Welcome to the Machine

На Форуме появился очень интересный топик, суть которого сводится к тому, чтобы визуально показать похожие документы в виде точек в N-мерном пространстве.

Если говорить простым языком, то решение сводится к тому, чтобы уменьшить размерность матрицы за счет общих ключевых слов и выбрать метрику, по которой отранжировать важные термы. Получив таблицу объект-свойства, можно построить матрицу близости документов, которую затем спроецировать в пространство объектов.

Самое интересное, что эта операция сродни сжатию информации по характерным признакам, и похожие объекты (документы) будут находиться рядом.

А вот дальше начинается очевидное-невероятное - в текстах близких по содержанию документов можно находить целые предложения и абзацы, которые передают один и тот же смысл!

Можно только представить себе, как загорелись глаза у настоящих оптимизаторов.

Года четыре назад я попытался написать что-то вроде небольшого руководства по поиску информации. Как мне кажется, многое в этом документе еще осталось актуальным, так как я в основном рассматривал общие принципы. Что касается формальных операторов поисковых запросов, то на днях вышел хороший мануал по Яндексу.

Как сообщают многочисленные источники со всего мира, со вчерашнего дня Google начал обновление коэффициентов PageRank. Учитывая количество страниц, которое доступно в индексе поисковой машины, можно предположить, что полностью пересчитан индекс цитирования будет лишь в течение нескольких недель, хотя на многих популярных сайтах новые значения PR можно наблюдать уже сейчас.
Кроме того, похоже, что пересчет идет от сайтов с большим PageRank’ом к меньшим, поэтому новые сайты получат свои бонусы в самом конце работы алгоритма.