Фильтрация ссылок по URL

не, в данном случае это исключение, как правило в индексе подобное не держится из-за низкого качества

так я против них ни чего не имею, если это не сетка, а они фильтруются в другом месте :)

Поизучая различные примеры, тузлы и прочее, в настоящее время остановился на следующем (для плагина винка):

Маловат списочек. Удобнее группировать по типам:

film - спорная категория, 50% будут варезники и фильмы он-лайн, ещё 10-20 - афиши, но остальное нормальные страницы. Варезники проще "добить" через фильтр контента.

kbv79, а почему вы print не включили в список?

Я просто не весь список привел, главное направление, а дословность:

Это спорные моменты:

не - это нормальные моменты, которые позволяют убрать часто дубли страниц, да - вылетят и нормальные, но абсолютное большинство по годам - будут дубли , архивы (проверял).

Всегда же пытаемся обойтись малой кровью :)

вородпрессовские года можно иначе зафильтровать, к примеру

2001/01|2001/02 ...

но оно же зацепит и простые посты, допустим как уже приведенный в этом топике http://seom.info/2010/06/23/pokupka-ssylok/ - у которого внутри сайта НЕТ дублей

Тоже самое со знаком & например - можно им убирать различные сортировки, коих нереально много, только он зацепит еще и друпал, к примеру.

С другой стороны есть явные признаки не желательных движков dn=photos|image_id|displayimage - и другие, которые явно характеризуют страницу/часто сайт в целом, как галерею, порой очень тупо распарсенную.

Лучше всего работает ступенчатый метод, когда есть явные признаки НЕ желательных сеток, как вариант, либо дублей, а также есть "группа риска". Детальная настройка - помощник, но этим нужно заниматься довольно плотно, иногда проще отменить по общему списку.

Я согласен, что лучше отменить заявку на хорошем, чем купить на плохом.

Ступенчатый метод, на самом деле, имеет недостатки и минусы.

Смысл ведь в том, чтобы по результатам одних проверок составлять ГБЛ, а по результатам других просто отменять.

Но даже когда мы отсеиваем, уж совсем казалось бы некачественных доноров, есть риск промахнуться.

Например, отсев варезников. По LF и TF:

и

Все равно попадают хорошие сайты - у одного баннер от Letitbit, у другого просто пара файлов, залитых на Рапиду для экономии хостинга, третий назвал пост в блоге "xxx", четвертый выложил обзор торрентов.

То, что хорошие сайты попадут в GBL - полбеды, возможно, что на других проектах уже куплены ссылки на этих сайтах и мы их потеряем.

любая автоматическая система анализа будет сметать не только плохое, ибо все "исключения" можно сделать только при модели проверки на совмещение факторов, т.е. летитбит + слово варез + еще что-то = плохой, просто летитбит на странице - не равно плохой.

Модель проверки такую можно сделать, но не в рамках винка на данный момент, здесь чуть другой подход нужен и еще больше времени на составление таких факторов.