- Поисковые системы
- Практика оптимизации
- Трафик для сайтов
- Монетизация сайтов
- Сайтостроение
- Социальный Маркетинг
- Общение профессионалов
- Биржа и продажа
- Финансовые объявления
- Работа на постоянной основе
- Сайты - покупка, продажа
- Соцсети: страницы, группы, приложения
- Сайты без доменов
- Трафик, тизерная и баннерная реклама
- Продажа, оценка, регистрация доменов
- Ссылки - обмен, покупка, продажа
- Программы и скрипты
- Размещение статей
- Инфопродукты
- Прочие цифровые товары
- Работа и услуги для вебмастера
- Оптимизация, продвижение и аудит
- Ведение рекламных кампаний
- Услуги в области SMM
- Программирование
- Администрирование серверов и сайтов
- Прокси, ВПН, анонимайзеры, IP
- Платное обучение, вебинары
- Регистрация в каталогах
- Копирайтинг, переводы
- Дизайн
- Usability: консультации и аудит
- Изготовление сайтов
- Наполнение сайтов
- Прочие услуги
- Не про работу
Как удалить плохие SEO-ссылки и очистить ссылочную массу сайта
Применяем отклонение ссылок
Сервис Rookee
Если тип товара - полуфабрикат (стейк, фарш, котлеты), то порядок запроса меняется с название - тип заморозки на тип продукта +из(если ж.р.) + название. Т.е. на выходе: стейк из фореши, фарш из судака.
Проблем две:
1. Для каждого типа (или группы типов) надо создавать отдельный шаблон.
2. Каждый элемент параметров надо добавлять в словарь.
Соответственно, было бы отлично:
1. Формировать грамотный и понятный текст в нужной последовательность;
2. Получить головый словарь или опцию для его доработки.
Желательно всё это через API, чтобы работало в Гугл Шитс / Битрикс 24 / Вукомерц / Мой склад.
Ну и что бы было понятнее, шорт на выходе собирает аттрибуты и выглядит примерно так: замороженные котлеты из форели, выловленной в Карелии. Штучная упаковка и заморозка на корабле. Дата изготовления чч нн, срок хранения котлет из форели - 6 месяцев. Продукт содержит ч белка, н углеводов и я жиров. Это очень краткая и простая версия того, что должен уметь собрать словарь.
- если тип товара меняет порядок, то это же надо как-то настраивать для каждого типа, и потом запрашивать определённый тип (если по api)
это в проблеме стоит - что надо создавать отдельный шаблон, просто как от этого можно уйти в новом решение?
например посылаем:
Get /?type=шаблон_полуфабрикат_форель&word=судак&value=рубрика
Get /?type=шаблон_полуфабрикат_форель&word=судак&value=описание
и оно выдаёт готовое - какое бы слово не было?
но настраивать всё-равно же надо хотя бы 1 раз, например - настройка шаблона - вводим название шаблона, вводим требуемый текст, указываем целевое слово в тексте, добавляем список слов - оно заполняет словарь автоматом из тех слов что есть в словаре или тянет с ИИ варианты, далее по любому добавленному слову получаем по апи рубрику или описание?
Мне желательно, чтобы я отдал строчки таблицы и получил максимально читаемый заголовок.
Не Форель стейк, а стейк из форели; не судак заморозка, а судак замороженный, не лосось икра слабая соль, а икра лосося слабосолёная.
Если под каждый тип делать свой шаблон, то для этого не нужны сторонние решения, для этого подойдёт if and else внутри скриптов. Тогда, в крайнем случае, внешнее решение должно получать таблицу и приводить падежи и род в нужный вид или получать данные типа: "рыба - ж.р., заморозка - ед.ч, ж.р, р.п".
Суть практической задачи при работе со словарями я написал. Как это реализовать в шитс/экселях - тоже. Думаю, на AI с этим тоже проблем не будет, даже не подключая библиотек по работе со словами.
Соответственно, если шаблон надо писать самому, то вот как раз этот шаблон можно было бы интегрировать в софт (порядок полей), а из самого словаря подтягивать правильные словоформы.
Мне желательно, чтобы я отдал строчки таблицы и получил максимально читаемый заголовок.
Не Форель стейк, а стейк из форели; не судак заморозка, а судак замороженный, не лосось икра слабая соль, а икра лосося слабосолёная.
