DE
Может кто ни будь подсказать по футпринтам для веб 2.0? Ну кроме разной структуры и контента. Нужно ли прям хардкорить через прокси, виртуальное железо, разные не гугловские почты, разные браузеры и т.д?
Size: a a a
2021 April 23
АГ
Не, мыж вроде с lsi начали
ЕМ
А что с ним не так? Ну кроме самого метода, ясное дело что ПС его не используют. Был человек который заморачивался и на Питоне пытался строить LSI+связанные запросы и там все было довольно неплохо, до 70% совпадений.
ЕМ
Я еще обрезанную часть выложил ибо были еще фильтры по медицине и юр.
ЕМ
Да я погуглил, уже сервиса нету, возможно Ашманов денег хочет.
АГ
Ну в том что мы получили частотный словарь топа и как потом его классифицировать и чистить не нужное
АГ
Интересно почитать полную, эта прям огонь
ЕМ
частотный словарь? Это что такое?
ЕМ
АГ
Условно, спарсили страницы сайтов топа по заданому ключу. И посчитали сколько раз встречаются те или иные слова и фразы за минусом стоп слов
АГ
До этого просто сниппеты парсили
ЕМ
Ну эту проблему Мегаиндекс еще лет 5 назад решил. Был еще человек который пытался найти вся сем. связанные слова. Там было все неплохо но есть одна проблема. Пока по ВЧ-СЧ пробиваешь все норм. А как только НЧ и запросы где в выдаче каша - ерунда получается.
ЕМ
Вот было обсуждение https://searchengines.guru/ru/forum/1022504
АГ
Про мегаиндекс трже вчера говорили, что у них тоже есть классификатор
ЕМ
Я к тому что есть определение тематики https://ru.megaindex.com/a/wordinfos вполне норм работает.
А также есть по запросу https://ru.megaindex.com/a/textanalysis
тот же TF*IDF.
А также есть по запросу https://ru.megaindex.com/a/textanalysis
тот же TF*IDF.
АГ
Для нч как раз наверное чтобы не было каши и нужно классифицировать и устанавливать порог вхождения для lsi