Факторы ранжирования Яндекса, которые утекли в сеть

0 48

На прошлой неделе пользователи форума Hacker News сообщили, что обнаружили в сети исходные коды сервисов Яндекса почти на 45 GB. В компании подтвердили публикацию исходных кодов части проектов из внутреннего репозитория, указав, что их содержимое отличается от текущей версии репозитория, которая используется в сервисах Яндекса. Персональные данные пользователей при этом не пострадали.

Заинтересовавшиеся архивом специалисты обнаружили в нем много папок типа: antirobot, captcha, extsearch, kernel, metrika, robot, search, wmconsole, что указывает на то, что был слит полный репозиторий Search Engine and Indexing Bot. 

В папке kernel.tarweb_factors_info лежит файл с 1922 факторами ранжирования Яндекса, включая неиспользуемые (unused) и отмененные (deprecated). В целом, получается 690 потенциально рабочих факторов ранжирования, которые учитываются Яндексом. 

Среди них отмечены следующие, которые в общем-то ни для кого не являются секретом:

  • PageRank
  • Возраст и число входящих ссылок
  • Порядок слов в ссылках
  • Линковая релевантность с учетом тематичности
  • Линковая релевантность с учетом некоммерческости каждой ссылки
  • Вес слов запроса, которые есть в линках
  • Отношение числа входящих ссылок, текст которых является URL, к числу всех входящих ссылок
  • Наличие https-протокола
  • Наличие турбо-страницы
  • Доля заглавных букв в Title
  • Доля прямых заходов среди всего входящего трафика
  • Количество переходов с Википедии
  • Региональная посещаемость из ПС по конкретному запросу
  • Возвращаемость пользователя на url
  • BM25 по текстам и линкам со спец. весами по уровню совпадения (форма, лемма, синоним)
  • Вес слов запроса, которые есть в тексте в точной форме
  • Возраст документа и дата последнего обновления
  • Наличие на странице встроенных карт
  • И т.д.
  • Есть и забавные факторы, например, «фактор гадкости контента», «нейронная документная модель для поиска неожиданной жести» и даже «значение детектора свежести, рассчитываемого в бегемоте».

    Некоторые пользователи форума Searchengines.guru считают, что это не описание факторов ранжирования,  а скорее задания или указания для разработчиков или тестировщиков. Тем более, что большинство факторов содержат ссылки на внутреннюю вики, к которой нет доступа. 

    В любом случае все согласны, что архив очень любопытный. Помимо факторов ранжирования, там можно посмотреть как технически настроено цензурирование контента в новостях и поиске, какой код отвечает за увеличение цены на Маркете, если заходишь с устройства Apple, и еще много интересного.

    Примечательно, что зарубежные специалисты тоже активно обсуждают эту новость, и даже на одном из сайтов уже появился полнотекстовый поиск по факторам ранжирования Яндекса. Как сообщил в своем Telegram-канале Александр Алаев (АлаичЪ), этот поиск очень удобно использовать для изучения факторов – например, можно ввести «title» и увидеть все факторы, где в заголовке или описании упоминается это слово, тоже со словами «link», «content» т.д. Также работает  и группировка по тегам. Описания некоторых факторов приводятся в оригинале, на русском языке.

    
            Факторы ранжирования Яндекса, которые утекли в сеть

    Источник

    Оставьте ответ

    Ваш электронный адрес не будет опубликован.