DR (Domain Rating)
DR в SEO (Domain Rating) – это показатель авторитета домена, разработанный компанией Ahrefs. Он оценивает силу ссылочного профиля сайта по шкале от 0 до 100, где 100 – это максимально возможное значение.
DSSM
DSSM (Deep Structured Semantic Model) — это технология глубокого обучения, предложенная Microsoft Research в 2013 году. Она решает одну конкретную задачу: научить машину понимать смысл поискового запроса и содержимого страницы, а не просто сопоставлять слова.
EAV
Модель EAV (Entity-Attribute-Value) — это подход к моделированию данных, который используется, когда количество характеристик (атрибутов) сущности потенциально огромно, но у каждого конкретного экземпляра заполнена лишь малая их часть
Gensim
Gensim – это библиотека для анализа текстов и моделирования тем на языке программирования Python. Основная цель Gensim – работа с большими корпусами текста и разработка простых и эффективных алгоритмов для обработки и моделирования текстовых данных.
Headless-режим
Headless-режим в контексте SEO — это способ работы программного обеспечения, при котором оно функционирует без графического интерфейса пользователя (GUI)
HITS
Алгоритм HITS (Hyperlink-Induced Topic Search) — это алгоритм анализа ссылочной структуры веб-графа, который выделяет набор релевантных страниц и оценивает их взаимосвязи, присваивая каждой странице две метрики — авторитетность (authority) и хабовость (hub).
HNSW
HNSW (Hierarchical Navigable Small World) — это алгоритм для приближённого поиска ближайших соседей (ANN). Простыми словами, он помогает очень быстро находить похожие векторы среди миллионов или миллиардов других, жертвуя лишь малой долей точности.
JavaScript
JavaScript – это высокоуровневый, интерпретируемый язык программирования, который широко используется для создания интерактивных веб-страниц.
Javascript SEO
Javascript SEO – это практика поисковой оптимизации сайтов, использующих JavaScript для вывода контента
kNN
K-Nearest Neighbors (KNN), или метод k-ближайших соседей — это простой, но мощный алгоритм машинного обучения, используемый как для задач классификации, так и регрессии. Он относится к типу «ленивого» обучения, что означает, что он не строит явную модель на этапе обучения, а скорее запоминает все обучающие данные и делает прогнозы на основе сходства с этими данными.
