algoritmo de clasificación. Algoritmo de clasificación de Yandex Algoritmos de clasificación

El autor cuenta alrededor de 30 historias entretenidas (e instructivas) del campo de las matemáticas. Una de las historias habla de cómo funciona PageRank, un algoritmo de clasificación de enlaces del que Google fue pionero. El tema es relevante y bastante fácil de entender. Pasemos a Steven Strogatz...

En los días anteriores a que Google no existiera, buscar en la web era una tarea inútil. Los sitios ofrecidos por motores de búsqueda más antiguos a menudo no coincidían con la consulta, y aquellos que sí contenían la información correcta estaban enterrados en lo más profundo de la lista de resultados o no existían en absoluto. Los algoritmos basados ​​en el análisis de enlaces resolvieron el problema al penetrar en una paradoja similar a los koans zen: se suponía que las búsquedas en la Web mostraban las mejores páginas. ¿Qué hace que una página sea mejor? Cuando otras páginas igualmente buenas enlazan con él.

Descargar nota en formato o

Suena como un razonamiento sobre un círculo vicioso. Esto es cierto. Por eso todo es tan complicado. Al aprovechar esta idea y convertirla en una ventaja, el algoritmo de análisis de enlaces proporciona una solución de búsqueda web al estilo jiu-jitsu. Este enfoque se basa en ideas tomadas del álgebra lineal, el estudio de vectores y matrices. Ya sea que desee descubrir patrones en una gran cantidad de datos o realizar cálculos gigantescos con millones de variables, el álgebra lineal le proporciona todas las herramientas que necesita. Con su ayuda, se construyeron las bases para el algoritmo PageRank, que es la base de Google. También ayuda a los científicos a clasificar rostros humanos, analizar las votaciones de la Corte Suprema y ganar el Premio Netflix (otorgado al equipo que mejora más del 10% del sistema Netflix que recomienda las mejores películas para ver).

Para explorar el álgebra lineal en acción, echemos un vistazo a cómo funciona el algoritmo PageRank. Y para resaltar su esencia sin demasiados problemas, imaginemos una red de juguetes, que consta de sólo tres páginas, interconectadas de la siguiente manera:

Arroz. 1. Pequeña red de tres sitios.

Las flechas indican que la página X contiene un enlace a la página Y, pero Y no corresponde. En cambio, Y se refiere a Z. Mientras tanto, X y Z se refieren entre sí.

¿Cuáles son las páginas más importantes de esta pequeña web? Se podría pensar que es imposible determinarlo debido a la falta de información sobre su contenido. Pero esta forma de pensar está obsoleta. La ansiedad por el contenido resultó en una forma incómoda de clasificar las páginas. Las computadoras tienen poca comprensión del contenido semántico y las personas no pueden hacer frente a las miles de páginas nuevas que aparecen en la Web todos los días.

El enfoque ideado por Larry Page y Sergey Brin, estudiantes de posgrado de la universidad y fundadores de Google, fue permitir que las páginas se clasificaran en un orden determinado mediante votación de enlaces. En el ejemplo anterior, las páginas X e Y enlazan con Z, lo que convierte a Z en la única página con dos enlaces entrantes. Por tanto, será la página más popular en este entorno. Sin embargo, si los enlaces provienen de páginas de dudosa calidad, funcionarán en su contra. La popularidad por sí sola no significa nada. Lo principal es tener enlaces de buenas páginas.

Y aquí estamos nuevamente en un círculo vicioso. Una página se considera buena si tiene buenas páginas que enlazan con ella, pero ¿quién decide cuáles son buenas en primer lugar? La red decide. Así es como va todo.

El algoritmo de Google asigna a cada página un número fraccionario entre 0 y 1. Este valor numérico se llama PageRank y mide la "importancia" de una página en relación con otras calculando la cantidad relativa de tiempo que un usuario hipotético pasaría visitándola. Aunque el usuario puede elegir entre más de un enlace saliente, lo elige aleatoriamente con igual probabilidad. Con este enfoque, las páginas se consideran más autorizadas si se visitan con más frecuencia.

Y dado que los índices de PageRank se definen como proporciones, su suma en toda la red debería ser 1. Esta ley de conservación sugiere una forma diferente, quizás más tangible, de visualizar el PageRank. Piense en ello como una sustancia líquida que fluye a través de la web, disminuyendo en las páginas malas y aumentando en las buenas. Con la ayuda de un algoritmo intentamos determinar cómo se distribuye este líquido en Internet durante un largo período de tiempo.

La respuesta se obtendrá como resultado del siguiente proceso repetido. El algoritmo comienza con una suposición, luego actualiza todos los valores de PageRank, distribuyendo el fluido equitativamente entre los enlaces salientes, después de lo cual recorre algunos círculos hasta que se establece un cierto estado en el que las páginas reciben su parte.

Inicialmente, el algoritmo establece proporciones iguales, lo que permite que cada página reciba la misma cantidad de PageRank. En nuestro ejemplo, hay tres páginas y cada una de ellas comienza a moverse a lo largo del algoritmo con una puntuación de 1/3.

