Расстояния внутри Я.предложений

Созрели данные по еще одному эксперименту. На этот раз вопрос был в том, как Яндекс ведет себя с расстояниями внутри Очень Длинных Предложений.

Вот экспериментальная страница с красивым джаваскриптом. Все это можно было посмотреть на «живом» материале, но уж больно запарно считать непронумерованные слова, да и повторы мешаются. Итак, проверяем, что страница в индексе, и поехали.

Слова 000 & 062 находятся в одном пассаже/предложении.
Слова 000 & 063 не находятся в одном пассаже/предложении (в смысле, их нельзя найти).
Слова 062 & 063 не находятся в одном пассаже/предложении.
Слова 063 & 064 находятся в одном пассаже/предложении.
Слова 063 & 125 находятся в одном пассаже/предложении.
Слова 063 & 126 не находятся в одном пассаже/предложении.
И так далее — проверьте сами.

Вывод:

Яндекс делит длинные пассажи/предложения на пассажи/предложения длиной в 63 слова (максимальное расстоянием между ними — 62).

Все границы мне было преверять лень, но вот, к примеру, явно граница проходит между 944 & 945, что абсолютно логично (945 / 63 = 15). Алексей «Interitus» Поляков что-то вроде того и предсказывал.

Расстояния между полученными субпассажами/подпредложениями работают как между обычными пассажеми/предложениями. Вот, например, расстояние между словами 000 и 999 составляет ровно 15 пассажей/предложений.

Тут некоторые любят задавать вопрос имени академика Нариньяни: зачем это все нужно простому трактористу? В общем случае ответ прост: учи матчасть. Но не каждому Нариньяни скажешь такое. 8)

В данном случае могу привести простой пример. Пусть мы продвигаем двусловный запрос, который переколдовывается с одиночным знаком амперсанда; мы написали очень длинное и распространенное предложение, в котором перечислили все наши заслуги перед мебельной индустрией, расписали как хорош наш товар, нагородили кучу дополнительных ключевиков вроде «продажа», «купить», «дешево» и «сердито», описали наших гениальных сейлз-менеджеров, которые способны удовлетворить любой запрос клиента, и, наконец, влепили — типа на сладкое — наш главный ключевик «офисная мебель». Дальше думайте сами. 8)

Напомню, что недавно я провел эксперимент на близкую тему — как Яндекс делит текст на предложения. Таким образом (если не выяснятся какие-нибудь неучтенные хитрости) для построения модели анализа того, какие единицы текста доступны Яндексу, остается только проверить наличие границ по HTML-тегам (тут, думаю, все элементарно) да всякие экзотические знаки препинания типа «…» и «·» (тут тоже несложно — достаточно посмотреть на то, во что они превращаются в сниппетах).

Занимательно, кстати, вот что: когда идет куча знаков препинания подряд, Яндекс их как-то хитроумно «сжимает».

UPD: странное что-то с отрицательными расстояниями творится… Надо будет еще поковыряться. 8/

Написано 07.10.2007 для раздела general, seo. Следить за комментариями (RSS 2.0).