Россия
В работе рассмотрено понятие кластеризации запросов как объединение схожих по интенту (смыслу, намерениям занятого поиском) запросов, независимо от их семантической релевантности. Представлены методы группировки запросов или soft- / hard-кластеризации. Визуально представлены hard-кластеризации с порогом 2 и 5. Показана на основе кластеризации с порогом 2 определено 93 группы, из них 58 групп, содержащих два и более запроса и 35 групп, содержащих 1 запрос. Методом hard-кластеризации с порогом 5 сформировано 167 групп, из них 96 групп, содержащих два и более запроса; 71 группа, содержащих 1 запрос.
семантическое ядро, кластеризация запросов, классификация запросов
1. Iredale S., Heinze A. Ethics and professional intimacy within the search engine optimisation (SEO) industry // IFIP international conference on human choice and computers. Springer International Publishing, 2016. С. 106-115.
2. Baye M.R., De los Santos B., Wildenbeest M.R. Search engine optimization: what drives organic traffic to retail sites? // Journal of Economics & Management Strategy. 2016. Т. 25. № 1. С. 6-31.
3. Singhal R., Srivastava S.R. Enhancing the page ranking for search engine optimization based on weightage of in-linked web pages // Recent Advances and Innovations in Engineering (ICRAIE), 2016 International Conference on. IEEE, 2016. С. 1-5.
4. Афонин А.А., Крейнес М.Г. Кластеризация текстовых коллекций: помощь при содержательном поиске и аналитический инструмент // В сб. науч. ст. "Интернет-порталы: содержание и технологии". Выпуск. 2006. Т. 4. С. 510-537.
5. Минаков И.А. Кластеризация неструктурированной информации, представленной в виде текстов на естественном языке // Вестник Самарского государственного технического университета. Серия: Технические науки. 2006. № 40. С. 15-22.
6. Глущенко М.С., Серова О.Ф., Фалеева Т.О. Специфика подбора и аналитики поисковых запросов пользователей сети Интернет в рамках SEO-продвижения // Интеграция наук. 2017. № 5. С. 177-182.
7. Кравченко Ю.А. Задачи семантического поиска, классификации, структуризации и интеграции информации в контексте проблем управления знаниями // Известия Южного федерального университета. Технические науки. 2016. № 7 (180).
8. Zeng H.J. et al. Learning to cluster web search results // Proceedings of the 27th annual international ACM SIGIR conference on Research and development in information retrieval. ACM, 2004. С. 210-217.
9. Michalewicz Z., Jankowski A. System and method for analysis and clustering of documents for search engine: заяв. пат. 09/920,732 США. 2001.
10. Чекушин А. Азбука кластеризации https://www.searchengines.ru/azbuka_klasterizats.html
