картошку на марсе, когда ПФ настолько переоценен, что фактически без вхождения ключей текст становится релевантным.

Все эти истории про чудо-копирайт - прошлый век. Тебе даже могут выкинуть сайт из топа путем накрутки отказов, а Платон скажет: "так не бывает, мы все учли, все предусмотрели".

---------- Добавлено 06.10.2019 в 00:03 ----------

Раньше такими методиками накачивали "релевантность" страницы, но люди как не читали эти тексты, так и не читают.

Сегодня это не работает. Яндекс отдал приоритет в оценке для ПФ. Я говорю о коммерческих сайтах.

Текст дает результат в первичной оценке документа.

Вообще, конечно gensim пушка.

Что известно:

Запрос "шина nokian nordman 175 70 r14";

Топ20 Яндекса.

Ответ в н-раммах. Больше во вложении.

[('nokian_шина', 121.03604096752892),

 ('nokian_nordman', 92.53252877327878),

 ('nordman_sx', 40.662454067075835),

 ('зимний_шина', 33.50702178650591),

 ('диск_шина', 28.009722415062864),

 ('легковой_шина', 28.009722415062864),

 ('nokian_nordman_sx_шина', 25.414033791922396),

 ('летний_шина', 24.185662496717313),

 ('nokian_nordman_шина', 19.401981839558452),

 ('автомобильный_шина', 19.391346287351215),

 ('купить_шина', 19.155270066072582),

 ('зимний_шиповать', 18.847699754909573),

 ('качество_соотношение_цена', 18.49635303877127),

 ('соотношение_цена', 18.49635303877127),

 ('nokian_резина', 17.751952675237575),

 ('nokian_nordman_шина_шип', 16.417061556549463),

 ('nordman_шип', 16.417061556549463),

 ('зимний_резина', 15.903417392949137),

 ('интернет_магазин', 15.38824439328674),

 ('получение_товар', 15.061724842672314),

 ('отличный_резина', 13.915490218830495),

 ('nokian_nordman_летний_шина', 13.302114373194524),

 ('nordman_xl', 12.049024177230285),

 ('nokian_nordman_зимний_шина', 11.939681132035972),

 ('управляемость_хороший', 11.771353930087644),

 ('доступный_цена', 11.560220649232045),

 ('балашиха_мо', 11.146053943565045),

 ('зимний_купить', 10.314376189423697),

 ('nokian_nordman_sx', 10.165613516768959),

Алгоритм, кол-во н-грамм в корпусе на вес слова в топике lsi модели, если он больше трети от максимума.

уупс, цифры из корпуса удалены

t = ' '.join(simple_preprocess(t.strip()))

Это без цифр, хотя в запросе они есть. Потом с цифрами сделаю. Сравним.