Качественный поиск
Основная функция поисковой системы — это, как известно, выдача ссылок на запрос интернет-пользователя. Выдача ссылок производится поисковыми роботами из индексов – базы данных веб-сайтов, известных определенной поисковой системе. Количество потенциально подходящих ответов на запрос может быть просто огромным, ведь количество сайтов растет с каждым днем. Пользователю придется пересмотреть сотни сайтов, прежде чем он найдет подходящий своему запросу. Чтобы предотвратить такую ситуацию поисковые системы используют в своей работе критерий ранжирования – определение порядка согласно релевантности сайтов. Однако чтобы разместить сайты в наиболее правильном порядке, необходимо «научить» поисковую систему этому, задать алгоритм.
Алгоритм машинного обучения MatrixNet
Известно, что поисковая система Яндекс получает более 120,000,000 запросов ежедневно. Примерно половина из этих запросов уникальна. Чтобы выдать ответ на все запросы машина должна определить, является ли конкретный сайт подходящим ответом на запрос пользователя или нет. Для этой цели Яндекс разработал специальный алгоритм машинного обучения MatrixNet. Благодаря этой системе поисковые роботы стали учитывать больше критериев ранжирования. Эти критерии стали важным фактором в решении вопроса, какой ответ наиболее релевантен. Поисковой машине необходимо принимать во внимание несколько факторов, таких как статистический фактор, динамический фактор и фактор поиска. Статистический фактор учитывает количество употребления слов из запроса на веб-странице. Динамический фактор оценивает и саму веб-страницу и запрос. Так же учитывается географический фактор. Для поисковой машины важно, откуда был задан запрос.Однако, для получения полноценного, качественного результата, в этом алгоритме не хватает «человеческого» фактора. В этом деле на помощь приходит асессор – специалист, который принимает решение о релевантности сайта, его соответствии запросу пользователя. асессор помещает релевантные веб-страницы в индекс или же блокирует их. Можно сказать, что асессор является последней инстанцией попадания сайта в индекс поисковой машины. Следует признать, что в настоящее время количество сайтов настолько велико, что даже армии асессоров не хватит для работы с ними. Важной задачей остается обучение машины функциям асессора для чего и была разработана система Matrix.
Как работает система MatrixNet
В 2009 Яндекс объявил о появлении продукта MatrixNet – нового алгоритма обучения поисковых машин. Усовершенствование формул ранжирования, применение специальных математических формул помогло системе MatrixNet занять достойное место среди алгоритмов машинного обучения.Важной особенностью MatrixNet является то, что формула ранжирования доступна для настроек и изменений. Можно построить формулу, учитывающую множество критериев, что обеспечит более nточный поиск. Формулу ранжирования можно настраивать для запросов узкой специальности. Например, улучшив качество только по запросам про кино, ранжирование по другим классам ухудшиться.
Компания Яндекс позиционирует MatrixNet как устойчивый к переобучению продукт, надежный и гарантирующий качество алгоритм по обучению поисковых машин. Количество сайтов в интернете неизменно растети одновременно совершенствуется алгоритм MatrixNet.
С появлением алгоритма MatrixNet отношение Яндекса к ссылкам изменилось. Раньше оптимизатор мог обойти любого конкурента в топе, просто увеличив ссылочный вес.
С введением MatrixNet вес ссылки стал коррелировать с качеством акцептора. Seo-ссылки стали определяться поисковой системой и учитываться по-разному для коммерческих и некоммерческих запросов. Добавились временные факторы влияния ссылок и стала учитываться “ссылочная история”. Кроме того, появилась корреляция процента вхождений в анкоры с вхождениями в текст страницы. Другими словами, появилась устойчивая взаимозависимость внешних ссылок и других факторов ранжирования, сильно уменьшилось влияние ссылочной массы на позиции.
Войти
