wolf: Ваша просьба была рассмотрена и отклонена :)
Ай, ну кто так отвечает? 😂
"После анализа и классификации Вашей просьбы наши алгоритмы решили отклонить ее." ;)
sokol_jack добавил 27.01.2009 в 22:21
s0ber: 2 sokol_jack
В общем к этому и веду разговор! :) Про процент ключевиков...
Не ключевиков! Ключевики могут быть разными...
Грубо говоря - все слова приводим в нормальную форму, отбрасываем кое-что (стоп-слова, некоторые части речи и т.д.), для каждого оставшегося достаем все синонимы, которые знаем (ну, тут не так просто, но грубо говоря) и сравниваем 2 массива (первая и вторая страница). Если больше х% совпало - "тематичные".
Neft: чувак... объясни такую штуку. сайту присвоили рубрику, када в РСЯ принимали. я не долго думая в яке ссылок накупил - тиц вверх. потом рурбрику убрали - тиц вниз. сайт же не менял тематику, почему ссылы перестали работать?
Чувак... тут есть куча людей, у которых тиц то вверх, то вниз скачет. Причем, независимо от тематики. Послушайся wolfа, не делай железных выводов из 1 или 2 случаев. ;)
ИМХО тематику сайта (не ЯК или РСЯ) Яшка не определяет. Для страницы или кластера... уже хитрее. Вобщем-то, никто не мешает Яндексу "сравнивать" страницу на которой размещена ссылка со страницей куда она ведет. Если еще предположить, что Яндекс знает, что такое синонимы (а он таки знает ;) ), то грубо говоря ему не надо лопатить весь сайт и "вычислять" тематику. Достаточно "сравнить" 2 страницы и при совпадении более определенного % "ключиков" решить, что тематика похожа.
akhasanov: Через webmaster.yandex.ru проверить уже давно не получается.
Есть какие-либо пути, кроме того, как пытаться смотреть остались ли страницы в индексе? :)
Я делаю так:
1. Смотрю страницы в индексе. Если есть - не бан.
2. Если в индексе страниц не осталось, анализируем беки и контент из архива. Обычно сразу видно кучу спама в беках или дороподобный ГС. Такие - выбрасываем.
3. Регаем что осталось, прописываем в днс, заливаем почти пустую страницу, аддурл.
Вобщем-то, если ловить домены с ТИЦ10-20 то при цене за домен 4$ (условно, рушки где-то так например, com немного дороже, но info дешевле) получается если один из 4-5 зареганых не в бане - уже можно на 0 выйти продав его.
Вот только рушки ловить фиг получается - то, что остается через час-два после освобождения и с ТИЦ - все в бане. Хотя через день-два и это регают :)
LEON101: Можно спросить когда сайт гонялся по гестам юкоза? просто я прогнал по 800 коментам тиц 10 (ещё по каталогам гонял) и стоит ли теперь вообще гонять по коментам укоза?
Я уже в теме про АП ТИЦ писал - профили прикрыли почти полностью (+10-20 не в счет), коменты сильно порезали, похоже к след апу совсем убьют (так и хсс, и логи за 2 апа под 0 уходили)...
Так что ИМХО гонять по коментам тем, кто гонял пора заканчивать ;)
Top for the good: Вопрос к ТС, а Вы встречали сайты, которые получают бан ТИЦ. С 3000 до нуля. И какие методы они использовали?
Я встречал (поскольку наблюдаю не за одной сотней сайтов). Методы эти были не белого цвета. Спам по форумам, профилям, коментам, взломы через уязвимости.
Константинович: Чем больше виц, тем больше сумма виц, следовательно, тем больше тиц.
А так как виц не известен, то можно предположить, что чем больше тиц, тем больше виц. Так?
Если так, то тогда ссылка с сайта с большим тиц даёт больший прирост тиц, чем с сайта с тиц10, к примеру.
А так как это не известно точно, "то можно предположить, что" это действительно так. А еще "можно предположить, что" чем выше ПР страницы - тем она круче. А еще "можно предположить, что" чем больше слово Яндекс на сайте употребить - тем лучше он (Яндекс) к такому сайту будет относится... 😂
BrokenBrake: sokol_jack, а в сервисе из вашей подписи по какому алгоритму генерируются теги?
Морфология + группировка с одинаковыми "основами" + фильтрация некоторых частей речи + вычисление доминирующего числа и рода для каждой группы :)
Скоро выложу нормальную версию (и для скачивания тоже), сами посмотрите ;)
sokol_jack добавил 27.01.2009 в 13:35
SeWork: А зачем нагружать сервер если есть простое и удобное решение? А банальное решение, это взять первые слова из текста, и засабмитить их в теги! Может слышали про гениальную простоту :)
Ну, железо-то и должно трудится.
