Почему-то все забывают, что любая ПС в первую очередь не против оптимизаторов, а для пользователей. Тег title сильно учитывается, потому что в нем обычно содержится информация, отражающая основное содержимое страницы. По спецификации ХТМЛ title у страницы может быть один, если их несколько, то броузером учитывается только первый (можете проверить). А если остальные браузером не учитываются, то почему ПС должна их учитывать? Ведь это никак незамаскированный клоакинг, и со стороны разработчиков ПС было бы глупо учитывать все что пишется на страницах, а ПС пишут, как вы наверно понимаете, совсем не дураки
oppozzit: ни у кого с WebCeo нет проблем по выдаче Яндекса? у меня что-то последние пару дней упорно выдаёт по всем проектам выпадение, вручную разумеется все находится... заранее спасибо.
Последние несколько дней у Яндекса формат выдачи сменился, поэтому и не находит.
Не вижу смысла показывать PR в выдаче Яндекса, так то конечно функция имеется сделать не долго.
umklaidet: можно парсить код самих сайтов и показывать сколько там ключевиков (в процентах), в каких тэгах много чего можно. подумайте сами - какая информация вам нужна о сайте конкурента.
Eugen: как понятно из краткого описания, они документы рассматривают, как нейроны, а линки между ними - как связи нейронов. И как-то пытаются эту сеть обучить
При таком построении сети вес нейрона будет аналогом PR, а использование для вычисления PR нейронных сетей ИМХО нецелесообразно, т.к. если вычислять его в лоб то требуется решить систему M линейных уравнений с M переменными (M - количество страниц) с сильно разреженной матрицей (разумеется для классического PR), в случае же использования НС потребуется оптимизировать нелинейную функцию N переменных, где N количество ссылок в системе. Очевидно, что N >> M, плюс в первом случае линейность, во-втором нелинейность.
Да, но что тогда подавать на входы сети?
Честно говоря не знаю.
Кстати, может, кто посоветует книги или статьи на эту тему?
Eugen: Интересно, как именно нейросети используются при ранжировании
Один из вариантов (первое что в голову пришло): сеть обучается без учителя на наборе страниц, на выходе получаем степени соответствия страниц к полученным кластерам.
При поиске на вход сети подается поисковый запрос и в зависимости от того к какому кластеру сеть отнесет его ранжируем документы. Можно к примеру взвесить документы в зависимости от принадлежности к каждому кластеру и принадлежности к соответствующим кластерам поискового запроса.
Почему-то все забывают, что любая ПС в первую очередь не против оптимизаторов, а для пользователей. Тег title сильно учитывается, потому что в нем обычно содержится информация, отражающая основное содержимое страницы. По спецификации ХТМЛ title у страницы может быть один, если их несколько, то броузером учитывается только первый (можете проверить). А если остальные браузером не учитываются, то почему ПС должна их учитывать? Ведь это никак незамаскированный клоакинг, и со стороны разработчиков ПС было бы глупо учитывать все что пишется на страницах, а ПС пишут, как вы наверно понимаете, совсем не дураки
Кстати неверно внешние ссылки ищет. Страница http://www.yandex.ru/yandsearch?text=substring к примеру http://www.yandex.ru считает внешней ссылкой
Получил хорошие деньги.
А интересно, сколько он за это получил.
З.Ы. Интересный все-таки программист-дизайнер. Сделал сайт без программирования и без дизайна. :)
ни у кого с WebCeo нет проблем по выдаче Яндекса?
у меня что-то последние пару дней упорно выдаёт по всем проектам выпадение, вручную разумеется все находится...
заранее спасибо.
Последние несколько дней у Яндекса формат выдачи сменился, поэтому и не находит.
тИЦ иногда не показывает.
Есть такое дело.
можно еще PR показывать
Не вижу смысла показывать PR в выдаче Яндекса, так то конечно функция имеется сделать не долго.
можно парсить код самих сайтов и показывать сколько там ключевиков (в процентах), в каких тэгах
много чего можно. подумайте сами - какая информация вам нужна о сайте конкурента.
Подумаем.
umklaidet, может посоветуете чего подделать?
И еще
Он учитывает соответствие запроса к кластеру, к которому уже принадлежат документы.
как понятно из краткого описания, они документы рассматривают, как нейроны, а линки между ними - как связи нейронов. И как-то пытаются эту сеть обучить
При таком построении сети вес нейрона будет аналогом PR, а использование для вычисления PR нейронных сетей ИМХО нецелесообразно, т.к. если вычислять его в лоб то требуется решить систему M линейных уравнений с M переменными (M - количество страниц) с сильно разреженной матрицей (разумеется для классического PR), в случае же использования НС потребуется оптимизировать нелинейную функцию N переменных, где N количество ссылок в системе. Очевидно, что N >> M, плюс в первом случае линейность, во-втором нелинейность.
Честно говоря не знаю.
На какую именно?
Интересно, как именно нейросети используются при ранжировании
Один из вариантов (первое что в голову пришло): сеть обучается без учителя на наборе страниц, на выходе получаем степени соответствия страниц к полученным кластерам.
При поиске на вход сети подается поисковый запрос и в зависимости от того к какому кластеру сеть отнесет его ранжируем документы. Можно к примеру взвесить документы в зависимости от принадлежности к каждому кластеру и принадлежности к соответствующим кластерам поискового запроса.
Сделайте цифры ссылками на соответствующие страницы и получится достаточно полезная вещь для оперативного анализа.
Что и было сделано.