finva: таким образом, делаем вывод, что в контенте стоп-слова учитываются, а в ссылках нет.
этим можно объяснить результат номер 4 в вышеприведенной ссылке
AlexKats: почему? они становятся значимыми только в контексте, а точнее в окружении - протокол http, домен без www, справочник html - в остальных случаях это служебные приставки к файлам, описывающие их свойства
Скорее логика другая - если в одно предложение входят http, html и(или) www, то они считаются служебными, т.к. это предложение идентифицируется, как адрес страницы.
wolf: 1. На v4r203.html ссылаются текстами
"http www srcc msu su num meth zhurnal tom 2003 v4r203 html"
и "html"
2. На v4r202.html - есть только ссылка с текстом
"http www srcc msu su num meth zhurnal tom 2003 v4r202 html"
Имеем в первом случае - самый частотный термин анкор-текстов - "html" с частотностью 2, во втором случае частотность самого частотного термина (их несколько) - 1.
Гм, похоже, я несколько поторопился. Оказывается, слово "html" из текстов ссылок "http www srcc msu su num meth zhurnal tom 2003 v4r202 html" и "http www srcc msu su num meth zhurnal tom 2003 v4r203 html", похоже, не учитывается:
А теперь посмотрим, каким текстом идут сслки на подопытные страницы:
1. На v4r203.html ссылаются текстами
"http www srcc msu su num meth zhurnal tom 2003 v4r203 html"
и "html"
2. На v4r202.html - есть только ссылка с текстом
"http www srcc msu su num meth zhurnal tom 2003 v4r202 html"
Имеем в первом случае - самый частотный термин анкор-текстов - "html" с частотностью 2, во втором случае частотность самого частотного термина (их несколько) - 1.
Если принять уже ранее высказывавшуюся гипотезу о наличии антиспамого коэффициента при определении релевантности анкор-файла запросу, обратно пропорционального частоте самого частотного термина, либо нормировку tf по частоте самого частотного термина, то неудивительно, почему первый документ проигрывает по запросу (v4r203|v4r202), но одерживает убедительную победу по запросу "html":
aleks: Kostya, я мог бы еще кучу чего написать, но смысла не вижу.. все равно у них такая позиция на публике, а время оно ведь не казенное
Хе-хе. Ладно... Спорить устал... Рубрикатор ВашДома так и не прорюхали... Да, пожалуй, и на одном-двух из почти сотни подшефных проектов, особливо на тех, что переходили в своё время из рук в руки, как кубанская станица во время гражданской войны, что-нить октопать да удастся - ну и флаг вам в руки, копайте. Только подумайте, к примеру, почему мы своих клиентов мордами, к примеру, не перевязали? Уж, чай, не для того, чтоб не поднять вам бюджетецы на морды ненароком ... ;) Хватит с вас и бидебиде... 😂
pro-maker: Зачем тогда поддерживать своим участием такие круглые столы?
Затем, что надежда умирает последней, и всякий раз в глубине души надеешься, что, может быть, в этот раз всё будет по-другому, и твоя позиция кого-нибудь убедит...
Вспоминаю круглый стол на первой конфе, когда дискутировали с представителями поисковиков. По наивности думал, что сейчас обо всем договоримся, как нам легально с их точки зрения работать можно будет... Куда там...
Gray: Сергей, ты не прав. Вывод из круглого стола очень четкий - гранды и мэтры оптимизации живут сегодняшним днем.
Серёг, а ты типа не знал? Все живут так. Ну, разве что окромя Текарта с Бипланом... 😂
biplane: хотя уже начинаю сомневаться.. может это только я такой.. "шибка умный"... а на всех остальных такие "манипуляции на уровне октябренка" действуют?
Андрей, зато теперь все потенциальные клиенты знают, что мордоворот намба ван в Рунете - Саша Митник. И понесут бюджеты к нему, а не к лечившим пивом больную голову в курилке спецам. ;)
А вообще изначально было понятно, что ни к какому выводу круглый стол не придет. Все всё понимают, и каждый давно выбрал свой путь. Попереливали чутка из пустого в порожнее и всего делов.
Dervish: берем некоторые слова страницы, которые будем условно считать "основными"
эти слова не должны входить в список стопов, должны иметь наиболее большую плотность
Скорее, по логике должна быть некая функция от частоты встречаемости слова в документе и его веса по общей коллекции документов. И тоже самое для пар, троек и т.д. слов. Те, что пройдут некий "кворум" и будут индикаторами тематики.
таким образом, делаем вывод, что в контенте стоп-слова учитываются, а в ссылках нет.
этим можно объяснить результат номер 4 в вышеприведенной ссылке
Нельзя. Ибо найден он по тексту ссылки
почему? они становятся значимыми только в контексте, а точнее в окружении - протокол http, домен без www, справочник html - в остальных случаях это служебные приставки к файлам, описывающие их свойства
Скорее логика другая - если в одно предложение входят http, html и(или) www, то они считаются служебными, т.к. это предложение идентифицируется, как адрес страницы.
1. На v4r203.html ссылаются текстами
"http www srcc msu su num meth zhurnal tom 2003 v4r203 html"
и "html"
2. На v4r202.html - есть только ссылка с текстом
"http www srcc msu su num meth zhurnal tom 2003 v4r202 html"
Имеем в первом случае - самый частотный термин анкор-текстов - "html" с частотностью 2, во втором случае частотность самого частотного термина (их несколько) - 1.
