xXх: а еще вот что:
Часто профессионалу можно бегло прочитать пару строк чтобы определить качество текста.
Например 15 секунд - один сайт. Значит за час - 240 сайтов, за день 2400, т.е. десять человек могут ежедневно в ручном режиме модерировать все новые сайты.
а руками то зачем, набери в ворде - хорошая человек. Он подчеркнет - хорошая.
Другая тема = морфология поисковых запросов, которые в этой теме не обсуждаем.
Когда я говорил про "учет морфологии" текста, я имел ввиду что Яше будет глубоко пох, написана фраза морфологически правильно в ТЕКСТЕ СТРАНИЦЫ: "хороший человек" или "хорошая человек", и пессимизации за правильность написания не будет. Ключи и их употребление это другой разговор 🚬
а ты не исключаешь что "хорошая человек" и если весь текст состоит из таких словосочетаний, то по выдаче такой сайт будет стоят ниже чем правильные?
Eladi: Обе выдачи соответвуют леммам словосочетания "пластиковые окна". И в первом и втором случае процентное соотношение частоты нормальной формы "пластиковые окна" выше, но это уже другая тема 🚬
ты притворяешься?
леммы (лексемы) не относятся к морфолгии?
vitvvs добавил 13.03.2009 в 21:01
Выше на этой странице ты писал
Eladi:
Если Яндекс начнет учитывать морфологию и что еще сложнее семантику предложений страницы и сайта в целом, уйдет вниз определенное множество сайтов, и среди них белые, которые несут полезную информацию.
теперь на мой пример ты отвечаешь
Eladi: Обе выдачи соответствуют леммам словосочетания "пластиковые окна". Лучше, понятное дело, употреблять все леммы или наиболее употребляемые при генерации контента. Семантика особой роли не играет.
ты в с своем уме? При чем здесь семантика, мы говорим о морфологии.
Eladi: Конкретно они открыто не говорят, что и как они учитывают.
Да лемматизация упоминается, ну это и в принципе и ожидаемо, при поиске необходимо приводить в фразы в «словарную» форму.
Eladi: Посмотрите на Google, он как 5 лет назад ел морковку так и сейчас ест. И двигается флагман рынка в другом направлении.
Если Яндекс начнет учитывать морфологию и что еще сложнее семантику предложений страницы и сайта в целом, уйдет вниз определенное множество сайтов, и среди них белые, которые несут полезную информацию. Это не тривиальная задача, в которой много исключений. Определение грамотно составленного текста не гарантирует, полезность этого текста для пользователя. И наоборот полезный для пользователя контент, может быть и не грамотным. Хотя это в принципе решать Яндексу, он лучше всех знает, что полезней для пользователя :)
а разве яндекс не учитывает морфологию? насколько мне известно вы ошибаетесь.
тематики любые, на вход по несемнтической генрации обычный текстовый файл, по семантике тот же файл в полуавтоматическом режиме с помощью написанного скрипта разбивается на семантические группы.
а еще вот что:
Часто профессионалу можно бегло прочитать пару строк чтобы определить качество текста.
Например 15 секунд - один сайт. Значит за час - 240 сайтов, за день 2400, т.е. десять человек могут ежедневно в ручном режиме модерировать все новые сайты.
а руками то зачем, набери в ворде - хорошая человек. Он подчеркнет - хорошая.
Так без наездов.
Другая тема = морфология поисковых запросов, которые в этой теме не обсуждаем.
Когда я говорил про "учет морфологии" текста, я имел ввиду что Яше будет глубоко пох, написана фраза морфологически правильно в ТЕКСТЕ СТРАНИЦЫ: "хороший человек" или "хорошая человек", и пессимизации за правильность написания не будет. Ключи и их употребление это другой разговор 🚬
а ты не исключаешь что "хорошая человек" и если весь текст состоит из таких словосочетаний, то по выдаче такой сайт будет стоят ниже чем правильные?
Обе выдачи соответвуют леммам словосочетания "пластиковые окна". И в первом и втором случае процентное соотношение частоты нормальной формы "пластиковые окна" выше, но это уже другая тема 🚬
ты притворяешься?
леммы (лексемы) не относятся к морфолгии?
vitvvs добавил 13.03.2009 в 21:01
Выше на этой странице ты писал
Если Яндекс начнет учитывать морфологию и что еще сложнее семантику предложений страницы и сайта в целом, уйдет вниз определенное множество сайтов, и среди них белые, которые несут полезную информацию.
теперь на мой пример ты отвечаешь
Обе выдачи соответствуют леммам словосочетания "пластиковые окна". Лучше, понятное дело, употреблять все леммы или наиболее употребляемые при генерации контента. Семантика особой роли не играет.
ты в с своем уме? При чем здесь семантика, мы говорим о морфологии.
Конкретно они открыто не говорят, что и как они учитывают.
Да лемматизация упоминается, ну это и в принципе и ожидаемо, при поиске необходимо приводить в фразы в «словарную» форму.
http://yandex.ru/yandsearch?text=%D0%B3%D0%BE%D0%BB%D1%8B%D0%B5+%D0%B1%D0%B0%D0%B1%D1%8B&stparhome=bno
http://yandex.ru/yandsearch?text=%D0%B3%D0%BE%D0%BB%D1%8B%D1%85+%D0%B1%D0%B0%D0%B1&stparhome=bno
может так вам будет понятней, или так
http://yandex.ru/yandsearch?text=%D0%BF%D0%BB%D0%B0%D1%81%D1%82%D0%B8%D0%BA%D0%BE%D0%B2%D1%8B%D0%B5+%D0%BE%D0%BA%D0%BD%D0%B0&stparhome=byes
http://yandex.ru/yandsearch?text=%D0%BF%D0%BB%D0%B0%D1%81%D1%82%D0%B8%D0%BA%D0%BE%D0%B2%D1%8B%D1%85+%D0%BE%D0%BA%D0%BE%D0%BD&stparhome=byes
Посмотрите на Google, он как 5 лет назад ел морковку так и сейчас ест. И двигается флагман рынка в другом направлении.
Если Яндекс начнет учитывать морфологию и что еще сложнее семантику предложений страницы и сайта в целом, уйдет вниз определенное множество сайтов, и среди них белые, которые несут полезную информацию. Это не тривиальная задача, в которой много исключений. Определение грамотно составленного текста не гарантирует, полезность этого текста для пользователя. И наоборот полезный для пользователя контент, может быть и не грамотным. Хотя это в принципе решать Яндексу, он лучше всех знает, что полезней для пользователя :)
а разве яндекс не учитывает морфологию? насколько мне известно вы ошибаетесь.
ознакомьтесь http://download.yandex.ru/company/iworld-3.pdf
Марков и гиг исходных текстов решает ☝
по адалту, из гига получается примерно 20 лямов словосочетаний, полляма уникальных слов ...
вот текст адалтный тупо по Маркову, и пусть кто-нить скажет что он не читаем 😂 :
############### - это типа ключевики
правда база тяжелая получается, из гига исходных - под 4 гига, из них 3,5 гига - ключи :(
а дорген какой юзаете для этого?
проект закрыл для дальнейшей доработки
а есть еще варианты? ;)
вы же сами видели
Текст очень хороший.
Как на счет других тематик? Что подается на вход?
тематики любые, на вход по несемнтической генрации обычный текстовый файл, по семантике тот же файл в полуавтоматическом режиме с помощью написанного скрипта разбивается на семантические группы.