Algorithme de classement. Algorithme de classement Yandex Algorithmes de classement

L'auteur raconte environ 30 histoires divertissantes (et instructives) dans le domaine des mathématiques. L'une des histoires parle des principes du PageRank, un algorithme de classement des liens utilisé pour la première fois par Google. Le sujet est pertinent et assez simple à comprendre. Passons donc à Steven Strogatz...

À cette époque lointaine, où Google n’existait pas encore, rechercher sur Internet était une tâche désespérée. Les sites proposés par les anciens moteurs de recherche ne correspondaient souvent pas à la requête, et ceux qui contenaient les informations nécessaires étaient soit profondément enfouis dans la liste de résultats, soit complètement absents. Des algorithmes basés sur l'analyse des liens ont résolu le problème en pénétrant au cœur d'un paradoxe similaire aux koans Zen : les recherches sur Internet étaient censées faire apparaître les meilleures pages. Qu’est-ce qui fait une meilleure page ? Quand d’autres pages tout aussi bonnes y renvoient.

Téléchargez la note dans ou

Cela ressemble à un cercle vicieux. C'est vrai. C'est pourquoi tout est si compliqué. En prenant cette idée et en la tournant à son avantage, l'algorithme d'analyse de liens fournit une solution de jiu-jitsu aux recherches sur le Web. Cette approche s'appuie sur des idées tirées de l'algèbre linéaire, de l'étude des vecteurs et des matrices. Que vous souhaitiez identifier des modèles dans d'énormes quantités de données ou effectuer des calculs gigantesques impliquant des millions de variables, l'algèbre linéaire vous offre tous les outils dont vous avez besoin. Avec son aide, les bases de l'algorithme PageRank, qui constitue la base de Google, ont été construites. Il a également aidé les scientifiques à classer les visages humains, à analyser les votes de la Cour suprême et à remporter le prix Netflix (remis à l'équipe capable d'améliorer de plus de 10 % le système de recommandation des meilleurs films de Netflix).

Pour explorer l'algèbre linéaire en action, regardons le fonctionnement de l'algorithme PageRank. Et afin d’en révéler l’essence sans trop de bruit, imaginons une toile de jouets composée de seulement trois pages reliées entre elles comme suit :

Riz. 1. Petit réseau de trois sites

Les flèches indiquent que la page X contient un lien vers la page Y, mais Y ne rend pas la pareille. Au contraire, Y fait référence à Z. Pendant ce temps, X et Z se réfèrent l'un à l'autre.

Quelles pages sont les plus importantes de ce petit web ? Vous pensez peut-être qu’il est impossible de le déterminer en raison du manque d’informations sur leur contenu. Mais cette façon de penser est dépassée. Les préoccupations concernant le contenu ont abouti à une manière peu pratique de classer les pages. Les ordinateurs comprennent mal le contenu et les gens ne peuvent pas gérer les milliers de nouvelles pages qui apparaissent chaque jour sur Internet.

L'approche, inventée par Larry Page et Sergey Brin, étudiants diplômés de l'université et fondateurs de Google, consistait à permettre aux pages de se classer dans un ordre précis en votant sur les liens. Dans l'exemple ci-dessus, les pages X et Y renvoient vers Z, faisant de Z la seule page avec deux liens entrants. Par conséquent, ce sera la page la plus populaire dans cet environnement. Cependant, si les liens proviennent de pages de qualité douteuse, ils joueront contre eux-mêmes. La popularité en elle-même ne veut rien dire. L’essentiel est d’avoir des liens provenant de bonnes pages.

Et là, nous nous retrouvons à nouveau dans un cercle vicieux. Une page est bonne si elle contient de bonnes pages qui y renvoient, mais qui décide lesquelles sont bonnes en premier lieu ? Ceci est décidé par le réseau. C'est comme ça que ça se passe.

L'algorithme de Google attribue à chaque page un nombre fractionnaire compris entre 0 et 1. Cette valeur numérique est appelée PageRank et mesure « l'importance » d'une page par rapport aux autres en calculant le temps relatif qu'un utilisateur hypothétique passerait à la visiter. Bien qu'un utilisateur puisse choisir parmi plusieurs liens sortants, il en sélectionne un au hasard avec une probabilité égale. Avec cette approche, les pages sont considérées comme faisant plus autorité si elles sont visitées plus souvent.

Et puisque les indices PageRank sont définis sous forme de proportions, leur somme sur l’ensemble du réseau doit être de 1. Cette loi de conservation suggère une autre façon, peut-être plus tangible, de visualiser le PageRank. Considérez-le comme une substance liquide circulant à travers le réseau, dont la quantité diminue sur les mauvaises pages et augmente sur les bonnes. À l’aide d’un algorithme, nous essayons de déterminer comment ce liquide se répartit sur Internet au fil du temps.