Гм, похоже, я несколько поторопился. Оказывается, слово "html" из текстов ссылок "http www srcc msu su num meth zhurnal tom 2003 v4r202 html" и "http www srcc msu su num meth zhurnal tom 2003 v4r203 html", похоже, не учитывается:
http://www.yandex.ru/yandsearch?text=html+%3C%3C+url%3D%22srcc.msu.su%2Fnum-meth%2Fzhurnal%2Ftom_2003*%22&stype=www
Правда, отмечаю весьма странное поведение оператора "<<":
http://www.yandex.ru/yandsearch?text=v4r202+html&tb=1 (см. 4 место)
http://www.yandex.ru/yandsearch?text=v4r202+html+%3C%3C+url%3D%22srcc.msu.su%2Fnum-meth%2Fzhurnal%2Ftom_2003%2Fv4r202.html%22&stype=www
А дубликаты с тем же анкором, если смотреть анкоры с тем же текстом?
Да, дубликаты нарушили чистоту. Тьфу на них, окаянных. :)
Еще один факт, ссылок больше на страницу v4r203
http://www.yandex.ru/yandsearch?text...stype=www&rd=0
http://www.yandex.ru/yandsearch?text...stype=www&rd=0
А теперь посмотрим, каким текстом идут сслки на подопытные страницы:
1. На v4r203.html ссылаются текстами
"http www srcc msu su num meth zhurnal tom 2003 v4r203 html"
и "html"
2. На v4r202.html - есть только ссылка с текстом
"http www srcc msu su num meth zhurnal tom 2003 v4r202 html"
Имеем в первом случае - самый частотный термин анкор-текстов - "html" с частотностью 2, во втором случае частотность самого частотного термина (их несколько) - 1.
Если принять уже ранее высказывавшуюся гипотезу о наличии антиспамого коэффициента при определении релевантности анкор-файла запросу, обратно пропорционального частоте самого частотного термина, либо нормировку tf по частоте самого частотного термина, то неудивительно, почему первый документ проигрывает по запросу (v4r203|v4r202), но одерживает убедительную победу по запросу "html":
http://www.yandex.ru/yandsearch?ras=1&date=&text=html&spcctx=notfar&zone=all&linkto=&wordforms=all&lang=all&within=0&from_day=&from_month=&from_year=&to_day=20&to_month=11&to_year=2006&mime=all&Link=&rstr=&site=srcc.msu.su&numdoc=10&ds=
Например, последняя ссылка про отдых в таком виде как сейчас у них работать не будет (и не работает сейчас).
http://www.yandex.ru/yandsearch?text...*%22&stype=www
Еще как работает:
http://www.yandex.ru/yandsearch?text=%22%EE%F2%E4%FB%F5%2C+%EE%E0%FD%2C+%E5%E3%E8%EF%E5%F2%22+%3C%3C+url%3D%22www.rutur.com%22&stype=www
http://www.yandex.ru/yandsearch?text=anchor%23link%3D%22www.rutur.com%22%5B%22%EE%F2%E4%FB%F5%2C+%EE%E0%FD%2C+%E5%E3%E8%EF%E5%F2%22%5D&stype=www
Kostya, я мог бы еще кучу чего написать, но смысла не вижу.. все равно у них такая позиция на публике, а время оно ведь не казенное
Хе-хе. Ладно... Спорить устал... Рубрикатор ВашДома так и не прорюхали... Да, пожалуй, и на одном-двух из почти сотни подшефных проектов, особливо на тех, что переходили в своё время из рук в руки, как кубанская станица во время гражданской войны, что-нить октопать да удастся - ну и флаг вам в руки, копайте. Только подумайте, к примеру, почему мы своих клиентов мордами, к примеру, не перевязали? Уж, чай, не для того, чтоб не поднять вам бюджетецы на морды ненароком ... ;) Хватит с вас и бидебиде... 😂
Зачем тогда поддерживать своим участием такие круглые столы?
Затем, что надежда умирает последней, и всякий раз в глубине души надеешься, что, может быть, в этот раз всё будет по-другому, и твоя позиция кого-нибудь убедит...
Вспоминаю круглый стол на первой конфе, когда дискутировали с представителями поисковиков. По наивности думал, что сейчас обо всем договоримся, как нам легально с их точки зрения работать можно будет... Куда там...
Сергей, ты не прав. Вывод из круглого стола очень четкий - гранды и мэтры оптимизации живут сегодняшним днем.
Серёг, а ты типа не знал? Все живут так. Ну, разве что окромя Текарта с Бипланом... 😂
хотя уже начинаю сомневаться.. может это только я такой.. "шибка умный"... а на всех остальных такие "манипуляции на уровне октябренка" действуют?
Андрей, зато теперь все потенциальные клиенты знают, что мордоворот намба ван в Рунете - Саша Митник. И понесут бюджеты к нему, а не к лечившим пивом больную голову в курилке спецам. ;)
А вообще изначально было понятно, что ни к какому выводу круглый стол не придет. Все всё понимают, и каждый давно выбрал свой путь. Попереливали чутка из пустого в порожнее и всего делов.
берем некоторые слова страницы, которые будем условно считать "основными"
эти слова не должны входить в список стопов, должны иметь наиболее большую плотность
Скорее, по логике должна быть некая функция от частоты встречаемости слова в документе и его веса по общей коллекции документов. И тоже самое для пар, троек и т.д. слов. Те, что пройдут некий "кворум" и будут индикаторами тематики.