Экспериментальные данные о "новом" алгоритме Яндекса

Появились вопросы по модели. Хрнс, буду благодарен за разъяснения.

При расчете контентной составляющей релевантности для сложных запросов учитываются такие факторы, как ссылочный вес (вИЦ), трастовость, тематичность, лексика, устойчивые выражения (пары/тройки), ограничения контекста, пересечение анкора с текстом донора и т.п., т.е. такую формулу разгадать нереально, поскольку набор факторов сложно подогнать для расчета под реальный серп.

Правильно ли понимаю, что для сложных запросов подход заключается не в прямом расчете релевантности, а в ее сравнении с тестовой страницей (вернее, батареей тестовых страниц)?

И второй момент, показывает ли Ваша методика коррелирование измеренной/расчетной релевантности реципиента по определенному запросу с изменением (1) количества бэков с этим же запросом в анкоре, а также с (2) появлением/исчезновением донора помимо основной выдачи еще и в быстророботе (дублях)? Речь не о том, что чем больше ссылок с требуемым запросом в анкоре, тем лучше, а о том, что наблюдались ли ситуации, когда бэки и дубли появляются и отваливаются, а позиции при этом не меняются.

А и не зачем копать, контент приобрел чуть больший вес, но, имхо, не он определил перестановки в серпе с начала ноября. Название темы, действительно, слишком громкое. Формулы приводимые в теме, работали еще до изменений в Яндексе (пусть и с незначительными изменениями = вес контента и стоп-слова).

nickspring, он. Только не стоит рассматривать контент исключительно как контент ранжируемых документов ;)

Побуквоедствую чутка. :)

Виталий, то что Вы написали не может быть нормировкой. Суть нормировки - получить безразмерную величину, спроецированную в отрезок [0, 1].

Деля величину размерностью число слов на величину размерностью корень числа слов, мы получаем величину размерностью корень числа слов. Это не нормировка! Если нормировка в модели существует (а она по логике должна существовать), то где-то еще должна прятаться переменная размерностью число слов в степени -1/2.

То есть получается, что в Ваше понятие вИЦ Вы просто запихнули все переменные и константы, которые Вам не удалось выделить в явном виде в Вашей модели? ;) И Вы даже не знаете, что там еще сидит, кроме собственно чистого вИЦ. И после этого Вы гордо заявляете, что можете определить чистый вИЦ? :)

Итого, более строго, имеем:

Р = f(вИЦ, ...) * (число_найденных_ключевиков) * sqrt(ln(вес_ключевика)) / sqrt(max(число_вхождений_самого_частого_слова, 7))

Характер функции f - неизвестен. От каких аргументов, кроме вИЦ, эта функция зависит - тоже неизвестно. Черный ящик не открывается. :)

Кстати всплывает давно мучавший меня вопрос -

если построить такую фразу "катрибус машина, ледеркис", то слова машина и ледеркис распознаются как прямая фраза "машина ледеркис" или считаются отстоящими друг от друга, поскольку разделены запятой?

На практике с реальными сайтами мне неудалось однозначно это подтвердить или опровергнуть для себя.

Логично, надо поискать потерянную половинку. :)

Для невнимательных повторю два радикальных вопроса к Хрнс.

Т.е. предполагаю, что на самом деле производятся замеры по разным запросам относительно анализируемых и тестовых страниц, а обсуждаемые формулы, к которым Вы, Сергей, придираетесь, опытные данные подкрепляют только концептуально. :)

Поэксперементируйте с переколдовкой, разные падежи, меняйте слова местами, вставляйте предлоги между словами и другие слова (прилагательные, глаголы, т.е. разные части речи) и смотрите какие растояния будет выдавать переколдовка. Для устойчивой фразы растояния должны быть в пределах предложения.

Виталий, про ссылочное ранжирование нам вообще-то пока ничего не рассказали. Только завтраками кормят. :)

Да и нам для начала разобраться хотя бы с простейшим случаем однословного запроса без анкорной составляющей. Кое какие параметры удалось вычленить - за это ХРНС респект. Но явно не все. А то я сплошь и рядом натыкаюсь на примеры, когда при равных значениях вычлененных параметров страница с нулем бэков оказывается сильно релевантней страницы с кучей бэков. Что наталкивает меня на мысль, что кроме вИЦ'а сидит еще что-то нехорошее в невычлененной области. ;)

wolf, Вы как с Луны свалились. Для нас ВИЦа как такового вообще не существует, так как ОПРЕДЕЛЕНИЯ ВИЦа никто(!!!) не дает, даже уважаемый Яндекс.

Ну изобретите новый термин, ХРЫЦ, ТЕКАРТЫЧ,... помашите как шаман ручками, думаете дым рассеется?

Что Вы имеете против ОПРЕДЕЛЕНИЯ ВИЦ, как коэффициента пропорциональности при модельной формуле релевантности контента?

Если что то не нравится: дайте свое определение :)

А при...ся к столбу и мы умеем.

Естественно, что коэффициент пропорциональности зависит от числа ссылок (измерено!), что он зависит от "качества" ссылок (как раз того коэффициента пропорциональности ХРЫЧ-ВИЦ в формуле для страницы донора), а вот от чего он еще зависит (чтобы это было явно доказано, а не одной бабы новости) пока неизвестно.

Хотите получить развернутый ответ, либо опровергнуть теорию: дайте контрпример. А то можно считать все Ваши сомнения вилами по воде писаными.