Чем сделать кластеризацию запросов?

самое прикольное, что это ни как не противоречит автоматизации на основе топа ;)

Поддерживаю точку зрения про то, что кластеризировать СЯ онлайн - самоубийство.

Не рекомендую онлайн сервисы кластеризации СЯ.

Самое прикольное, что это "хвост виляет собакой". То есть следствие - причиной. Уже давно все обсудили, а все виновата твоя параноя про соцсети, мог бы сам участвовать в сраче.

да ради бога, мне незачем участвовать в срачах, я знаю как это работает и что именно работает

я тебе больше скажу, когда я это придумывал в каком-то лохматом году, это уже тогда работало не по принципу поиска максимального пересечения запросов на документах, это только самое начало - отправная точка и то с огромным количеством ограничений

Сам себя не похвалишь - никто не похвалит :)

Miha Kuzmin (KMY), Мих, я наверное тупейший вопрос сейчас задам и всё же. Стоит ли продвигать запросы:

слоны Африки

зелёные слоны Африки

зелёные слоны Африки с хоботом

зелёные слоны Африки с хоботом и хвостом

на разных страницах? Или пихаем всё на одну и качаем ссылочным?

Фома, зависит от ситуевины. Обычно конкретику лучше вынести на подстраницы, и всегда выносить - если они разные бывают (допустим, кроме хобота еще есть подгруппа с пятячком).

Не, разговор сейчас только о полном поглощении ключа, т.е. полное совпадение слов.

Ну вощем понял, лучше отдельно. Тем более речь о дорах. 🍿

А почему бы не использовать алгоритмы кластеризации из машинного обучения, используя в формуле метрики несколько разных параметров: семантическое сходство (doc2vec, к примеру), сходство топа, классы запроса (коммерческость, геозависимость и т.д.)?

По мне так существующие решения онлайн кластеризации хреновы еще и тем, что дробят на группы, но они перемешаны (проблема полностью не решается). Можно еще как минимум выстроить иерархию групп (чтобы похожие кластеры находились рядом).

Miha Kuzmin (KMY), ты же ни когда не обрабатывал 1лям+ запросов?

ну ты конечно можешь сесть и поработать ручками, только пока ты это сделаешь твой результат уже будет неактуальным, а самое интересное он будет содержать очень большое количество ошибок - ты просто не сможешь всё учесть 🤪

P.S. почему-то все забывают о том что изначально кластеризация по топу предназначена не для разбития запросов по страницам, а для автоматической очистки от шлака большого количества данных, полученных из различных источников, без насилования вордстата ;)