Arroz. 2. Valores iniciales de PageRank

Luego, la puntuación se actualiza para reflejar el valor real de cada página. La regla es que cada página toma su PageRank del último círculo y lo distribuye uniformemente entre todas las páginas a las que enlaza. Por lo tanto, el valor actualizado de la página X después de la primera ronda sigue siendo 1/3, porque ese es el PageRank que obtiene de Z, la única página que enlaza con ella. Esto reduce la puntuación de la página Y a 1/6, ya que solo obtiene la mitad del PageRank de X después de la ronda anterior. La segunda mitad va a la página Z, lo que la convierte en ganadora en esta etapa, ya que se suma a sí misma otro 1/6 de la página X, así como 1/3 de Y, para un total de 1/2. Así, tras la primera ronda, tenemos los siguientes valores de PageRank:

Arroz. 3. Valores de PageRank después de una actualización

En círculos posteriores, la regla de actualización sigue siendo la misma. Si denotamos por x, y, z el recuento actual de páginas X, Y y Z, como resultado de la actualización obtenemos la siguiente puntuación:

z' = ½ x + y,

donde los guiones indican que se ha producido una actualización. Es conveniente realizar estos cálculos repetitivos en una hoja de cálculo (o manualmente si la red es pequeña, como en nuestro caso).

Después de diez repeticiones, encontramos que los números prácticamente no cambian de una actualización a otra. En este punto, la participación de X será el 40,6% del PageRank total, la participación de Y será el 19,8% y la de Z será el 39,6%. Estos valores están sospechosamente cerca de los números 40, 20 y 40%, lo que significa que el algoritmo debería converger hacia ellos. Esto es cierto. Estos valores límite los determina el algoritmo de Google para la red como PageRank.

Arroz. 4. Límites de PageRank

La conclusión para esta pequeña red es que las páginas X y Z son igualmente importantes, aunque Z tiene el doble de enlaces entrantes. Esto es comprensible: la página X tiene la misma importancia que la Z, ya que recibe de ella su aprobación total, pero a cambio sólo le da la mitad de su aprobación. La otra mitad va a Y. Esto también explica por qué Y sólo obtiene la mitad de las acciones de X y Z.

Curiosamente, estos valores se pueden obtener sin recurrir a múltiples iteraciones. Sólo hay que pensar en las condiciones que determinan el estado estacionario. Si nada cambia después de la próxima actualización, entonces x' = x, y' = y y z' = z. Por lo tanto, reemplazando las variables primadas en las ecuaciones de actualización con sus equivalentes no primos, obtenemos el sistema de ecuaciones

al resolver cual x = 2y = z. Dado que la suma de x, y y z debe ser igual a 1, se deduce que x = 2/5, y = 1/5 yz = 2/5, lo que corresponde a los valores encontrados anteriormente.

Las dificultades comienzan cuando hay una gran cantidad de variables en las ecuaciones, como ocurre en una red real. Por tanto, una de las tareas centrales del álgebra lineal es el desarrollo de algoritmos más rápidos para resolver grandes sistemas de ecuaciones. Incluso las mejoras menores en estos algoritmos se sienten en casi todos los ámbitos de la vida, desde los horarios de vuelo hasta la compresión de imágenes.

Sin embargo, la victoria más significativa del álgebra lineal, en términos de su papel en la vida cotidiana, fue, con diferencia, la solución a la paradoja zen de la clasificación de páginas. "Una página es buena en la medida en que las páginas buenas enlazan con ella". Traducido a símbolos matemáticos, este criterio se convierte en el algoritmo PageRank.

El motor de búsqueda de Google se convirtió en lo que es hoy, después de resolver la ecuación que acabamos de resolver, pero con miles de millones de variables y, en consecuencia, con miles de millones de ganancias.

Según Google, el término PageRang proviene del nombre de uno de los fundadores de Google, Larry Page, y no de la palabra inglesa page (página).

En aras de la simplicidad, presentaré sólo la versión básica del algoritmo PageRank. Para manejar redes con algunas otras propiedades estructurales, es necesario cambiarlo. Supongamos que hay páginas en la web que enlazan con otras, pero esas páginas no enlazan con ellas a su vez. Durante el proceso de actualización, estas páginas perderán su PageRank. Se lo dan a otros y ya no se les repone. Por lo tanto, eventualmente obtendrán valores de PageRank iguales a cero y, desde este punto de vista, se volverán indistinguibles.

Por otro lado, existen redes donde determinadas páginas o grupos de páginas están abiertas a acumular PageRank pero no enlazan con otras páginas. Estas páginas actúan como acumuladores de PageRank.

Para evitar resultados similares, Brin y Page modificaron su algoritmo de la siguiente manera. Después de cada paso en el proceso de actualización de datos, todos los valores de PageRank actuales se reducen mediante un factor constante, de modo que su suma sea menor que 1. El PageRank restante luego se distribuye uniformemente entre todos los nodos de la red, como si "cayera de el cielo." Así, el algoritmo finaliza con una acción de ajuste que distribuye los valores de PageRank entre los nodos "más pobres".

