Фильтр ссылочной массы

Если влияние полноты в большую сторону мне понятна, то в меньшую - не совсем.

Кстати, сейчас пассаж=анкор, так что теперь хз.

Обобщенно да. (я про текстовую и говорил) На мой взгляд, что касается частотности, алгоритм в общих чертах идентичен с текстовым.

Так тут, вроде разговор за анкорную идет. Хотя уже фиг его знает... :)

Ну слова, которые совсем не встречаются в анкорах можно ж определить :) А вот вес тех, что встречаются, но редко - увы, я не знаю как определить максимальный ли у них вес или нет :)

Как я и говорил - мое имхо - с частотностью в анкорах тот же коленкор, что и с текстовом а следовательно я принимаю принципы текстового.

А если говноссылки вообще не покупать? Я просто гляжу, что тут много любителей говноссылок с сапы. Я вообще туда не хожу. Если, скажем, я покупаю места под ссылку с параметрами типа pr 1 тИЦ 10 (у моего сайта - 4 550)- это говноссылка? Причем сайт нормальный, для людей. И в анкоре ставил раньше один ключевик только, этот сайт сейчас в топе (2 место). Ничего не склеилось, правда, ссылок купил по количеству немного, но по жирности страниц достаточно.

На другие же сайты в начале декабря начал закупку ссылок, сайт уверенно упал из топа на позиции "подход к топу" (11-14 места)... Жду апов, чтобы понять, в чем дело. Сейчас стал ставить эксперименты с разными параметрами, о результатах сообщу.

Совершенно согласен - когда ставишь сам эксперименты, то картина становится более понятной, а создают топики кому лень ставить эксперименты, и немного подумать, ничего легкого нет.

Скажу одно - фильтр существует на определенный вид ссылок😂

Если сайт, с которого Вы покупаете ссылку, "нормальный и для людей", то нет, это не "говноссылка". Просто не очень мощная ссылка для продвижения средне-/низкоконкурентных запросов. Просто реалии таковы, что "говноссылок" с аналогичных же сайтов довольно много в продаже.

понятно. а какова схема исследования?

по собственной теории предсказываете позиции исследуемых сайтов, тем самым подтверждаете или опровергаете предположения?

нормировка W определенного термина в анкор файле по W остальных терминов в том же анкор файле. R. Larson, M. Hearst упоминали подобное.

Зачем это нужно?

затем, что TF нормируется на промежуток от 0 до 1 (или 0,5 -1 ), а IDF нет.

wolf, как вы относитесь к фильтрам на анкор файл? нужны ли они для повышения качества поиска?

Под фильтром понимаю ручной ввод ограничения какого либо параметра, например, если tf=1000,то урезать tf до 100.

Нет. Строю аналитическую модель ранжирования на основе данных, полученных с помощью специальным образом построенных запросов.

Это не есть нормировка по W, как Вы писали. Это есть нормировка TF по какому либо параметру (например, длине документа или частотности самого частотного термина). IDF, кстати, логарифмируется и тоже загоняется тем самым в довольно небольшой числовой промежуток.

А как к ним прикажете относиться? Я могу к ним относиться только как к объективной реальности. Если, она, конечно, существует... :)

изложу мысль подробнее.

Давайте обозначать маленькими буквами НЕ нормированые величины, а большими - нормированные.

tf - не норм-а

TF - норм-а

итд.

W=TF*IDF в документе, а потом нормирование по W во всём анкор файле.

нормировки по w сущесвенно отличаются от нормировок tf и idf.

Нормировки tf

1. tf/tfmax

2. 0.5 + 0.5tf/tfmax

3. логарифмическая

4. по длине, bm25

Нормировки idf

1. log(x)

2. log(x)*log(x) (квадратичная)

3. log(x-1)

4. обратное количество документов с термином

Нормировки w (normw)

1. сумма w

2. sqrt(сумма w*w)

3. сумма w*w*w*w

4. max(w)

суммируется по всем терминам документа

Как не сложно заметить все они отличаются существенно, поэтому я говорю именно о последней, а не об нормировке tf или idf.

А вобщем нормированная величина определяется так (может определяться так, я на данный момент считаю так)

W = TF*IDF/normw

где normw - один из 4ёх видов нормировки w.

есть нормировка квадрат log, которая может расширить этот промежуток.

относиться можно к ним по-другому.

фильтров нет, это все особенности функции. так все изначально задумано.. ну не важно. понятно вобщем.