В текущей работе представлена методология по автоматической оптимизации качества поиска посредством использования данных кликабельности. Алгоритм обучения функции ранжирования Ranking SVM может эффективно приспосабливать поиск к определенной группе пользователей, превосходя Google с точки зрения качества результатов органической выдачи.
В данном исследовании компании Яндекс предлагается новый эффективный алгоритм, который вычисляет веб-сайты, занимающиеся распространением вредоносного программного обеспечения. Для этих целей конструируется двудольный граф с двумя типами узлов: интернет-сайты и файловые хостинги.
В настоящем исследовании предлагается подход, позволяющий идентифицировать релевантные источники информации на основании истории скомбинированных поведенческих данных множества пользователей, которые собираются на поиске, а также при просмотре страниц интернет-сайтов.
Данная небольшая аналитическая статья представляет собой обзор таких методов персонализации классического алгоритма Google PageRank, как Topic-Sensitive PageRank, Modular PageRank и BlockRank. Она будет интересна, прежде всего, неискушенному читателю.
Продолжая серию публикаций, посвященных попарным подходам, мы переходим от алгоритма Ranking SVM к описанию и анализу следующей эффективной методологии ранжирования, которая называется RankBoost.
В этой статье доказывается, что такие алгоритмы ссылочного ранжирования как PageRank и HITS, отдавая предпочтение старым документам, не берут в расчёт фактор времени: качественные в прошлом, интернет-страницы могут потерять своё качество на данном временном интервале или в перспективе. Результаты экспериментов показывают, что новые подходы являются крайне эффективными.
Относительно недавно Google реализовал новый алгоритм ранжирования под названием «Колибри». В текущем материале представлена точка зрения, в соответствии с которой это нововведение будет способствовать развитию как контентного, так и входного маркетинга.
В текущей работе предлагается методология идентификации сайтов, чья гиперссылочная структура подверглась хиджакингу — одному из основных типов ссылочного спама. Подобного рода веб-сайты сами по себе могут являться надежными, однако их содержимое ссылается на неблагонадежных соседей.
Познакомившись в предыдущей части с теоретической основой алгоритма RankBoost, мы переходим к анализу тех экспериментальных результатов, которые были достигнуты при его использовании для различных задач.
В данной классической работе Сергея Брина и Лоуренса Пейджа, которая была написана в соавторстве с Р. Мотвани и Т. Виноградом, рассматривается методология упорядочивания хаотической структуры интернета посредством алгоритма ссылочного ранжирования Google PageRank.