Para una mirada más profunda a las matemáticas de PageRank y la investigación interactiva, consulte E. Aghapour, T. P. Chartier, A. N. Langville y K. E. Pedings, Google PageRank: The math of Google (

Además de gráficos y teoría de conjuntos, a menudo utilizan representación algebraica gráfico matricial.

Considere el dígrafo GRAMO, que contiene norte picos y metro costillas. matriz de adyacencia dígrafo GRAMO llamada matriz A tamaño norte norte

A veces la matriz de adyacencia se llama matriz de relaciones, o matriz de enlace directo.

Matriz de incidencia(o matriz de incidencia) dígrafo GRAMO llamada matriz B tamaño norte metro, en el cual

Para introducir una matriz de adyacencia, es necesario numerar los vértices y, para la matriz de incidencia, los bordes del gráfico.

La representación algebraica permite algoritmizar el procedimiento para determinar los parámetros cuantitativos estructurales del sistema en una forma conveniente para la programación informática.

Consideremos ahora algunos métodos para resolver problemas prácticos utilizando el formalismo matemático introducido por nosotros.

Clasificación de elementos del sistema.

El análisis de conexiones en un grafo consiste, ante todo, en encontrar y evaluar caminos entre sus vértices. Además de la búsqueda directa de una ruta en un determinado sistema de comunicación, este problema incluye, por ejemplo, el problema de elegir la estrategia óptima, etc. De hecho, basta con asociar los vértices del gráfico con algunos objetivos y las longitudes de las rutas con los objetivos. costos de lograr estos objetivos, con el fin de obtener el problema de elegir una estrategia para lograr el objetivo con el menor costo.

La búsqueda de caminos según un dibujo con una estructura gráfica compleja (en la práctica, es necesario analizar gráficos con más de 100 vértices) es difícil y está asociado con la posibilidad de errores. Consideremos uno de los métodos algebraicos, conveniente para usar en una computadora. Este método permite, a partir de la matriz de enlaces directos , construir matriz de ruta completa
, Dónde - número de caminos desde la parte superior i a la cima j(= 0), o limitarnos a encontrar uno de sus elementos.

Números o sus expresiones literales se definen utilizando un tipo especial de determinantes: cuasi menores(no firmadodeterminantes). Hay una fórmula

.

Expresión
llamado elemento cuasi menormatrices . Firmar
es el símbolo cuasi menor, y
apunta a una matriz con tachado yo-ésima línea y k aésima columna, que encaja en el símbolo cuasi menor como una matriz encaja en el símbolo menor ordinario.

El cálculo del cuasi menor se reduce a su descomposición en cuasi menores de orden menor mediante la fórmula

El procedimiento de cálculo es similar en muchos aspectos al procedimiento de cálculo de determinantes ordinarios, pero se requiere cierta habilidad para dominar este método.

Ejemplo.

Sea la matriz de enlaces directos la forma

Es necesario encontrar todos los caminos que van del vértice 1 al 5 y contar su número.

Para el ejemplo considerado, obtenemos

Inicialmente en la matriz Se tacha la columna 1, correspondiente al número del vértice desde el que parte el camino, y la fila 5, correspondiente al número del vértice en el que termina el camino. Esto corresponde a eliminar del gráfico todos los bordes que conducen al nodo 1 y salen del nodo 5. Es más conveniente dejar sin cambios la posición y numeración de las filas y columnas restantes. A continuación, es necesario expandir el cuasi menor resultante en elementos distintos de cero de la primera fila.

La expansión del primer término se realiza a lo largo de la segunda línea, la segunda, a lo largo de la tercera, la tercera, a lo largo de la cuarta, es decir, el número de la fila por la que se realiza la descomposición es igual al número de la columna en la que se ubicó el último término de la descomposición.

Si ahora ponemos elementos distintos de cero = 1 y realizamos operaciones de acuerdo con las reglas de la aritmética ordinaria, luego obtenemos -
.

Si en la expresión resultante realizamos acciones de acuerdo con las reglas del álgebra de Boole, obtenemos el valor matriz completa de conexiones, que caracteriza conectividad grafica. Los valores de los elementos de la matriz completa de relaciones. se definen así:

= 1 si el vértice i está conectado al vértice j por al menos un camino,

=0 en caso contrario.

Generalmente se considera que
.

La conectividad es la característica más importante del esquema estructural del sistema. La estructura es mejor cuanto mayor es la plenitud de la matriz completa de conexiones. La presencia de una gran cantidad de ceros indica fallas graves en la estructura del sistema.

Otra característica importante de la estructura es la distribución de la importancia de los elementos del sistema. Característica cuantitativa de importancia - rango de elemento- se formuló explícitamente por primera vez en el análisis de la estructura de las relaciones de dominancia (superioridad, predominio) en grupos de individuos (humanos, animales).

Usando la matriz de ruta completa
, los valores de los rangos de los elementos están determinados por la fórmula

.

