डिजाइनिंग सर्च इंजन एल्गोरिदम - वेबसाइट डिजाइन सफलता और अनुकूलन के लिए पथ

प्रविष्टि

विशिष्ट सबस्टेशनों में साइट को बढ़ावा देने और विकसित करने के तरीकों को विकसित करने का सबसे आसान तरीका है कि आप अपना सबस्टेशन विकसित करें।
मैं जटिल एल्गोरिदम को लागू करने के बारे में बात नहीं कर रहा हूं, हमें सार समाधान की आवश्यकता है। आप बस एल्गोरिथ्म के एक सरलीकृत मॉडल की कल्पना कर सकते हैं और इसके साथ काम कर सकते हैं। सभी संबंधित मापदंडों को प्राप्त करने का प्रयास करना महत्वपूर्ण है। उदाहरण के लिए, अनुमानित कार्यान्वयन समय, सर्वर लोड और एल्गोरिथ्म रनिंग टाइम। इन मापदंडों को मापने से, आप बहुत सी अतिरिक्त जानकारी प्राप्त कर सकते हैं और इसे अपने उद्देश्यों के लिए उपयोग कर सकते हैं।
अधिकांश नौसिखिए वेबमास्टर्स और ऑप्टिमाइज़र "मुझे चाहिए" की अवधारणाओं से आते हैं। मैं चाहता हूं कि पीएस सभी लिंक को बहुत अच्छा वजन दे, मैं चाहता हूं कि गैर-अद्वितीय सामग्री अच्छी तरह से अनुक्रमित हो, आदि। हालांकि, वास्तव में, सब कुछ अलग है, और कई इसे गलत मानते हैं। इसी समय, वे यह बिल्कुल नहीं सोचते हैं कि अगर सभी अपनी इच्छा से काम करते हैं, और पैमाने को ध्यान में रखते हुए इंटरनेट क्या होगा। संघर्ष का केवल एक ही प्रकार है - दुश्मन के पक्ष में स्विच करना, हमारे मामले में, पीएस के पक्ष में। धोखाधड़ी, स्पैम और कम-गुणवत्ता वाली साइटों का मुकाबला करने के तरीकों और एल्गोरिदम को विकसित करके, आप न केवल विकासशील संसाधनों के लिए सही कार्यप्रणाली पा सकते हैं, बल्कि उन जगहों पर पाई गई कमजोरियों का भी लाभ उठा सकते हैं जहां खोज इंजनों के लिए समस्या को हल करने के लिए एक एल्गोरिथ्म खोजना वास्तव में मुश्किल है।

मैं खुद से शुरुआत करूंगा

मैं इस एल्गोरिथम के लिए अद्वितीय होने का दिखावा नहीं करता, मैं केवल उपरोक्त सभी प्रकार के एल्गोरिदम के विकास के आधार पर खोज करता हूं, जो कि विकास के लिए नहीं, बल्कि इन सभी एल्गोरिदम के मूल विचारों का उपयोग करने के लिए है।
मौजूदा लोगों पर आधारित नए ग्रंथों की विशिष्टता की जांच के लिए एक एल्गोरिथम के विकास के दौरान एक दिलचस्प विचार मेरे पास आया। मुख्य एल्गोरिथ्म यह था: तैयार ग्रंथों का एक डेटाबेस है और एक बफर बेस जहां नए ग्रंथ रखे जाते हैं, बफर में रखे जाने के बाद इन ग्रंथों को मुख्य डेटाबेस में विशिष्टता के लिए जांचा जाता है और, यदि पाठ पूरी तरह से अद्वितीय है, तो इसे मुख्य डेटाबेस में रखा जाता है, और यदि नहीं फिर ऐसे पाठ को हटा दिया जाएगा। समस्या यह थी कि पूर्ण पाठ की चरित्र-दर-वर्ण तुलना उपयुक्त नहीं थी, और विकसित किया जा रहा एल्गोरिथम पूर्ण रूप से खोज नहीं करता था, लेकिन मुख्य डेटाबेस के ग्रंथों में नए पाठ से अंशों की खोज है। मैंने पाया टुकड़ों को एक (दूसरे) पाठ में एक दूसरे से संबंधित शब्द संख्याओं के दो स्थानों के रूप में चेक किए गए (नए) पाठ की एक सरणी में डाल दिया।

और, यहां, मैंने एक दिलचस्प घटना पर ध्यान दिया, जिसके साथ मैं साझा करना चाहूंगा। नए पाठ की जांच करने के बाद, मुख्य डेटाबेस से पाठ पहचानकर्ताओं की सूची और इन पहचानकर्ताओं के लिए संयोग अंतराल को केवल अंतिम चेक किए गए पाठ में रखा गया है। आपने शायद सोचा था कि इन समान खंडों को मुख्य आधार से पाठ में रखा जा सकता है, लेकिन यहां सवाल उठता है: ऐसा क्यों करते हैं? मूल आधार पहले ही बन चुका है और सभी अनुरोधों और आवश्यकताओं के अनुरूप है। केवल नए पाठ का परीक्षण किया जाता है, और समाप्त डेटाबेस के साथ जोड़तोड़ अतिरिक्त भ्रम पैदा करेगा।

इस प्रकार, हमारे पास निम्न चित्र है:

मान लीजिए कि PS के पास 10 नए दस्तावेज़ हैं, विशिष्टता के लिए जाँच करने के बाद यह पता चला कि दस्तावेज़ 2 में एक है, और दस्तावेज़ 8 में चार मुख्य आधार हैं। फिर, एक और 10 दस्तावेज़ जोड़े जाते हैं, जिसमें चौथा दस्तावेज़ पहले दस के 8 वें का एक डुप्लिकेट है, इस प्रकार, दूसरे दस के चौथे दस्तावेज़ में पाँच डुप्लिकेट की एक सरणी होती है, और पहले दस के 8 वें दस्तावेज़ में अभी भी चार डुप्लिकेट हैं, हालांकि कुल मिलाकर इन ग्रंथों के पाँच भाग हैं।

हमें पहली मीट्रिक मिलती है: पाठ के डुप्लिकेट की संख्या एक स्थिरांक के रूप में अनुक्रमण के समय।

लेकिन यह केवल पाठ का तकनीकी पक्ष है, इसके अलावा एक विषय भी है - यह एक संक्षिप्त टैग है जो यह बताता है कि पाठ में क्या सुनाया जा रहा है, इसलिए हम इसे विषयगत टैग कहेंगे। मान लीजिए कि PS विषयगत टैग "हेयर केयर" के साथ 10 दस्तावेजों के बारे में जानता है। वास्तव में, ये 10 समान दस्तावेज हैं, हालांकि, तकनीकी पक्ष से डुप्लिकेट हमेशा 100% से कम होते हैं। नतीजतन, पीएस, पहले मीट्रिक से तकनीकी की संख्या के समान है, मौजूदा मुख्य आधार पर एक नए दस्तावेज़ के लिए विषयगत की संख्या की गणना करता है।

इससे हमें दूसरी मीट्रिक मिलती है: दस्तावेज़ के विषयगत टैग की संख्या।

अब ऊपर वर्णित मैट्रिक्स के आधार पर उपलब्ध दस्तावेजों को रैंक करने का प्रयास करते हैं। पहली नज़र में, ये दो मैट्रिक्स, निश्चित रूप से केवल लोगों के रूप में नहीं लिए गए हैं, लेकिन मुख्य के रूप में, काफी पर्याप्त हैं। हालांकि, यहां तीसरा मीट्रिक आता है, जो उदाहरण के अंत में दिखाई देगा।

मान लीजिए कि एक पीएस को ऊपर वर्णित "बालों की देखभाल" टैग के साथ 50 दस्तावेजों को रैंक करने की आवश्यकता है। ऐसा करने के लिए, हम ऊपर पाए गए दो मीट्रिक के आधार पर एक एल्गोरिथ्म का निर्माण करते हैं।

हम पहली मीट्रिक को मुख्य के रूप में लेंगे, क्योंकि पाठ की तकनीकी विशिष्टता बेहतर है और हम पहले 50 मीट्रिक, पहले और फिर दूसरे द्वारा बहुविध रूप से उपलब्ध दस्तावेजों को क्रमबद्ध करेंगे। अब परिणामी छँटाई से निष्कर्ष निकालने की कोशिश करते हैं:

1. पहली छंटनी के बाद, न केवल तकनीकी रूप से अद्वितीय दस्तावेज पहले पदों पर दिखाई दिए, बल्कि बड़ी संख्या में डुप्लिकेट के साथ दस्तावेज भी थे, हालांकि सबसे पुरानी तारीख है।
2. पिछले पदों में न केवल अनूठे दस्तावेज थे, बल्कि उपस्थिति के शुरुआती तारीखों के साथ अद्वितीय दस्तावेज भी थे, जो कि दूसरे मैट्रिक द्वारा छांटने के कारण वहां मिले थे।

वर्णित निष्कर्षों के आधार पर, नए बेक्ड साइट के पहले स्थानों पर पहुंचना बहुत मुश्किल है और यह आगंतुकों की संख्या में वृद्धि करने की विधि को बताता है जो कि बहुत से प्रिय हैं - समान और एकल-विषय दस्तावेजों और साइटों के बड़े संस्करणों पर मुहर लगाना। किस आधार पर - निम्नलिखित मीट्रिक बस भीख माँगती है, स्वीकार्य स्तर पर दस्तावेजों की संख्या को सीमित करती है।

तीसरा मीट्रिक: खोज क्वेरी के आधार पर गणना की गई आगंतुकों की मांग को पूरा करने के लिए आवश्यक दस्तावेजों की संख्या।

तीसरे मीट्रिक के अनुसार, दस्तावेजों का वह हिस्सा जो इसकी संख्या से अधिक है, ऊपर वर्णित क्रमबद्ध सूची के अंत से हटा दिया गया है। यह, कम से कम, बहुत लोकप्रिय और प्रतिस्पर्धी विषयों पर ताजा साइटों के त्वरित प्रस्थान की व्याख्या करता है।

परिणाम

बेशक, वर्णित मीट्रिक बुनियादी हैं, लेकिन केवल वही नहीं हैं, मैंने पहले ही लेख में इसका उल्लेख किया है। यदि आप परिणामी एल्गोरिथ्म का अच्छी तरह से विश्लेषण करते हैं, तो आप एक अधिक सटीक विश्लेषण के लिए एक दर्जन और एक आधा नाबालिग मैट्रिक्स जोड़ सकते हैं, लेकिन यह, जैसा कि वे कहते हैं, इस लेख के दायरे से परे है।