И не путайте простоту и примитивизм ;)
Как видите теги генерируются ничуть не хуже чем у вас 🚬
Таки значительно хуже (без обид) 🙄
Как мы уже говорили в пятницу, Англия переходит на новый план спасения банков и стимулирования кредитной активности. Новейшие меры предполагают страхование банковских рисков по займам на фоне увеличение доли государственного присутствия в банковском
В пятницу на южноамериканской сессии курс USD США торговался разнонаправлено против главных валют. Сначала торгов рост южноамериканских фондовых индексов посодействовал курсам главных валют подняться против USD.
Как минимум, неплохо бы приводить теги к ед. числу и им. падежу. Ведь тогда вероятность того, что мы попадем на популярный тег, ссылка на который есть и на главной намного выше. И тогда вес страницы с нашей ссылкой будет выше...
Ссылку на страницу аккаунта отправил в ПМ!
Получил, спасибо. Будь я модератором этих закладок - через 10 сек понял бы, что автопостинг ;)
P.S. Да и не думаю что при наличии в скрипте 100 RSS-лент для сабмита, пользователь захочет нагружать свой хостинг, или ВДС сложнейшей (никому не нужной в данном случае) генерацией тегов, по стоп словам, количеством символов, вычисление падежа, во избежание повтора и прочее и прочие параметры.
Спорить не буду. Пока не буду ;)
sokol_jack добавил 27.01.2009 в 13:37
SeWork: Для сравнения прогнал те же тексты через ваше генератор.
Для Текста1 сгенерировалось всего 2 тега, хотя я указал 10
Для Текста2 сгенерировало 4 тега
А вы попробуйте вобще одно-два слова вместо текста. Результат вас еще больше удивит (или порадует 😂).
Логично предположить, что чем больше текст - тем выше точность, нет?
SeWork: Нет, почему первое предложение? В RSS ленте есть свой заголовок новости, вот он и вставляется в поле "Заголовок"; описание первые 200-300 символов; теги генерируются из текста, но не самые частые слова, так как их из короткой новости просто напросто не определить, они выбираются случайно.
Вобщем, все банально + random 😮
Вам ссылку на аккаунт в социальных закладках дать?
Ваша просьба была рассмотрена и отклонена :)
Ай, ну кто так отвечает? 😂
"После анализа и классификации Вашей просьбы наши алгоритмы решили отклонить ее." ;)
sokol_jack добавил 27.01.2009 в 22:21
2 sokol_jack
В общем к этому и веду разговор! :) Про процент ключевиков...
Не ключевиков! Ключевики могут быть разными...
Грубо говоря - все слова приводим в нормальную форму, отбрасываем кое-что (стоп-слова, некоторые части речи и т.д.), для каждого оставшегося достаем все синонимы, которые знаем (ну, тут не так просто, но грубо говоря) и сравниваем 2 массива (первая и вторая страница). Если больше х% совпало - "тематичные".
чувак... объясни такую штуку. сайту присвоили рубрику, када в РСЯ принимали. я не долго думая в яке ссылок накупил - тиц вверх. потом рурбрику убрали - тиц вниз. сайт же не менял тематику, почему ссылы перестали работать?
Чувак... тут есть куча людей, у которых тиц то вверх, то вниз скачет. Причем, независимо от тематики. Послушайся wolfа, не делай железных выводов из 1 или 2 случаев. ;)
ИМХО тематику сайта (не ЯК или РСЯ) Яшка не определяет. Для страницы или кластера... уже хитрее. Вобщем-то, никто не мешает Яндексу "сравнивать" страницу на которой размещена ссылка со страницей куда она ведет. Если еще предположить, что Яндекс знает, что такое синонимы (а он таки знает ;) ), то грубо говоря ему не надо лопатить весь сайт и "вычислять" тематику. Достаточно "сравнить" 2 страницы и при совпадении более определенного % "ключиков" решить, что тематика похожа.
Через webmaster.yandex.ru проверить уже давно не получается.
Есть какие-либо пути, кроме того, как пытаться смотреть остались ли страницы в индексе? :)
Я делаю так:
1. Смотрю страницы в индексе. Если есть - не бан.
2. Если в индексе страниц не осталось, анализируем беки и контент из архива. Обычно сразу видно кучу спама в беках или дороподобный ГС. Такие - выбрасываем.
3. Регаем что осталось, прописываем в днс, заливаем почти пустую страницу, аддурл.
