Описание алгоритма ссылочного ранжирования Hilltop Вебинар: https://devaka.ru/webinars/hilltop

1. Алгоритм Hilltop
Когда мнение экспертов важно
Сергей Кокшаров, 16 октября 2015

2. http://www10.org/cdrom/papers/pdf/p474.pdf
Using Non-Affiliated Experts to Rank Popular Topics
http://www.websiteboosting.com/amaghti/Reengineering.pdf
Reengineering Googlés Hilltop Algorithm
http://wseob.ru/seo/hilltop
Перевод на русский
Источники

3. Krishna Bharat (Google) George A. Mihaila (IBM)
BM0

4. История7 • В 2001 первая публикация
и патент
• В 2003 Google выкатил Hilltop в
обновлении "Florida"
• По значимости такой же
резонансный, как Panda в 2011
и Penguin в 2012

5. Недостатки RageRank
• Считает запросонезависимый рейтинг сайта
• Не выделяет авторитетов в конкретной тематике
• Легко накручивается сеошниками
Новостник (PR > 6) d Туры в Египет
Донор может не являться авторитетом в турах
и тем более в Египет.
анкорная ссылка

6. Topic Distillation
• Ссылочный граф формируют только тематические документы
• Подобно PageRank расчитывается авторитет
• Учитывается, насколько хорош источник ссылки
• Сам анкор ссылки не учитывается
• Авторитетный документ может не попасть в начальное множество
• Сложно считать рейтинг в реальном времени

7. Hilltop
• Гипотеза 1: Тематические документы ссылаются друг на друга
• Гипотеза 2: Авторитетные страницы ссылаются на
другие авторитетные страницы
• По сравнению с Topic Distillation рассматриваются только
мнения "экспертов".
• Рейтинг документа зависит от коллективного мнения лучших
экспертов по теме.
• При отсутствии экспертов по запросу, Hilltop не дает результатов.

8. Группа тематических
сайтов
d1
d2
Тематические сайты
ссылаются друг на друга

9. Группа тематических
сайтов
d1
d2
Авторитетные страницы ссылаются
на другие авторитетные страницы
х
PR=10

10. Экспертные документы
• Эксперты ссылаются минимум на k (k=5) других
неаффилированных сайтов по теме
• Сначала формируется список из N (N=200) экспертов,
наиболее релевантных запросу
• Вычисляется значимость эксперта
S(i) = SUM( LevelScore(p) * FullnessFactor(p, q) )
фразы p с k-i словами

11. LevelScore <TITLE> = 16
LevelScore <H1> = 6
LevelScore <a> = 1
Тайтл в 3 раза важней заголовка
и намного важней текста
FullnessFactor - количество раскрытых терминов
m - кол-во терминов в p,
которых нет в q
plen - длина p в словах
Предпочитаются эксперты, содержащие все слова из запроса
учитываются только 3 компонента

12. Что считается аффилиатом
• Сайты в той же подсети (одинаковые 3 октета в IP-адресе)
• Сайты с одинаковым именем домена
travel.ru = travel.com = travel.co.uk
• Если сайт А является аффилиатом сайта В, а В является
аффилиатом сайта С, то считается, что А и С - аффилиаты,
даже если между ними нет никакой связи

13. Target Score
Edge_Score(E,T) = Expert_Score(E) * Sum{query keywords w} occ(k, T)
Target_Score = SUM ( Edge_Scores )
occ(w, T) - количество разных фраз на E, содержащих слово w
и соответствуют условиям

14. Выводы для сеошников
• В ранжировании участвуют только тематические ссылки
• Если вы продвигаете "Туры", то донор должен быть экспертом по турам
• Если экспертов по запросу недостаточно, то алгоритм не включается
• 100 тематических ссылок из одной подсети это один эксперт
• Встречаемость запроса в тайтле намного значимей, чем в заголовках
• Окружающий текст (в этой модификации Hilltop) не помогает повысить
значимость ссылки
• Чем больше слов запроса в заголовках, тайтлах и ссылках, тем лучше