Pull to refresh

Comments 5

Другими словами, Вы создали модель скрытых параметров скорингового алгоритма Гугла и роевым способом нашли эти параметры. Теперь, имея модель, похожую на модель скоринга Гугла, можно подбирать такие параметры своих сайтов, что-бы иметь высокий скоринг, а значит — высокую позицию в выдаче.

Умное решение. Но Гугл тоже самообучающийся, и заметив падение релевантности от вашего поискового спама, будет изменять свою скоринговую модель. Получается наличие обратной связи в системе «скоринг Гугла — ваша модель скоринга гугла». Обратная связь даст колебания и прочие эффекты — будет забавно за этим понаблюдать.
заметив падение релевантности

Качества поисковой выдачи вы имели в виду?
С точки зрения оценки ответ может быть релевантным, даже если имеется какой-то спам(например спамные ссылки).

Получается наличие обратной связи

Если этим пользуется один оптимизатор/агентство, то и сайтов с такими признаками немного. В общей массе это может быть на уровне погрешности. Другое дело, если это уйдет в массы и все подряд будут использовать одну и ту же технику.
Не совсем понятно, что же за функцию вы оптимизируете. «Самокалибрующаяся поисковая модель» звучит слишком обще…
Из текста я понял, что функция должна предсказать рейтинг сайте в выдаче гугла/яндекса. А какие параметры подаются на вход? И почему обычные методы оптимизации как градиентный спуск или ньютоновский метод не подходят?
Очень интересно) а что вы в итоге используете из библиотек?
как реализовали?
Sign up to leave a comment.

Articles