Upload
-
View
1.641
Download
0
Embed Size (px)
Citation preview
Что будет рассмотрено?
- Основные фильтры и логика их применения.
- Методы распознавания спама/некачественных текстов поисковыми системами.
- Как распознать наложенные санкции поиска.
- Как избежать наложения санкций.
Основные фильтры
■ Доменный спам-фильтр от Яндекса.
■ АГС от Яндекса.
■ «Панда» от Гугла.
■ Фильтрация дублей.
■ Документные фильтры от обеих ПС.
Что такое некачественный текст?■ Создан для накрутки текстовых факторов ранжирования.
■ Является сгенерированным
■ Или просто «некачественным»
■ Содержит
Методы выделения спама
«Статистические»
Вычисление метрик текста и сравнение их с неким «эталоном»
«Лингвистические»
Разбор текста согласно законам языка, выявление неестественных языковых конструкций.
Статистические
■ Основа метода – сравнение статистических метрик текста с «эталоном»
■ Примеры статистических метрик:
- Средняя длина/диспесия длины слов/предложений.
- Доля/дисперсия по предложениям частей речи.
- N-граммные вероятности.
- Закон ципфа
И.т.д.
Важно! Ни одна из метрик не может быть использована отдельно.
Лингвистические
Основная метрика – выявление неестественных лингвистических конструкций.
Такие конструкции порождаются ошибками шаблонизации
«купить телевизор» – ок.
«купить стиральная машина» – не ок.
И попытками впихнуть неестественные вхождения
«телефоны самсунг цена»
Санкции
■ Понижение в ранжировании документа.
■ Понижение в ранжировании хоста целиком.
■ «Карантин»
(предназначен для отбивания охоты искать порог спама)
Документные санкции
Основные признаки:
- Понижение позиций по всем запросам (иногда включая цитатный поиск).
- Документ становится не релевант
Важно не путать санкцию с выпадением из «окна» хороших для ранжирования значений.
Google Panda
За что накладывается:
- Некачественные/спамные тексты на сайте.
- Дубликаты с других доменов или внутри сайта.
Особенности:
- Пенальти на весь хост.
- Возможно как резкое, так и плавное снижение позиций/трафика.
Как определить:
- “Panguin Tool”
- Падение не связано со ссылками или индексацией.
Хостовое пенальти от Яндекса
За что накладывается:
- Некачественные/спамные тексты на сайте.
Особенности:
- Пенальти на весь хост, даже если спам-текстов несколько.
- «Карантин» - от 1го месяца.
Как определить:
- Единомоментная (в 1 апдейт) просадка трафика (в 2 и более раза)
(а также проседание по всем позициям, за исключением витальных. Чем больше конкурентность запроса – тем больше проседание.
- Платон подтверждает.
АГС
■ Фильтр создан преимущественно для «отстрела» ссылочных доноров.
■ Однако, содержит текстовые метрики.
■ Сайт может попасть под «АГС» за тексты даже не имея платных внешних ссылок.
■ Основной текстовый критерий – «качество».
Проверка на дубликаты
Основной метод – проверка по шинглам.
+ Хорошие результаты по обнаружению заимствованных фрагментов.
- Необходимость делать много запросов.
- Невозможность удалить предлоги.
Согласованность текста
Генерацию шаблонов выполняем с использованием числа и падежа вхождения
(Осторожно при использовании автоматических склоняторов. Бывают баги).
Тексты проверяем на согласованность силами любого текстового редактора (например – Microsoft Word)
АнтиводаОсновной метод – выделение «водных» частей речи и проверка по словарям «водных» слов.
+ Быстро
+ Позволяет выделять совсем плохие тексты
- Не анализирует тематичность.
-
- Выделение по частям речи имеют ограничения
(например, наречия обычно бывают «водными», но «недорого» - не вода).
Частотный словарь по топ-10?
+ Достаточно просто.
+ Возможность выловить некоторые тематические слова.
- Выловим также всю воду в топе, ибо:
Не факт, что основой формирования топа стали тексты.
Ситуации, когда «спам-фильтр отвернулся»
Антивода 2.0Языковые модели для пословной оценки тематичности слов текста.
+ Гораздо более качественно
+ Оценивается каждое (!) слово.
+ Оценка не абстрактна, а в привязке к запросу.
- Мы ограничены качеством текстов в коллекции по теме.
- Проверка требует несколько запросов на каждое слово.
- Качество оценки падает на однословных и 4+ словных запросах.
«Акварель»Гибридная униграммная языковая модель.
(Три запроса на каждое слово).
Доступна на Just-Magic.org
Промо-код на лимитиы «Акварели» aquafox (действует только сегодня)