Машинное обучение для SEO Вы готовы к этому?

Машинное обучение для SEO

Вы готовы к этому?

Я только что сгенерировал десять лучших рекомендаций по внутренним ссылкам в наборе данных из 100 000 страниц, которые не ссылаются друг на друга, но должны, пишет Деян Петрович.

Вместо того чтобы использовать традиционные способы сопоставления страниц, такие как TF-IDF, LDA, n-граммы и частоту ключевых слов, я использую машинное обучение.

Эмбеддинги

Спаршенные, предварительно обработанные и токенизированные данные встраиваются в 768-мерное векторное пространство с помощью модели эмбеддингов предложений BERT от Google.

Страница > Страница

Объединенные и усредненные векторы предложений для каждого URL используются для формирования матрицы сходства страниц в numpy, которая затем используется для построения списка семантически связанных страниц на основе косинусного сходства.

Это была самая простая часть.

Теперь переходим к сложной задаче рекомендации якорного текста, выбирая часть существующего текста на предлагаемой странице ссылки, которая также релевантна целевой странице.

Далее описание усложнятся, если хотите углубиться, предлагаю перейти на оригинальный пост Деяна.

@MikeBlazerX

Источник новости https://t.me/mikeblazerx/2008...