Метка: мануалы

http://habrahabr.ru/blogs/study/128882/ и http://compsciclub.ru/courses/informationretrieval

С 30 сентября по 2 октября 2011 года в Computer Science клубе в Екатеринбурге Ден Расковалов (Яндекс), один из ведущих российских специалистов по поисковым системам и вопросам качества поиска, прочтёт бесплатный курс лекций «Информационный поиск изнутри».
***
На сайте http://uralcsclub.onwebinar.ru/ будет организована живая интернет трансляция.

1. Архитектура поискового кластера (30.09.2011 – 18:00 – 19:20)
2. Архитектура поискового кластера (30.09.2011 – 19:30 – 20:50)
3. Современные методы улучшения релевантности информационного поиска (01.10.2011 – 18:00 – 19:20)
4. Современные методы улучшения релевантности информационного поиска (01.10.2011 – 19:30 – 20:50)
5. Современные методы увеличения производительности информационного поиска (02.10.2011 – 18:00 – 19:20)
6. Современные методы увеличения производительности информационного поиска (02.10.2011 – 19:30 – 20:50)

{написанное ниже – ТЕПЕРЬ НЕАКТУАЛЬНО, ПРЕДЛОЖЕНИЕ ЗАКРЫТО!}
Если вы работаете в теме "обеспечения качества поиска" в Яндексе, оцениваете соответствие сайтов запросам (т.н. асессор), то в качестве обучения вам должны были присылать инструкцию, в которой говорится, какие сайты являются хорошими, как их оценивать и по каким критериям.

Вот эту-то инструкцию я и хочу получить. Оплата – от 1000 WMZ, цена может быть повышена по соглашению. Конфиденциальность гарантирую, пишите на [email protected] или [email protected]

Партнерка: если вы перепубликуете у себя это или ссылку на это, и продавец инструкции укажет вас как источник информации, то 2 уровня источников (блоггеров) выше продавца получат по 150 WMZ в случае успешной продажи.

Хочу купить лично я, информацию передавать никому не собираюсь.
Я знаю, что примерно должно быть в инструкции, будьте готовы прислать ТТХ (число картинок, знаков и т.п.) или маленькие кусочки инструкции, цитаты. Я буду проверять.

Теперь разговор за мораль.
Я хочу уметь делать качественные сайты. А в инструкции написано, какие сайты качественные, а какие-нет. Так что реального секрета здесь быть не может, по крайненй мере, вреда в этом нет.

А сайты будут в интернете гораздо качественнее 🙂

PS Если считаете, что мало денег, я могу с кем-нть скинуться и купить вскладчину. Все возможно.

В статье Яндекс на РОМИП-2004 у Сегаловича приведена формула доли веса пассажа, которую нужно преодолеть, чтобы пассаж был найденным:

“где Softness соответствует величина от 0 до 1, а QL — длина запроса в словах”
***
Проверяю. Не сходится…
Беру одно значащее слово и N разных абракадабр с весом ::1, разделенных оператором поиска в документе &&.
Типа такого: окна::1479 && semhfwj1::1 && semhfwj2::1 && semhfwj3::1 && semhfwj4::1 && semhfwj5::1 && semhfwj6::1 && semhfwj7::1 && semhfwj8::1 && semhfwj9::1 && semhfwj10::1 && semhfwj11::1 && semhfwj12::1 && semhfwj13::1 && semhfwj14::1 && semhfwj15::1
И получаю такие веса слова “окна”, при которых еще ничего не найдено, но если прибавить единицу – будет найдено:

Термов	Вес "окон"	Доля веса по кворуму
2	1395	0.9400
3	790	0.8632
4	726	0.8029
5	742	0.7550
6	785	0.7158
16	1478	0.5163

По формуле – не выходит… По формуле QuorumWeight=(1-0.06)^(1/SQRT(QL-1)) доли веса получаются:

Термов	Доля веса по кворуму=QuorumWeight=(1-0.06)^(1/SQRT(QL-1))
2	0.9400
3	0.9572
4	0.9649
5	0.9695
6	0.9727
16	0.9842

…что даже не соотвествует тому, что написано в статье:

В частности, при равных по весу словах запроса и коэффициенте мягкости 0.06 (того, что использовался при выполнении заданий РОМИП), в пятисловном запросе достаточно 4-х слов (или 76% веса), а в 16-словном всего лишь 8 слов (или 52% веса) для преодоления кворума.

А у меня как раз-таки соотвествует.
После небольшого метода тыка приходим к выводу, что формула выглядит так:
QuorumWeight=1-Softness^(1/SQRT(QL-1))
…ну, короче, скобочками Сегалович ошибся… 🙂 1-Softness не надо в скобочки ставить…

PS блин, а я чуть голову не сломал…

По мотивам того, что у artlebedev на хомяке в тайтле есть слово экстраультрагиперпупервротебупермегасупернадежный и Яндекс с Рамблером его не находят (ноль результатов), хотя знают (статистика слов: 49). via Aik и itman.
Больше всего мне нравится коммент itman, а точнее третья версия -вторая часть:

Во-первых, некоторые поисковые машины игнорируют слова, которые есть только в тайтле. Во-вторых, они могут игнорировать слишком длинные тайтлы. В-третьих, они могут игнорировать слишком длинные слова. И тут могут быть варианты. То есть слово может обрезаться, а может и просто не индексироваться. Насколько я проверил, Яндекс слово не обрезает, хотя в закешированной текстовой версии слово есть, значит Яндекс новую версию странички сжевал.

-думаю, что Яндекс не ищет по длинным словам и не обрезает. Может, ему просто западло показывать эти длинные слова в поиске? Они длинные и неудобные… И, соотвественно, искать по ним неудобно. Пример:
по запросу студия артемия лебедева ваш && партнер показывается тайтл:

Студия Артемия Лебедева – ваш …

А по запросу поиска внутри сайта слова партнер показывается:

Студия Артемия Лебедева – … партнер

Т.е., слова до и после длинного яндекс знает, ему просто западло его в выдачу отгружать. При малейшем добавлении в запрос слов из тех, что ДО экстраультрагиперпупервротебупермегасупернадежный – конец обрезается многоточием.
UPD.
Рамблер тоже – слова не находит, но в выдаче показывает и болдом что надо выделяет:

Студия Артемия Лебедева — ваш экстраультрагиперпупервротебупермегасупернадежный партнер