Фильтр ссылочной массы

W=TF*IDF в документе, а потом нормирование по W во всём анкор файле. отсюда и получается плохо. нормирование веса имеет смысл, а то получиться, что один серьезно продвигаемый ключевик в топы "затащит" кучу составных запросов.

И что в этом плохого?

откуда вы это взяли?

плохо в этом то, что эти сайты будут менее релевантные.

грубый пример:

1ый сайт.

анкор файл состоит из двух слов.

"кондиционер" в текстах ссылок 1000 раз встречется

"купить" в текстах ссылок 10 раз встречется

2ой сайт.

анкор файл состоит из двух слов.

"кондиционер" в текстах ссылок 50 раз встречется

"купить" в текстах ссылок 50 раз встречется

Дак вот, 1ый будет менее релевантный впринципе, но стоять будет выше второго (если без нормировки по весу W).

Такое частенько встречал еще год назад, основной запрос тянул всякие "продать" , "купить", "продажа", сейчас основной запрос там же, а остального нету. На эксперимент не тянят :), но уверенности в правильном направлении добавляет.

Из результатов собственных исследований

Сорри, но я не понимаю, что Вы пишете. Нормирование по W??? А что именно нормируете по W? Впрочем, не суть важно, всё равно фраза не имеет смысла...

Думаю, стоит отложить на время цифры и подумать логически. Более наглядно будет рассмотреть некомерческие запросы, к примеру "рефераты по истории" (сабж).

Отталкиваясь от этого кейворда, все анкоры можно условно разделить на:

1. точное вхождение лемм ("рефераты по истории", "рефератов по истории");

2. содержащие лемму + вода ("скачать рефераты по истории", "бесплатные рефераты по всемирной истории");

3. не содержащие нужного кейворда.

Третий тип ссылочного нам не даёт.

Анализируем в рамках данной темы только анкор-файлы. Возьмём 2 документа (A и Б), у одного анкор-файл состоит только из анкоров первого типа, а у другого такое же количество, но и певого, и второго типов.

Для второго документа есть два варианта:

Б1. либо он описывает сабж более полно (скачать сабж, отличный сабж, заказать сабж)

Б2. либо он описывает частный случай (реферат по истории Тутанхамон)

Отсюда уже сделаны правильные выводы: во втором случае больший вес передаётся именно по "Тутанхамону". В первом случае - вода имеет малый вес и ссылочное поднимает сабж.

Логично, что документ Б1 релевантнее, чем А по запросу "рефераты по истории", а Б2 - нет.

Это всё понятно. Как мне кажется, подозрения о появлении "фильтра ссылочной массы" связаны с тем, что неправильно выбирается вода.

Вода с высоким весом и так очень редко всречается, а если на страницу наставлено ссылок с большим количеством редких слов, то можно предположить, что нормальной информации ни по одному из них на странице нет (наглядный пример: реферат по истории Тутанхамон, реферат по истории Николай II, реферат по истории Ленин). Скорее всего такие ссылки либо просто учитываться не будут, либо будут давать ничтожно малый вес.

Я пришёл к выводу, что для анкор-файла помимо всего прочего важно:

1. кол-во вариантов анкоров типа Б1. Больше - лучше.

2. кол-во вариантов анкоров типа Б2. Чем их больше, тем больше причин их не учитывать.

Хотелось бы узнать, ваши практические наблюдения или анализ формул подтверждают это или нет?

П.С. терминами владею плохо, поэтому их и не употреблял.

Wolf, Сергей, не надоела еще роль отца-наставника? :)

Пусть себе учатся как могут, меня вообще удивляет столь резкий всплеск "теоретических" исследований алгоритмов ранжирования в последнее время.

Правда, все эти исследования остаются на уровне "я знаю карате, кунг-фу и много других страшных слов." :D

Это значит, что более чем определенной редкости словам присваивается одинаковый максимальный вес.

Ну, бывают из таких дискуссий и полезные вещи. Вот сегодня узнал, например, как местный мейнстрим формирует "правильный анкор-файл" :) Теперь понимаю, что мне надо поменьше выдвигать непроверенных гипотез :) А, может, - наоборот - побольше?.. 😂

Откуда сие знание? Экстраполировано из текстовой обратной частотности?