Artich: можно через парсер, который бы запрашивал нужный keyword, а потом запрашивал для каждого сайта из серпа число проиндексированных страниц, и оставлял только нужные.. :)
Lor: Распознает по названию файла, директории, альту, тексту линка, окружающему тексту и пр.
Для удаления идеинтичных можно использовать размер файла - хоть на 2 бита, но разные картинки будут отличаться.
При желании можно пробовать сличать картинки. Есть такие технологии. Несколько лет назад писали, что Гугль купил у каких-то разработчиков технологию распознования картинок. Задача сложная, но решаемая с определенной вероятностью. Были бы компьютерные ресурсы.
По-моему все же делается упор на окружение...
1) попробуйте вбить в поск киворд - вылезают на первой же странице картинки с именем типа 223434.jpg, без альтов и прочих заморочек
2) про распознавание это на мой взгляд пока слишком уж=) ну каждую картинку инета распознавать, сверять с базой...это космические ресурсы надо иметь
3) пересмотрел вот картинок из базы, на мой взгляд происходит это примерно так...
берем текст с кивордом и смотрим его близкое окружение картинками...ну к примеру текст <tr><td>text</td></tr>
а картинка в следующей ...вот она и нужна...опять же , куча вопросов возникает почему именно она...
хотя если сложить все перечисленные факторы, то наверное все сходится...
жаль, что ICQ ты недолюбливаешь, много вопросов можно было б потолочь...
в этой сфере довольно мало людей, с кем можно о чем-то поспорить...
или же новички, которые убеждены что они что-то знают, а на самом деле не знают
или же профи, которым не надо оно , это обсуждение =)
сорри за резкость
просто неожидал от тебя такое услышать
link: после двоеточия пробел перед урлом попробуй
не ожидал от тебя такую глупость услышать
пробел = И\ИЛИ
по этому запросу мы найдем страницы содеожащие слово "link" и урл после пробела или одно из двух слов, отделенных пробелом...
вообще не первый раз слышу подобное про пробел, кто эту чушь пустил ?
можно через парсер, который бы запрашивал нужный keyword, а потом запрашивал для каждого сайта из серпа число проиндексированных страниц, и оставлял только нужные.. :)
да про это я и сам догадался =)
кстати, зачем все это, если не секрет?
люблю эксперименты :)
Распознает по названию файла, директории, альту, тексту линка, окружающему тексту и пр.
Для удаления идеинтичных можно использовать размер файла - хоть на 2 бита, но разные картинки будут отличаться.
При желании можно пробовать сличать картинки. Есть такие технологии. Несколько лет назад писали, что Гугль купил у каких-то разработчиков технологию распознования картинок. Задача сложная, но решаемая с определенной вероятностью. Были бы компьютерные ресурсы.
По-моему все же делается упор на окружение...
1) попробуйте вбить в поск киворд - вылезают на первой же странице картинки с именем типа 223434.jpg, без альтов и прочих заморочек
2) про распознавание это на мой взгляд пока слишком уж=) ну каждую картинку инета распознавать, сверять с базой...это космические ресурсы надо иметь
3) пересмотрел вот картинок из базы, на мой взгляд происходит это примерно так...
берем текст с кивордом и смотрим его близкое окружение картинками...ну к примеру текст <tr><td>text</td></tr>
а картинка в следующей ...вот она и нужна...опять же , куча вопросов возникает почему именно она...
хотя если сложить все перечисленные факторы, то наверное все сходится...
и что с того, ну увидел он жпег к примеру, и как это повлияет на дальнейшие действия ?
-=Илья=- Да, теория об отборе по размеру не идет...
альты тоже непричем, то есть то, что обращается на них внимание, понятно, но в базе большинство картинок вообще без этих альтов
были мысли по размеру...то есть к примеру обращать внимание на картинки больше 200 пикселов , а сто контент тайп ?