Снежинск - новый алгоритм ранжирования

... то это табличные вычсления.

вот и я о том же, количество исходных данных (количество точных вхождений, возраст домена и т.д. и т.п.) используемых в формуле конечно и как мне кажется не может быть очень большим, иначе потребуется очень большие мощности при переиндексации.

а если учитывать то что сейчас в базах храниться информация о ссылках которых нет уже больше 2 месяцев и при этом страница на которой эти ссылки были уже 3 раза переиндексированны, то мощности требуются вообще колоссальные

http://yandex.ru/yandsearch?text=A5&lr=1

Хороший поисковик :)

какой снег упал яндексоиду на голову что бы придумать такой алгоритм и затормозить обычные апы выдачи 😡

Сергей, может я туплю, но по прочтению лекции у меня сложилось впечатление что результирующая релевантность высчитывается как линейная комбинация некого набора "маленьких" функций.

Подбор этих функций - задача оптимизации. По полученным из обучения данным строятся векторы градиентов, затем Weak Learner-ы подбираются как максимально коррелирующие.

Вот именно. Функций от набора параметров. А коллега G00DMAN утверждает, что они задаются априори, и метода находит лишь коэффициенты

Так не только G00DMAN утверждает, так ещё и Яндекс утверждает.

Где?

В том то и дело, что вся прелесть в том, что "сильным и креативным математикам" как раз-таки и не надо париться над выбором функций. Метода подберет сама

Не-не-не, господа, коэффициенты при f i-тых там практически в лоб решаются как раз.

там простая задача - чтобы Fr не сильно ушла от ручных оценок (минимизируется Loss Function).

Допишу: альфа-катые при hk(q,d) - суть и есть те коэффициенты о которых заспорили Благородные Доны.

Альфа-катые - это фигня. Гораздо интересней, что из себя представляют h-катые