किसका आकारिकी बेहतर है? Yandex बनाम Google

एक राय है कि यांडेक्स की रूसी आकृति विज्ञान को Google की तुलना में बेहतर तरीके से लागू किया गया है। इस लेख में, मैं दिखाऊंगा कि यह बिल्कुल विपरीत है।


सेराब के लिए मेरे लेख का यह लेख रूपांतर हैबर के लिए है

रूसी आकारिकी

रूसी भाषा में, कई सौ हजार शब्द, जिनमें से प्रत्येक शब्द के विभिन्न रूपों में हो सकता है। उदाहरण के लिए, एक विशेषण 100 शब्द रूपों में हो सकता है:



नतीजतन, अगर हम रूपात्मक शब्दकोश "माथे" रखते हैं, तो हमें लगभग 500 एमबी की आवश्यकता होती है। 500,000 (शब्दों की संख्या) * 75 (शब्द रूपों की संख्या की तुलना) * (10 (शब्द की लंबाई की तुलना करें) + 4 बाइट्स (शब्द संख्या संख्या को बचाने के लिए शब्द संख्या + 2 बाइट्स को बचाने के लिए) । गति करने के लिए, आपको यह सभी डेटा स्मृति में रखने की आवश्यकता है, और खोज इंजन के मामले में गति महत्वपूर्ण है।

एक "संपीड़ित" दृश्य है। कई शब्दों का एक ही रूप में एक ही अंत होता है। उदाहरण के लिए, "महान" और "पराक्रमी।" हमें केवल शब्द की शुरुआत ("महान" और "शक्तिशाली") और समूह संख्या को बचाने की आवश्यकता है। नतीजतन, हमें लगभग 5mb चाहिए। 500,000 * (8 (cf. प्रारंभ लंबाई) + 2 (समूह संख्या)) । हालांकि, इस मामले में, आधार में कलाकृतियां होंगी।

कलाकृतियों

क्रियाओं को करने के लिए ( करने के लिए ) कई कार्य नहीं हैं। इसलिए, प्रतिभागियों और प्रतिभागियों के एक संक्षिप्त डेटाबेस में, उन्हें क्रिया के क्रिया रूप माना जाता है, और अलग-अलग शब्द नहीं।
लेकिन क्रियाओं को एक आदर्श रूप में परिवर्तित करने के नियम (do-> do, buy-> buy, search-> find) अनगिनत हैं; इसलिए, एक संकुचित आधार के लिए, एक पूर्ण और अपूर्ण रूप की क्रियाएं अलग-अलग शब्द हैं।
ये कलाकृतियाँ केवल उन खोजों के लिए महत्वपूर्ण हैं जिनमें शब्द रूपों को संयोजित करने के लिए आकृति विज्ञान का उपयोग किया जाता है।

Yandex

यैंडेक्स न केवल शब्द रूपों पर प्रकाश डालता है, बल्कि पर्यायवाची भी है। हालाँकि, पर्याय हाइलाइटिंग को "+" ऑपरेटर के उपयोग से बंद किया जा सकता है।


Yandex में क्रियाओं के सही और अपूर्ण रूप के बीच संबंध समानार्थक शब्द के माध्यम से आयोजित किया जाता है, न कि आकृति विज्ञान के माध्यम से।
लेकिन क्रिया और प्रतिभागियों के संबंध को आकृति विज्ञान के माध्यम से महसूस किया जाता है।

इस तस्वीर में, रूपात्मक शब्दकोश की संपीड़न कलाकृतियाँ स्पष्ट रूप से दिखाई देती हैं। दूसरे शब्दों में, यैंडेक्स संपीड़न का उपयोग करता है।

जारी करने में अंतर

शायद बैकलाइट सिर्फ "दिमाग के पीछे है।" हालाँकि, उच्च-आवृत्ति वाले प्रश्नों के लिए, पर्यायवाची हाइलाइटिंग स्वयं बंद हो जाती है। इससे पता चलता है कि समानार्थक शब्द के मामले में बैकलाइट मस्तिष्क के साथ जुड़ा हुआ है - यह बस उस तरह से बंद नहीं हो सकता है। इसके लिए एकमात्र स्पष्टीकरण यह है कि परिणामों में पर्याप्त परिणाम हैं और यांडेक्स समानार्थक शब्द द्वारा खोज को जोड़ने के बिना संसाधनों को बचाता है।

