Определение тематики документа. ТЕОРИЯ.

Статьи

http://www.metric.ru/publications.asp?ob_no=308

http://www.seotools.ru/biblioteka-optimizatora/avtoritety-rekomenduyut/an/ostap-bender.html

По теме, думаю,что адекватные алгоритмы определения тематичности уже давным-давно существуют, что видно из первой статьи, но вот как эти алгоритмы заточить под ПС , с учетом ограниченности ресурсов поисковой машины и огромного количества материала, вот это вопрос, который имеет наибольший приоритет в данный момент.

Nikitoz, большое спасибо за материал!

Допустим страница с развёрнутой темой: Колорадский жук, родина, ареал обитания, размножение, плодовитость, дальность полёта, карантин растений, как метод борьбы с насекомым или производство инсектицидов - микробиологическая индустрия.

Родина колорадского жука - Северная Америка. В Европе впервые обнаружен во Франции в 1922 и в дальнейшем проник почти во все страны.

Опять же, допускаю... Но! Цитата из приведённого выше текста:

Поведение целевой аудитории может внести существенные коррективы в любые попытки увязать тематики в стройную логическую цепочку, так же как статистическое возмущение непредсказуемо в наблюдении соотношения количества мужчин и женщин на улице в определённые часы. Неожиданно из-за угла может выйти рота солдат и нарушить все Ваши выводы...

ну Вы слишком страшный пример привели :) меня больше интересовало определение тематики документов несколько другого типа. Естественно прикладное применение планируется не для ПС :)

поведение использовать не могу, т.к. не ПС.

Я точно не знаю но по наблюдениям за гугль адсенсом можно сказать следующее :

скорее всего есть база кевордов рекламодателей по адвордсу и если слово встретилось на страничке то в блоке начинает мелькать реклама

Если нет совпадения, то крутится социалка или (совсем не уверен) по банальной плотности на страничке.

конечно всё это мало относится к вопросу топикстартера, но пусть будет как ремарка.

greenwood, алгоритмы определения тематики у систем контекстной рекламы (Бегун,Директ и т.п.) имеют похожий принцип, хотя у них получается несколько другие вариации на эту тему - нашел слово - есть в базе объявления на слово(или слова) - показываем.

Там немного сложнее, есть еще привязка к общей тематике сайта, а не только к ключевым на странице.

все верно, но вот на блогах уже несколько тяжелее определить тематику ...если она там вообще присутствует

А блоги сейчас ... сами знаете их значение для поисковиков ...

Bor-ka, вот с теорией и практикой и ссылками на офф источники

Вот, еще наткнулся на кое-какую информацию.

http://www.gpntb.ru/win/elbib/trud2/08_1999.html

Правда, для поисковых систем с их индексом, все это не годится.