Hay que tener en cuenta que la importancia de un elemento no está determinada por el valor en sí. , sino comparando los rangos de todos los elementos, es decir rango es una medida relativa de importancia.

Cuanto mayor sea el rango de un elemento determinado, mayor será el número de formas en que está conectado con otros elementos y mayor será el número de elementos que violarán las condiciones normales de funcionamiento cuando falle. Por lo tanto, al elaborar un programa para garantizar la confiabilidad del sistema considerado, es necesario prestar especial atención a los elementos de alto rango.

Para sistemas con una estructura similar a una red, la presencia de elementos con rangos significativamente más altos que los demás suele indicar una sobrecarga funcional de estos elementos. Es deseable redistribuir los enlaces, proporcionar soluciones para igualar la importancia de los elementos de este sistema.

Existen otros métodos para determinar los rangos. La elección de una técnica adecuada está determinada por las características específicas de la tarea.

Cabe señalar que existen estructuras cuya clasificación de elementos puede perder su significado práctico. Se trata principalmente de estructuras jerárquicas. La importancia de un elemento en ellos está determinada por el nivel de jerarquía.

Hemos lanzado un nuevo libro, "Marketing de contenidos en redes sociales: cómo llegar a la cabeza de los suscriptores y hacer que se enamoren de su marca".

Algoritmos de clasificación: métodos para evaluar la calidad de los sitios

El TOP-10 debe incluir solo aquellos sitios que respondan completamente a la solicitud del usuario. Los resultados de alta calidad se obtienen mediante fórmulas matemáticas especiales que determinan la "utilidad" de un sitio en particular. Los motores de búsqueda no revelan información sobre sus algoritmos, solo brindan a los webmasters recomendaciones generales para mejorar y optimizar los sitios. Sin embargo, los optimizadores han aprendido a identificar ciertos patrones a partir de los cuales se desarrolla una estrategia.

nacimiento.

Más vídeos en nuestro canal - aprende marketing en internet con SEMANTICA

¿Qué criterios tiene en cuenta el algoritmo de clasificación?

Los motores de búsqueda evalúan los sitios web de muchas maneras. Los criterios más importantes incluyen:

• singularidad y optimización de los textos (presencia de frases clave, náuseas, lagrimeo);
• edad del dominio;
• cantidad y calidad de enlaces entrantes;
• tipo de CMS utilizado;
• velocidad de carga de la página del sitio;
• errores en el código.

Al comprender cómo funciona el algoritmo del motor de búsqueda, un webmaster puede influir en la aparición de su sitio. Para hacer esto, debe "adaptarse" las páginas del proyecto web a los requisitos del PS. En particular, necesitarás incrustar frases clave en las metaetiquetas de título y descripción, así como directamente en el texto de la página. Si está promocionando mediante una consulta geodependiente, además de las palabras clave, debe agregar el nombre de la ciudad o región deseada.

¡Esto es interesante! Periódicamente, el motor de búsqueda se actualiza, lo que conduce a un cambio fundamental en los algoritmos existentes. Estas medidas tienen como objetivo combatir el spam en las búsquedas. A menudo, un cambio en el algoritmo de Yandex conduce a un deterioro en las posiciones de los sitios promocionados por los métodos "negro" y "gris".

Sanciones de búsqueda

Si el webmaster claramente está tratando de manipular los algoritmos de Yandex, entonces el motor de búsqueda puede aplicarle varias sanciones. Pueden ocurrir los siguientes problemas:

• Degradación en SERP
• Mala indexación de páginas nuevas (o caída del índice de documentos antiguos)
• Prohibición total o parcial

Los algoritmos de Yandex imponen sanciones por optimización excesiva de textos, por ejemplo, por colocar listas de frases clave en las páginas. El filtro se puede aplicar para texto "invisible" que se mezcla con el fondo. También están sujetos a sanciones los sitios de entrada y los sitios de Internet que copian el contenido de otra persona.

Nuevo algoritmo de Yandex - Minusinsk

Este algoritmo implica pesimizar un proyecto web por utilizar enlaces SEO. Estamos hablando de sitios que compran miles de enlaces mediante intercambios automatizados como Sape. Desde el punto de vista de Yandex, un enlace se considera SEO si proviene de un sitio donante de baja calidad y tiene un ancla comercial.

El motivo para aplicar el filtro "" puede ser un fuerte aumento en la masa de referencia. Por lo tanto, para proteger su proyecto web de la posibilidad de aplicar dicha sanción, debe comprar enlaces gradualmente y diluir los enlaces ancla con hipervínculos que no sean ancla.

Este es el método más sencillo de evaluar el trabajo, ya que implica la distribución de todo tipo de trabajo en lugares, dependiendo de su valor para la organización. El contenido de algún tipo de obra se compara con el contenido de la obra tomada como punto de partida, como resultado ocupa el lugar que le corresponde. A menudo, esta comparación se realiza sobre la base de una sola descripción del puesto, sin un análisis completo del trabajo. Luego, dependiendo de la pertenencia del trabajo a un rango o gradación particular, se asigna el pago. Este método es muy simple y puede resultar útil en empresas pequeñas con poca o ninguna variedad de puestos de trabajo, o con una "familia" de puestos de trabajo bastante homogénea, pero puede resultar completamente inutilizable en organizaciones más grandes con una amplia variedad de puestos de trabajo de distinto contenido (algunos de ellos). son muy complejos). En este caso, la agrupación de tipos de trabajo debe realizarse sobre la base de un esquema aprobado, especialmente si la presencia de un gran número de calificaciones y salarios individuales no es aceptable.