Если под каждый тип делать свой шаблон, то для этого не нужны сторонние решения, для этого подойдёт if and else внутри скриптов. Тогда, в крайнем случае, внешнее решение должно получать таблицу и приводить падежи и род в нужный вид или получать данные типа: "рыба - ж.р., заморозка - ед.ч, ж.р, р.п".
Суть практической задачи при работе со словарями я написал. Как это реализовать в шитс/экселях - тоже. Думаю, на AI с этим тоже проблем не будет, даже не подключая библиотек по работе со словами.
Соответственно, если шаблон надо писать самому, то вот как раз этот шаблон можно было бы интегрировать в софт (порядок полей), а из самого словаря подтягивать правильные словоформы.
Мне желательно, чтобы я отдал строчки таблицы и получил максимально читаемый заголовок.
Не Форель стейк, а стейк из форели; не судак заморозка, а судак замороженный, не лосось икра слабая соль, а икра лосося слабосолёная.
Если под каждый тип делать свой шаблон, то для этого не нужны сторонние решения, для этого подойдёт if and else внутри скриптов. Тогда, в крайнем случае, внешнее решение должно получать таблицу и приводить падежи и род в нужный вид или получать данные типа: "рыба - ж.р., заморозка - ед.ч, ж.р, р.п".
Я бы такую задачу решал двумя вариантами.
1. Создал бы свою модель с помощью PyTorch и обучил бы ее. На выходе полная независимость, после обучения сможет работать на дохлых компах. Но требует хороший датасет с примерами.
2. Взял бы небольшую модель, хорошо работающую с русским языкоми дообучил бы ее. Тут уже не нужен большой датасет, она по нескольким примерам поймет, что от нее хотят. Вот тут уже простор для творчества.
- Прикрутить pymorphy2 - он умеет спрягать автоматически.
- Синонимайзер, только не так как у автора - иметь огромную базу данных. Достаточно примеров.
- DeepPavlov - чтобы корректировать такие перлы как у автора про читать чай)
- RAG - чтобы дообучать модель на примерах существующих магазинов.
В итоге получится полная автоматизация.
Я бы такую задачу решал двумя вариантами.
1. Создал бы свою модель с помощью PyTorch и обучил бы ее. На выходе полная независимость, после обучения сможет работать на дохлых компах. Но требует хороший датасет с примерами.
2. Взял бы небольшую модель, хорошо работающую с русским языкоми дообучил бы ее. Тут уже не нужен большой датасет, она по нескольким примерам поймет, что от нее хотят. Вот тут уже простор для творчества.
- Прикрутить pymorphy2 - он умеет спрягать автоматически.
- Синонимайзер, только не так как у автора - иметь огромную базу данных. Достаточно примеров.
- DeepPavlov - чтобы корректировать такие перлы как у автора про читать чай)
- RAG - чтобы дообучать модель на примерах существующих магазинов.
В итоге получится полная автоматизация.
Обновление Lexicon 3.0.2
🎯 МОЩНЫЙ ВЫБОР ИИ-МОДЕЛЕЙ!
Теперь вы не ограничены одной моделью! Доступно 40+ современных ИИ-моделей на любой вкус и бюджет:
⚡ БЫСТРЫЕ И ЭКОНОМНЫЕ: gpt-5-nano, gpt-4o-mini, llama-4-scout
💪 МОЩНЫЕ И ПРОДВИНУТЫЕ: gpt-5-pro, claude-opus-4.1, sonar-pro
🎪 УНИКАЛЬНЫЕ ВОЗМОЖНОСТИ:
🔥 "ОЧЕЛОВЕЧИВАНИЕ" ТЕКСТА (в 90% случаев снижает ИИ-детекцию в половину или в полный 0)
до обработки
после обработки
ИИ + словарь синонимов = идеальный контент! Программа анализирует ваш текст и предлагает ИИ творческие варианты перефразирования с учетом семантических связей.
🎯 ДОБАВЛЕНИЕ КЛЮЧЕВЫХ ФРАЗ
Хотите органично вписать в текст конкретные выражения? Теперь это проще простого! ИИ грамотно интегрирует ваши фразы, сохраняя смысл и структуру.
🎪 ПРОМТ-ЗАПРОСЫ ЛЮБОЙ СЛОЖНОСТИ
От простых вопросов до сложных творческих задач - выбирайте модель под конкретную задачу!
Теперь вы можете выбирать не только ЧТО сделать с текстом, но и КАК это сделать - с помощью оптимальной ИИ-модели для каждой задачи! Это новый уровень контроля качества и эффективности работы с контентом!