XTR: Что касается чистки дублей - я уже думал об этом, но какой алгоритм применить для вычисления похожих объявлений пока не знаю. Сравнивать побайтно смысла нет (добавил 1 буковку и привет), можно устанавливать степень похожести (я знаю, есть такие алгоритмы - правда не знаю, на сколько они сложны в реализации) и при сильной похожести (на 90%, например) отфутболивать :)
Нормальный алгоритм поиска дублей пока не реализован (иначе, почтового спама уже не было бы).
Здесь есть несколько решений:
1. Анализировать только контакты оставленные в объявлении. Ну и, к примеру, если есть объявление с контактным телефоном младше 2-х недель, отфутболивать.
+ Хорошо, довольно точно определяются дубли
- Плохо, этим способом отшиваются пользователи, которым надо оставить разные объявления с одним контактом
2. Класть пользователю куки (сроком так на год :) ), в которых записывать некий id, а в базе на серваке вести лог активности этого юзера. Не приниамешь куки, значит ты бот, постить не будешь.
+ Хорошо, просто реализуется, работает прозрачно для юзера, контакты можно хоть вообще не заполнять.
- Плохо, куки можно убить, и вернуться на доску с "чистой совестью" и продублировать объявление
+ Хорошо, при правильной реализации, в теории, алгоритм должен давать превосходный результат (к примеру, подобным образом работают OCR-системы)
- Ужасно... Хоть и реализовать в принципе не сложно, но тормозить будет... мама не горюй, особенно по большой базе
На практике лучше использовать сочетания методов 1 и 2. Либо методов 1 и 3, если рассматривать только поле контактов.
p.s. Понесло чего-то меня... Простите люди добрые за много букв. Надо меньше работать, башню рвет. 🙅
Lor: А-а-а, ученые ... ну так пусть пишут патенты - это их проблемы, а наша забота - сайты делать.
Если "правильные" сайты делать, то патенты можно не читать. :D
Ну, ученые-неученые, а фильтр "-950", основанный на этом патенте судя по сообщениям (неофициальными), у гугла уже работает.
Про "правильные" сайты абсолютно с вами согласен, но и в реализации различных фильтров могут быть баги и никто не застрахован от "случайных" санкций.
по одному моему сайту — январский серп 1 в 1 (первые 30 позиций — доски, нормальные сайты ниже)
+1 — повтор январских глюков (ИМХО, конечно :) )
различных cms много и простых и сложных... www.cmslist.ru/free - выбирайте
имхо, для ваших целей подойдет, к примеру, modx www.modx.ru
отпад:
Сайт принят к рассмотрению (Basic) 10:17
Ваш сайт размещен в каталоге 10:18
вот это оперативность, спасибо :)
p.s. Там реально модератор так быстро работает или автомат? ;)
то, что подтвердились — уже интересно. спасибо и на этом
XTR, сделал сайт с "висящими" страницами? Какие результаты?
Что касается чистки дублей - я уже думал об этом, но какой алгоритм применить для вычисления похожих объявлений пока не знаю. Сравнивать побайтно смысла нет (добавил 1 буковку и привет), можно устанавливать степень похожести (я знаю, есть такие алгоритмы - правда не знаю, на сколько они сложны в реализации) и при сильной похожести (на 90%, например) отфутболивать :)
Нормальный алгоритм поиска дублей пока не реализован (иначе, почтового спама уже не было бы).
Здесь есть несколько решений:
1. Анализировать только контакты оставленные в объявлении. Ну и, к примеру, если есть объявление с контактным телефоном младше 2-х недель, отфутболивать.
2. Класть пользователю куки (сроком так на год :) ), в которых записывать некий id, а в базе на серваке вести лог активности этого юзера. Не приниамешь куки, значит ты бот, постить не будешь.
3. Реализовать алгоритм поиска нечетких дублей оптимальной фильтрацией (пик корреляции ко множеству вхождений).
На практике лучше использовать сочетания методов 1 и 2. Либо методов 1 и 3, если рассматривать только поле контактов.
p.s. Понесло чего-то меня... Простите люди добрые за много букв. Надо меньше работать, башню рвет. 🙅
так и есть, неверный content-type
http://www.be1.ru/stat/?url=http%3A%2F%2Firk-bis.ru%2F
если сайт на php, попробуйте добавить в самое начало:
Header('Content-Type: text/html; charset=windows-1251');
http://www.master-x.com/articles/article/362/
http://www.master-x.com/articles/article/364/
http://www.master-x.com/articles/article/365/
Э? не оно?
Хмм... :)
Оно! Спасибо. Теперь осилю :p
А-а-а, ученые ... ну так пусть пишут патенты - это их проблемы, а наша забота - сайты делать.
Если "правильные" сайты делать, то патенты можно не читать. :D
Ну, ученые-неученые, а фильтр "-950", основанный на этом патенте судя по сообщениям (неофициальными), у гугла уже работает.
Про "правильные" сайты абсолютно с вами согласен, но и в реализации различных фильтров могут быть баги и никто не застрахован от "случайных" санкций.
полагаю, в тему. фильтр -950
http://www.seroundtable.com/archives/007437.html
а вот труды Анны:
http://appft1.uspto.gov/netacgi/nph-Parser?Sect1=PTO2&Sect2=HITOFF&u=%2Fnetahtml%2FPTO%2Fsearch-adv.html&r=1&p=1&f=G&l=50&d=PG01&S1=20060294155.PGNR.&OS=dn/20060294155&RS=DN/20060294155
(методика определения проспамленных документов поисковиками)
ахтунг, много букв, все не по-русски
😒 где бы найти хороший перевод (нереально, полагаю).
сам не осилил (пока)