El método de clasificación es relativamente sencillo y económico de utilizar, y puede implementarse con bastante rapidez. Por otro lado, la clasificación de las obras puede realizarse sobre la base de información incompleta y sin tener en cuenta determinadas normas. A menudo, los clasificadores de puestos no tienen conocimientos específicos de los puestos que clasifican. Esto significa que las clasificaciones pueden ser bastante superficiales y dar como resultado clasificaciones de los artistas intérpretes o ejecutantes en lugar de los tipos de trabajo en sí. Además, las tasas salariales predominantes para ellos a menudo influyen en las posiciones de clasificación de diversos tipos de trabajos.

2. Método de clasificación

Este método se utiliza ampliamente para pagar a los empleados de instituciones, así como para clasificar las habilidades de los empleados en la industria manufacturera. Se diferencia del método de clasificación en que la estructura de gradaciones y la remuneración correspondiente se establecen antes de realizar un estudio exhaustivo de los distintos tipos de trabajo. Se determina el número de gradaciones, se establecen sus funciones y, en consecuencia, se aclaran los pagos por cada una de ellas.

En este enfoque, las descripciones de los distintos grados están diseñadas para reflejar marcadas diferencias en los niveles de habilidades, responsabilidades y requisitos laborales. Los tipos de trabajo para los cuales los empleados sólo deben seguir instrucciones sencillas bajo supervisión constante corresponden al grado más bajo de la escala. Cada paso posterior refleja un mayor nivel de habilidades, responsabilidades, etc. y menos control. La obra no se divide en las partes que la componen, sino que, como ocurre con el método de clasificación, se considera como un todo. En la figura. 3 ofrece un ejemplo de gradaciones y una breve descripción del trabajo de oficina.

Arroz. 3. Graduaciones del trabajo de oficina: descripción general del trabajo.

Escala "D". Trabajo de oficina rutinario normal. Escala "C". Trabajos que requieran formación, conocimientos y experiencia especiales en determinadas áreas de actividad. Ciertos tipos de trabajos requieren una apariencia superior a la media. Alto grado de fiabilidad y precisión al trabajar con piezas. No se espera control sobre el trabajo realizado, a excepción de la dirección general. Escala "B". Un trabajo que requiere conocimientos y experiencia especiales serios en un campo de actividad particular. Algunos trabajos requieren cualidades personales muy altas. Alto grado de fiabilidad y precisión al trabajar con piezas. El trabajo completado no necesita verificación adicional. Asume iniciativa y responsabilidad individual al interpretar instrucciones para realizar un trabajo en particular y tomar la decisión correcta. Puede liderar un grupo pequeño o mediano de personal. Escala "A". Un trabajo que requiere conocimientos y experiencia especiales muy serios en determinadas áreas. Capacidad para organizar y realizar algunas operaciones por iniciativa propia. Responsabilidad por el trabajo y comportamiento de un gran grupo de empleados y capacidad para evaluar la efectividad de su trabajo y habilidades. Un alto grado de responsabilidad supone la capacidad de desempeñar el papel de líder y establecer contactos tanto dentro como fuera de la organización.

El método de clasificación también es relativamente sencillo, económico y fácil de aplicar. Aunque los resultados obtenidos pueden ser bastante satisfactorios, el monto de la remuneración que debe pagarse por la realización de un trabajo en particular puede depender en gran medida de las tarifas existentes. Además, la descripción escrita de cada etapa es muy difícil y será aún más complicada en organizaciones grandes. En estos casos, muy a menudo es necesario tener muchas etapas diferentes, pero esto privará al método de su principal ventaja: la simplicidad. Además, suele ser muy difícil ubicar un determinado trabajo en cualquier nivel, ya que sus características pueden superponerse a las de otro tipo de trabajo, y el nivel de análisis realizado no siempre es lo suficientemente detallado como para clasificar correctamente este tipo de trabajo.

Una versión ligeramente más sofisticada de este enfoque implica la participación de un panel de árbitros que representen a todas las partes interesadas. Los árbitros estudian 30 tipos de trabajos propuestos y los comparan entre sí. Se utiliza un ordenador para realizar la clasificación global de las comparaciones pareadas, lo que da un cierto toque científico al proceso y hace que sus resultados sean más aceptables. Sin embargo, esta impresión es muy engañosa.

Método de comparación de factores

Este método implica clasificar varios tipos de trabajo de acuerdo con ciertos factores, como resultado de lo cual se asigna su pago. La primera tarea al aplicar este método es seleccionar y describir claramente los factores que se utilizarán, generalmente habilidades, requisitos de desarrollo mental (nivel de educación y formación recibida), requisitos físicos, responsabilidades y condiciones de trabajo. Esta lista puede cambiar dependiendo de las necesidades de la organización.