Вобщем-то, если ловить домены с ТИЦ10-20 то при цене за домен 4$ (условно, рушки где-то так например, com немного дороже, но info дешевле) получается если один из 4-5 зареганых не в бане - уже можно на 0 выйти продав его.
Вот только рушки ловить фиг получается - то, что остается через час-два после освобождения и с ТИЦ - все в бане. Хотя через день-два и это регают :)
Можно спросить когда сайт гонялся по гестам юкоза? просто я прогнал по 800 коментам тиц 10 (ещё по каталогам гонял) и стоит ли теперь вообще гонять по коментам укоза?
Я уже в теме про АП ТИЦ писал - профили прикрыли почти полностью (+10-20 не в счет), коменты сильно порезали, похоже к след апу совсем убьют (так и хсс, и логи за 2 апа под 0 уходили)...
Так что ИМХО гонять по коментам тем, кто гонял пора заканчивать ;)
Вопрос к ТС, а Вы встречали сайты, которые получают бан ТИЦ. С 3000 до нуля. И какие методы они использовали?
Я встречал (поскольку наблюдаю не за одной сотней сайтов). Методы эти были не белого цвета. Спам по форумам, профилям, коментам, взломы через уязвимости.
Чем больше виц, тем больше сумма виц, следовательно, тем больше тиц.
А так как виц не известен, то можно предположить, что чем больше тиц, тем больше виц. Так?
Если так, то тогда ссылка с сайта с большим тиц даёт больший прирост тиц, чем с сайта с тиц10, к примеру.
А так как это не известно точно, "то можно предположить, что" это действительно так. А еще "можно предположить, что" чем выше ПР страницы - тем она круче. А еще "можно предположить, что" чем больше слово Яндекс на сайте употребить - тем лучше он (Яндекс) к такому сайту будет относится... 😂
Вобщем, "можно предположить" миллионы предположений. ;)
sokol_jack, а в сервисе из вашей подписи по какому алгоритму генерируются теги?
Морфология + группировка с одинаковыми "основами" + фильтрация некоторых частей речи + вычисление доминирующего числа и рода для каждой группы :)
Скоро выложу нормальную версию (и для скачивания тоже), сами посмотрите ;)
sokol_jack добавил 27.01.2009 в 13:35
А зачем нагружать сервер если есть простое и удобное решение? А банальное решение, это взять первые слова из текста, и засабмитить их в теги! Может слышали про гениальную простоту :)
Ну, железо-то и должно трудится.
И не путайте простоту и примитивизм ;)
Таки значительно хуже (без обид) 🙄
ИМХО достойные теги: Англия, банки, кредиты, страхование, риски, займы.
ИМХО достойные теги: курс, курсы, USD, валюты, торги.
Как минимум, неплохо бы приводить теги к ед. числу и им. падежу. Ведь тогда вероятность того, что мы попадем на популярный тег, ссылка на который есть и на главной намного выше. И тогда вес страницы с нашей ссылкой будет выше...
Получил, спасибо. Будь я модератором этих закладок - через 10 сек понял бы, что автопостинг ;)
Спорить не буду. Пока не буду ;)
sokol_jack добавил 27.01.2009 в 13:37
Для сравнения прогнал те же тексты через ваше генератор.
Для Текста1 сгенерировалось всего 2 тега, хотя я указал 10
Для Текста2 сгенерировало 4 тега
А вы попробуйте вобще одно-два слова вместо текста. Результат вас еще больше удивит (или порадует 😂).
Логично предположить, что чем больше текст - тем выше точность, нет?
Нет, почему первое предложение? В RSS ленте есть свой заголовок новости, вот он и вставляется в поле "Заголовок"; описание первые 200-300 символов; теги генерируются из текста, но не самые частые слова, так как их из короткой новости просто напросто не определить, они выбираются случайно.
Вобщем, все банально + random 😮
Да, если не сложно.
Office 2007
.docx это и есть xml
Фи :)
1. Вполне достаточно и Office 2003 для открытия и сохранения docx.
2. docx - это не xml. Это zip ;)
Вобщем, немного не понятно, что значит перевод из doc (грубо говоря, текст + обьекты) в XML.
Если взять примитивный алгоритм, то храним мд5 хеши уменьшенных картинок, скажем 15х15, этого вполне достаточно для идентификации
Да, масштабирование "вниз" к одинаковому размеру и подсчет CRC + погрешность вполне может хватить.
Или например переводим в grayscale и считаем "количество" каждого цвета (можно без кластеризации, упрощенно) ;)