जारी करने में अंतर अच्छी तरह से दोनों रूपों और कृदंत में एक क्रिया युक्त प्रश्नों में मनाया जाता है। उदाहरण के लिए, "एनिमा बनाएं", "एनीमा बनाएं" और "एनिमा बना लें" यदि आप उन्हें यैंडेक्स और Google में टाइप करते हैं।

जारी करने की गुणवत्ता पर प्रभाव

हमने यैंडेक्स आकृति विज्ञान की कलाकृतियों की उपस्थिति और इस तथ्य को दिखाया कि वे रैंकिंग को प्रभावित करते हैं, हालांकि वे जारी करने की गुणवत्ता को प्रभावित नहीं कर सकते हैं। हालांकि, मैं यैंडेक्स में कुछ अपवादों को खोजने में कामयाब रहा: आकृति विज्ञान के स्तर पर खरीद और खरीद, प्लक और प्लक, भेजना और भेजना। एकमात्र परिकल्पना कि ये अपवाद क्यों दिखाई दिए कि उन्हें आउटपुट में सुधार करने के लिए जोड़ा गया है। नतीजतन, कलाकृतियों, कम से कम विशेष मामलों में, बिगड़ा उत्पादन।

गूगल

Google असम्बद्ध आकारिकी का उपयोग करता है। कम से कम, "संपीड़न कलाकृतियों" मुझे नहीं मिला।

Google में रूसी भाषा के औपचारिक मॉडल की एकमात्र असंगतता आकृति विज्ञान में सामान्य ( अच्छा ) और उत्कृष्ट ( सर्वोत्तम ) विशेषणों की डिग्री को अलग किया जाता है। वे संभवतः पर्यायवाची के रूप में जुड़े हुए हैं, हालाँकि, Google समानार्थक शब्द को उजागर नहीं करता है।

इसे एक संपीड़न विरूपण साक्ष्य के रूप में नहीं समझाया गया है, क्योंकि विशेषणों के रूपों (सुंदर-> सुंदर, स्मार्ट-> सबसे चतुर) के लिए बहुत सारे नियम नहीं हैं और न ही AOT.ru डेटाबेस और न ही Zaliznyak का शब्दकोश विशेषणों के रूपों को साझा करता है।

डिग्री में विशेषणों के अलगाव को प्रत्यर्पण की गुणवत्ता के अनुकूलन द्वारा समझाया गया है। विशेषणों की डिग्री उनके "रंग" को बदल देती है, शब्द रूपों की तुलना में उनके अर्थ संबंध को समानार्थी शब्द के समान बना देती है। उदाहरण के लिए, क्वेरी "अर्थपूर्ण फ़ोटो" "सुंदर फ़ोटो" की तुलना में "सुंदर फ़ोटो" के अधिक निकट है।

यह भाषा के सहज विचार से मेल खाता है। कई बार मैं इस तथ्य से मिला कि "अच्छा" और "बेहतर" ने उदाहरण का हवाला दिया कि यांडेक्स समानार्थक शब्द समझता है।

ऐसा क्यों हुआ?

यैंडेक्स में आकृति विज्ञान लगभग 10 साल पहले लिखा गया था, और फिर 500 एमबी। कई सौ सर्वरों की मेमोरी में एक पैसा खर्च हो सकता है। तब से, स्मृति की कीमत में गिरावट आई है, लेकिन आकृति विज्ञान में बदलाव से यैंडेक्स डेटाबेस में परिवर्तन का एक पूरा झरना बन जाएगा। इसलिए, यैंडेक्स आकृति विज्ञान के एक संकुचित रूप का उपयोग करता है।
Google मूल रूप से एक अंग्रेजी खोज इंजन था। अंग्रेजी में, शब्दों के केवल कुछ शब्द रूप होते हैं और आकारिकी को संकुचित करने का कोई अर्थ नहीं होता है। जाहिर है, इसलिए, Google की रूसी आकारिकी संपीड़न का उपयोग नहीं करती है।

कुल मिलाकर

Google की आकृति विज्ञान का आयोजन "अधिक सही ढंग से" और यांडेक्स की तुलना में थोड़ा बेहतर है। विडंबना यह है कि इसका कारण Google का अंग्रेजी मूल है।
हालाँकि, आकृति विज्ञान मुद्दे में कई पहलुओं में से एक है। यह कहने के लिए कि Google के पास केवल आकृति विज्ञान के आधार पर यांडेक्स की तुलना में बेहतर परिणाम हैं, माथे की ऊंचाई से खुफिया का मूल्यांकन करने के समान है। लेख का उद्देश्य इस विश्वास को दूर करना था कि Google पर आकृति विज्ञान यांडेक्स की तुलना में कम व्यवस्थित है।