Se seleccionan determinados puestos de trabajo clave, considerados puestos de trabajo que se consideran representativos de otros tipos de puestos de trabajo y tasas salariales, y se elaboran descripciones de puestos correspondientes a ellos. La característica distintiva de este método es el uso de las tasas salariales existentes para puestos clave para determinar un conjunto de puntos fijos en la escala de tasas salariales relativas que surgen al evaluar el desempeño laboral. Los tipos de trabajo seleccionados deben diferenciarse claramente entre sí y describirse en consecuencia, posiblemente mediante un análisis del puesto. Se debe seleccionar un número suficiente de actividades clave para proporcionar el número necesario de puntos de referencia para comparar todos los tipos de actividades, desde las más simples hasta las más complejas.

El siguiente paso para el individuo o el comité es clasificar los puestos clave en orden de importancia en función de los factores seleccionados.

Un procedimiento similar es el nombramiento posterior de ciertos pagos por diversos factores para tipos clave de trabajo. Las tarifas por la realización de cada tipo de trabajo se desglosan y se fijan en proporción a los factores utilizados. Por ejemplo, si el trabajo de un fabricante de herramientas se puede evaluar condicionalmente con 20 unidades de pago, entonces se pueden asignar: 9 - por habilidades y habilidades, 5 - por requisitos de habilidades mentales, 2 - por requisitos físicos, 3 - por responsabilidad y 1 por condiciones de trabajo.

Luego de dicha clasificación, se comparan los resultados de la clasificación de obras por factores y por el pago asignado. Cualquier inconsistencia en los dos sistemas de clasificación diferentes se puede corregir ajustando las tarifas o el contenido de las entradas. Si esto no es posible, entonces este trabajo no puede utilizarse como trabajo clave.

En la etapa final, todos los tipos de trabajo restantes se pueden ubicar en una escala dependiendo de su relación con los tipos de trabajo clave en términos de su contenido, cada factor se considera por separado hasta que se establezcan nuevas escalas de salarios para todos los tipos de trabajo en la empresa. son creados.

La esencia del método de comparación de factores es que las tarifas para los tipos clave de trabajo se consideran finales y correctas, otros tipos de trabajo se clasifican de acuerdo con cada uno de los factores y se ajustan a la escala principal. Este método es similar al método de clasificación, sin embargo, requiere clasificar los trabajos según factores individuales dos veces en lugar de clasificar el trabajo completo una vez.

La principal ventaja del método de comparación de factores es que tiene en cuenta factores que parecen determinar el valor relativo de diferentes tipos de trabajo. Le permite crear una escala básica, expresada en unidades monetarias, y en ella se puede "medir" el trabajo no clave. Este es un método más preciso y flexible que los dos anteriores. Por otro lado, implementar y utilizar este método lleva más tiempo y es muy difícil explicárselo a los empleados. Además, puede surgir cierta inequidad salarial debido a la insuficiencia de las tarifas existentes o la forma en que los gerentes o representantes sindicales consideran el valor relativo de los diferentes puestos de trabajo. Además, a pesar del evidente carácter científico del proceso mismo de determinación de la remuneración, la distribución proporcional de la remuneración por el trabajo según diversos factores es inevitablemente bastante arbitraria. Por estas razones, este método no es popular hoy en día.

método de puntuación

El método para determinar la calificación se centra en aumentar la objetividad. Se basa en el supuesto de que existen factores que son comunes a todos los tipos de trabajo, aunque asigna puntuaciones a los factores en lugar de determinar el valor de varios factores en términos monetarios.

(1) habilidades,

(2) esfuerzo,

(3) responsabilidad,

(4) condiciones de trabajo.

En general, se pueden subdividir en 10 a 15 subfactores. Los requisitos para estos subfactores se pueden subdividir en varios niveles (normalmente entre 5 y 8). En la figura. 3. muestra los factores, niveles y puntuaciones que se utilizaron en un plan real.

Como puedes ver, la cantidad de puntos asignados a cada factor no es la misma. Esto se debe a la aplicación del método de ponderación del ranking de puntuación. Con el método directo de puntuación, la distribución de puntuaciones para todos los factores es la misma.

seleccionar factores que sean comunes a todos los tipos de trabajo evaluados;

determinar el número de niveles que deben ser diferentes para cada factor al comparar obras;

establecer el peso específico de cada factor;

determinar el valor de cada nivel o cada factor en puntos.

A continuación, se elaboran descripciones de puestos para cada tipo de trabajo, generalmente basándose en su análisis sistemático. Se evalúan diferentes tipos de trabajo con base en estas descripciones de puestos, así como a través de:

calificar todos los factores en un trabajo, luego todos los factores en el segundo trabajo, etc., o

evaluación de todo tipo de trabajos sobre el primer factor, luego sobre el segundo, etc.

