почитайте! коментарии оставьте для себя!

А зачем, в контексте сабжа, собирать лидеров тематики, когда надо анализировать непосредственно запрос? Ну и еще - лидеры вряд ли стали таковыми благодаря LSI и тд :)

Сомнительная формула, лучше уж брать классический tf*idf, где tf = частота связанного термина в релевантных документах; idf, по-моему, в mystem есть.

А как же возраст документа? Почему тогда его нет в формуле? :)

Вот, например, заходим в топ и почти по каждому запросу находим жестко переспамленный текст, выделенный болдом, который висит в топе годами и фильтр за переоптимизацию его постоянно обходит?

А причем тут возраст? :) Цель - найти связанные с запросом слова, которые помогут документу лучше ранжироваться.

По факту, любой нормальный текст, скорее всего сам по-себе будет содержать нужные термины.

а как из выдачи по запросу удалить мусор, который оказался в топе из-за кривизны алгоритмов? :)

Ну так, возможно нас именно кривизна и интересует :)

YaanGle, точно нет, вы наверное просто не наблюдаете за выдачей по большому количеству нч запросов, в топ постоянно влетает/вылетает откровенное говно, не имеющие отношение к запросу

а пытаться работать только по вч - бесполезно, есть несменяемые топы на протяжении нескольких лет :)

Найти общее с нескольких точек, к примеру?

Stripe, ну так ещё раз

на большом пуле запросов (одной тематике) пересечений практически не будет даже у лидеров :(

раньше было

Не наблюдаю, рассуждал в контексте поиска связанных слов для вч и сч-запросов.

Наверное, как вы и сказали - либо пересечение по близким запросам, либо на основе длительности присутствия в топе.

Видимо, каждый оценил сабж применительно к своим задачам. :)

Я ж написал выше, что может быть откровенный переспам и прекрасно себя чувствовать в топе годами, но аналогичный текст вы уже не загоните в топ.

Хороший пример - интернет магазины.

На одних сайтах простыня на 3-5k знаков под товарами , а на других только товары и ни строчки текста.