Заказать SEO-услуги
Согласен с правилами обработки персональных данных
Скорость ответа - до 30 минут!

Блог(укр)    Web-аналітика    Supervised Nested PageRank

Supervised Nested PageRank

like 78
34
24
20

Доповідь, яку Яндекс представив на конференції CIKM 2014, для SEO-фахівців без наукового ступеня з математики буде складною для сприйняття. Тому ми доповнили її переклад роз’ясненнями Іллі Зябрева й Олега Пожаркова. Вони проливають світло на представлену співробітниками Яндексу розробку SupervisedNestedPageRank.

Maxim Zhukovskiy Gleb Gusev Pavel Serdyukov

16 Leo Tolstoy St., Moscow, 119021 Russia
{zhukmax, gleb57, pavser}@yandex-team.ru

Анотація

Ранжування на основі графів широко використовується в багатьох областях, таких, як інтернет-пошук і соціальні дослідження. Одні з перших методів ранжирування з використанням графів (наприклад, PageRank і HITS) застосовували для обчислення оцінок виключно їх (графів) структури.

Розроблені нещодавно методи, такі, як Semi-Supervised Page-Rank, використовують і структуру графа, і зовнішні дані, пов’язані з його вузлами і ребрами. Такі алгоритми засновані на моделях випадкових блукань з урахуванням вихідних ваг вузлів і ребер, які залежать тільки від їх властивостей. У таких моделях вихідні ваги вершин і ребер визначаються тільки їх власними характеристиками, проте ці величини можуть також бути пов’язані з властивостями їх “сусідів”. Дана стаття присвячена завданню “зважування” вузлів і ребер на основі цієї ідеї та її реалізації у вигляді загальної моделі ранжирування, а також ефективному алгоритму налаштування її параметрів.

Читати повністю

Роз’яснення до статті Іллі Зябрева й Олега Пожаркова:

Стаття, присвячена новій моделі, названій Supervised Nested PageRank (SNP), дослівний переклад назви якої означає щось на зразок Керований Вкладений PR, виключно з наукової точки зору вельми і вельми хороша. Дана розробка «вчених Яндексу» являє собою потужну теоретичну технологію, призначену для вирішення великої кількості різноманітних завдань, у тому числі і в області інформаційного пошуку. А ось її практична корисність поки викликає сумніви, принаймні, представлені у статті результати не вражають. Але про все по черзі.

Читати повністю

Подписаться на рассылку

Еще по теме:


Елена Камская

Почала IT-кар'єру в 2005 році як лінкбілдер. Захопилася SEO, особливо лікування сайтів від пошукових санкцій. Через п'ять років створила команду SEO-аналітиків, яка виросла в SiteClinic. Займаюся стратегічним розвитком компанії. Постійно навчаюсь. У бізнесі, як і в житті, важливо робити добро.

Оцените мою статью: 

1 Star2 Stars3 Stars4 Stars5 Stars (6 оценок, среднее: 4,83 из 5)

Есть вопросы?

Задайте их прямо сейчас, и мы ответим в течение 8 рабочих часов.

Наверх