El segundo método se suele utilizar porque facilita el análisis comparativo del valor relativo de diferentes tipos de trabajo. Se suma la cantidad de puntos recibidos por cada tipo de trabajo en varios factores y luego la cantidad total de puntos obtenidos se convierte en unidades monetarias utilizando los métodos que se describen a continuación.

Los factores utilizados en este ejemplo a la hora de elaborar un plan basado en el método de puntuación muestran cómo, en este caso, se distribuyó la puntuación total de cada factor entre varios subfactores.
	Puntos por niveles					Total de puntos posibles
Habilidades
1. Educación
2. Experiencia
3. Iniciativa e ingenio
Esfuerzos
4. Costos físicos
5. Costos mentales
Responsabilidad
6. Equipo o proceso
7. Materiales o productos
8. Seguridad de los demás
9. El trabajo de los demás
Las condiciones de trabajo
10. Condiciones de trabajo
11. Posibles peligros

En el ejemplo anterior, los factores se pueden utilizar para la mayoría de los trabajos. El esquema más popular que se aplica a los gerentes, el llamado "Método de perfil y gráfico de guía de Hay" (HGC), utiliza tres factores bastante generales (que hacen que el método sea aceptable para todo tipo de trabajo en varios niveles de la organización):

Ejecución del trabajo sobre la base del "know-how" - El conjunto general de habilidades necesarias para realizar un trabajo de nivel intermedio se caracteriza tanto por su amplitud (número de habilidades) como por su profundidad (su nivel).

Resolución de problemas - El pensamiento original e independiente, que se requiere para el análisis, evaluación, formación de argumentos y conclusiones, mide la intensidad del proceso de pensamiento...

Responsabilidad - responsabilidad por las acciones y por las consecuencias... medida por el impacto del trabajo en los resultados finales...

La principal ventaja del método de clasificación de puntuaciones es que sólo calcula puntuaciones, no salarios. Por lo tanto, su uso no se ve afectado significativamente por las tasas salariales existentes, a diferencia de los tres métodos anteriores. El método también pretende ser más objetivo, ya que suele basarse en datos de cada tipo de trabajo obtenidos de los resultados de su análisis, lo que permite dar respuestas más convincentes a todas las preguntas de los empleados sobre la fiabilidad de la evaluación. Sin embargo, se reconoce generalmente que este método también contiene muchos elementos arbitrarios y subjetivos, especialmente:

al elegir el número y tipos de factores y niveles correctos que se utilizarán en la evaluación;

en la distribución de pesos o puntos específicos por factores o sus distintos niveles.

Es muy difícil tomar decisiones sobre estos dos puntos. Es prácticamente imposible evitar la subjetividad, ya que no existen criterios objetivos y las decisiones que se toman pueden exagerar la importancia de unos tipos de trabajo frente a otros.

Este método requiere buenas habilidades técnicas. Al ser menos flexible que otros, no se adapta fácilmente a los cambios en las condiciones económicas generales y otros factores al diseñar estructuras salariales. Este método es lo que los críticos tienen en mente cuando dicen que la evaluación del desempeño es esencialmente un método estático que aún debe adaptarse a una situación dinámica. Sin embargo, la evaluación del desempeño se puede utilizar para recopilar información sobre cambios en el contenido del trabajo y traducir estos cambios en unidades de costo.

El método de puntuación más común es el método Hay (o Hay MSL es su nombre original). Incluye factores como planificación, organización, evaluación, desarrollo y coordinación, que son particularmente adecuados para el trabajo de un gerente.

Hay que recordar que todos los métodos, independientemente de su complejidad y aparente carácter científico, se basan inicialmente en decisiones arbitrarias y valoraciones muy subjetivas, y dependen en gran medida de la proporción existente de diferentes tipos de trabajo. En muchos casos, la evaluación del desempeño es lo mejor que podemos hacer, pero sus resultados nunca deben considerarse absolutamente correctos e innegables.

clasificación	rango	comparación de factores	clasificación de puntuación
no cuantitativo		cuantitativo
escala definida	Los trabajos se comparan entre sí.		escala definida
la obra es considerada como un todo		considerar factores
más barato y más fácil		complejo y costoso
adecuado para una gama limitada de trabajos		adecuado para una amplia gama de trabajos

Total

Durante mucho tiempo, los algoritmos de clasificación de Yandex siguieron siendo un "secreto" para los usuarios. Los especialistas del motor de búsqueda Yandex prefirieron no informar a los usuarios de Internet sobre los cambios en los algoritmos de clasificación.

Algoritmos de clasificación de Yandex

1 2007

Y recién en 2007, los empleados de Yandex comenzaron a informar a sus usuarios sobre la introducción de innovaciones en el algoritmo de búsqueda. Esto facilita un poco la promoción del sitio para muchos webmasters.

Cabe señalar que los algoritmos de clasificación de Yandex cambian constantemente. Gracias a estos cambios se añaden funcionalidades más nuevas y avanzadas, lo que hace que sea muy sencillo trabajar con este buscador. Además, debido al cambio en los algoritmos de clasificación, se eliminan errores, se actualizan filtros y limitadores y se ajusta una salida de información más precisa que mejor se adapte a la solicitud original.

