«Матрикснет»: что это такое и зачем он нужен
Автор: Максим Романец, Founder & CEO Point.UP
Краткий ответ
Понимание метода машинного обучения «Матрикснет» дает возможность разобраться, каким образом нужно подбирать семантику и совершенствовать сайт, почему эффект оптимизации может проявиться не сразу или отсутствовать совсем.
Коротко — главное
- Для формирования списка релевантных ответов поисковая система использует несколько серверов.
- Этот процесс базируется на схеме взаимодействия машины и человека.
- Материал по теме «„Матрикснет“: что это такое и зачем он нужен» адаптирован для владельцев бизнеса и маркетологов.
- Практические шаги можно внедрять без перестройки всей digital-стратегии сразу.
- Команда Point.UP поможет применить рекомендации на вашем сайте и в рекламе.
Архитектура
Для формирования списка релевантных ответов поисковая система использует несколько серверов. Каждый из них создает собственный список сайтов, отвечающих запросу пользователя.
Результаты работы всех серверов — множество потенциально релевантных страниц. Они проходят проверку по формуле, созданной «Матрикснетом».
Ее основные составляющие: класс запроса, тип элемента и другие характеристики. Благодаря этой технологии на первых позициях выдачи оказываются наиболее релевантные ресурсы, следовательно, пользователь получает максимально полный ответ на интересующий вопрос.
Перед обработкой поискового запроса
Алгоритм поисковика быстро совершенствуется: в течение последних лет добавилась возможность прямого взаимодействия с веб-мастерами (переписка), разработаны четкие инструкции для асессоров, а также новые критерии оценки ресурсов.
Составляется список факторов — описание страницы, сайта, ссылок и запроса по множеству различных признаков;
Происходит процесс обучения — «Матрикснет» определяет характеристики ресурсов, которые занимают высокие позиции в выдаче. На этом этапе выполняется асессорская оценка обучающей выборки, на основе которой и создается формула ранжирования.
Процесс обучения
Этот процесс базируется на схеме взаимодействия машины и человека. В качестве входных данных берется множество подобранных факторов, а также подготовленная асессорами обучающая выборка.
В ней представлены не только высоко оцененные, но и нерелевантные запросу ресурсы.
Входные данные загружаются в систему. Затем она обрабатывает информацию, выделяет характеристики сайтов, которые имеют высокую и низкую релевантность.
Данные факторы представлены в числовом виде, так что расчет формулы сводится к подбору коэффициентов. Это делается путем решения математической системы уравнений.
Таким же образом можно представить создание формулы ранжирования
На самом деле подходы к выявлению значимых факторов и алгоритмы их определения значительно сложнее. Названия: «метод Ньютона для классификации», gradient boosting и «регуляризация в листьях» — говорят сами за себя.
Сегодня вместо технологии «Матрикснет» Яндекс использует новый метод машинного обучения — CatBoost. Он дает более точные результаты в задачах по ранжированию, регрессии и классификации, а также учитывает данные в нечисловой форме.
Пользоваться библиотекой машинного обучения CatBoost могут все желающие: она выложена в открытом доступе. Более подробную информацию о методе вы найдете в блоге Яндекса.
20 и 29 — асессорские оценки;
2 и 5 — показатели двух факторов одного ресурса;
3 и 7 — характеристики другого сайта;
K 1 и k 2 — коэффициенты, отражающие вклад факторов в оценку релевантности.
Короткий словарь
Если встретили незнакомое слово — расшифровка здесь.
- SEO
- продвижение сайта в поиске Яндекса и Google
Услуги Point.UP
Перейдите на страницу услуги, если нужна стратегия, запуск или сопровождение под ключ.
Читайте также
Мы жаждем апнуть и Ваш бизнес тоже.
Заполните поля и мы свяжемся с Вами в ближайшее время!