2 de mayo de 2008

En mayo de 2008, los especialistas de Yandex lanzaron un nuevo algoritmo llamado Magadan.

Algoritmo Magadán

En este algoritmo, se duplicó el número de factores de clasificación y se mejoró significativamente el clasificador por ubicación del usuario (orientación geográfica). También en el algoritmo de Magadan existen soluciones tan innovadoras como agregar clasificadores de contenido y enlaces. Aumentó significativamente la velocidad del motor de búsqueda para buscar información sobre consultas clave ingresadas (gracias a este algoritmo, el motor de búsqueda puede proporcionar información incluso en textos que tienen ortografía prerrevolucionaria).

En julio del mismo año, se lanzó una nueva versión del algoritmo Magadan, que incluía factores de clasificación adicionales, como determinar la singularidad del texto y la información, determinar si el contenido pertenece a contenido pornográfico, etc.

3 de septiembre de 2008

Ya en septiembre de 2008, Yandex lanzó un nuevo algoritmo llamado "Nakhodka".

Gracias a la aparición de este algoritmo, el trabajo con diccionarios en el motor de búsqueda Yandex ha mejorado significativamente y la calidad de la clasificación de las consultas que incluyen palabras vacías (conjunciones y preposiciones) ha aumentado significativamente. Además, en este algoritmo, se desarrolló un enfoque completamente nuevo para el aprendizaje automático (la máquina comenzó a distinguir entre diferentes solicitudes y comenzó a cambiar los factores de clasificación para diferentes solicitudes en la fórmula de cálculo de los resultados de búsqueda).

4 de abril de 2009

En abril de 2009 se publicó en el motor de búsqueda Yandex un nuevo algoritmo llamado "Arzamas" o "Anadyr".

Algoritmo de Arzamas

Gracias a la introducción de este algoritmo, el motor de búsqueda Yandex aprendió a comprender el idioma ruso con mayor precisión y mucho mejor, lo que permitió resolver con mayor precisión palabras ambiguas en las consultas. Además, este algoritmo permitió tener en cuenta, por parte del motor de búsqueda, la región en la que se encuentra el usuario. Gracias a esto, los usuarios comenzaron a recibir información más precisa y útil sobre la pregunta solicitada, que tenía la máxima relación con la región en la que se encontraba el usuario.

Al mismo tiempo, cabe señalar que en diferentes regiones la información proporcionada también es diferente, a pesar de que el usuario realice la misma consulta. También en este algoritmo de búsqueda, la fórmula se ha mejorado significativamente, lo que hace que sea más conveniente trabajar con consultas detalladas. Se han introducido filtros más estrictos para las páginas con banners emergentes (el banner emergente aparece en todas las páginas del sitio y no está relacionado con el tema del sitio), clickander (publicidad de clic que aparece en la página cuando el visitante primeros clics) y clic en el cuerpo (Bodyclic - servicio teaser).

5 de noviembre de 2009

En noviembre de 2009, se lanzó un nuevo algoritmo llamado "Snezhinsk".

Algoritmo Snezhinsk

Este algoritmo introduce características adicionales y parámetros de clasificación que le permiten aplicar varios miles de parámetros de búsqueda para un solo documento. También en este algoritmo estaban presentes nuevos parámetros regionales, se introdujeron (filtros de sitios que intentan deliberadamente influir en los resultados de búsqueda, un sitio más simple y anti-mierda) y se mejoró significativamente la búsqueda de contenido original en Internet. También en este algoritmo había un sistema de autoaprendizaje MatrixNet.

6 de diciembre de 2009

En diciembre de 2009 apareció un nuevo algoritmo llamado "Konakovo".

Este algoritmo era solo una versión mejorada del algoritmo de Snezhinsk y en él solo se mejoró la clasificación local. En septiembre de 2010, se lanzó un nuevo algoritmo "Obninsk". En este algoritmo, se mejoró la clasificación para consultas territorialmente independientes y se limitó la influencia de los enlaces artificiales en la clasificación. Además, gracias a este algoritmo, se mejoró significativamente el procedimiento para determinar el texto del autor y se amplió significativamente el diccionario de transliteración.

7 2010

En diciembre de 2010, se lanzó un nuevo algoritmo llamado "Krasnodar".

Para crear este algoritmo, se desarrolló especialmente una nueva tecnología llamada Spectrum. Gracias a este algoritmo, el motor de búsqueda Yandex comenzó a clasificar solicitudes y seleccionar objetos de ellas, asignando a las solicitudes una determinada categoría (bienes, servicios, etc.).

8 2014

Otro tiro mortal para Yandex: los algoritmos de clasificación de Yandex ya no tendrán en cuenta los enlaces al clasificar. Según los últimos anuncios, la clasificación sin enlaces se lanzará a principios de 2014. Yandex eliminará todos los factores de enlace de los factores de clasificación. Esta innovación afectará únicamente a las solicitudes comerciales y se probará primero en Moscú y la región de Moscú. Autores de innovaciones, creadores de AGS Yandex.