La réponse sera obtenue à la suite du processus suivant répété plusieurs fois. L'algorithme commence par une supposition, puis met à jour toutes les valeurs du PageRank, répartissant le fluide de manière égale sur les liens sortants, puis itère sur plusieurs tours jusqu'à ce qu'il atteigne un certain état dans lequel les pages obtiennent leur juste part.

Initialement, l'algorithme définit des parts égales, ce qui permet à chaque page de recevoir le même montant de PageRank. Dans notre exemple, il y a trois pages, et chacune d'elles commence à se déplacer selon l'algorithme avec un score de 1/3.

Riz. 2. Valeurs initiales du PageRank

Le score est ensuite mis à jour pour afficher la valeur réelle de chaque page. La règle est que chaque page prend son PageRank du dernier cercle et le répartit uniformément sur toutes les pages auxquelles elle renvoie. Par conséquent, la valeur mise à jour de la page X après le premier tour est toujours de 1/3, puisque c'est le PageRank qu'elle reçoit de Z, la seule page qui y renvoie. Cela réduit le score de la page Y à 1/6 puisqu'elle ne reçoit que la moitié du PageRank de X après le tour précédent. L'autre moitié va à la page Z, ce qui en fait le gagnant à ce stade car elle s'ajoute encore 1/6 de la page X, ainsi que 1/3 de Y, pour un total de 1/2. Ainsi, après le premier cercle, nous avons les valeurs de PageRank suivantes :

Riz. 3. Valeurs du PageRank après une mise à jour

Dans les cercles suivants, la règle de mise à jour reste la même. Si nous désignons par x, y, z le nombre actuel de pages X, Y et Z, alors à la suite de la mise à jour, nous obtenons le nombre suivant :

z' = ½ x + y,

où les traits indiquent qu'une mise à jour a eu lieu. Il est pratique d'effectuer de tels calculs répétés dans une feuille de calcul (ou manuellement si le réseau est petit, comme dans notre cas).

Après dix répétitions, nous constaterons que les chiffres ne changent pratiquement pas d'une mise à jour à l'autre. À ce stade, la part de X représentera 40,6 % du PageRank total, la part de Y sera de 19,8 % et Z sera de 39,6 %. Ces valeurs sont étrangement proches des nombres 40, 20 et 40 %, ce qui suggère que l'algorithme devrait converger vers elles. C'est vrai. L'algorithme de Google définit ces valeurs limites pour le réseau comme PageRank.

Riz. 4. Limites du PageRank

La conclusion pour ce petit réseau est que les pages X et Z sont d’égale importance, même si Z contient deux fois plus de liens entrants. Cela se comprend : la page X est égale à Z en importance, puisqu'elle reçoit l'entière approbation de sa part, mais ne lui donne en retour que la moitié de son approbation. L'autre moitié revient à Y. Cela explique également pourquoi Y n'obtient que la moitié des actions de X et Z.

Fait intéressant, ces valeurs peuvent être obtenues sans recourir à plusieurs itérations. Il suffit de réfléchir aux conditions qui définissent un état stationnaire. Si rien ne change après la prochaine mise à jour, alors x' = x, y' = y et z' = z. Par conséquent, en remplaçant les variables primes dans les équations de mise à jour par leurs équivalents sans nombres premiers, nous obtenons un système d'équations

lors de la résolution de x = 2y = z. Puisque la somme des valeurs de x, y et z doit être égale à 1, il s'ensuit que x = 2/5, y = 1/5 et z = 2/5, ce qui correspond aux valeurs trouvées précédemment.

Les difficultés commencent là où il y a un grand nombre de variables dans les équations, comme c'est le cas dans un réseau réel. Par conséquent, l’un des problèmes centraux de l’algèbre linéaire est le développement d’algorithmes plus rapides pour résoudre de grands systèmes d’équations. Même des améliorations mineures de ces algorithmes se font sentir dans presque tous les domaines de la vie, des horaires de vol à la compression des images.

Cependant, la victoire la plus significative de l’algèbre linéaire, en termes de son rôle dans la vie quotidienne, a certainement été la solution au paradoxe bouddhiste zen du classement des pages. "Une page n'est aussi bonne que les bonnes pages qui y renvoient." Traduit en symboles mathématiques, ce critère devient l’algorithme PageRank.

Le moteur de recherche Google est devenu ce qu'il est aujourd'hui en résolvant l'équation que vous et moi venons de résoudre, mais avec des milliards de variables - et, par conséquent, avec des milliards de bénéfices.

Selon Google, le terme PageRang viendrait du nom de l'un des fondateurs de Google, Larry Page, et non du mot anglais page (page).

Par souci de simplicité, je ne présenterai que la version de base de l'algorithme PageRank. Pour gérer des réseaux avec d'autres propriétés structurelles, il doit être modifié. Supposons qu’il existe des pages sur le réseau qui renvoient à d’autres, mais que celles-ci, à leur tour, n’y renvoient pas. Pendant le processus de mise à jour, ces pages perdront leur PageRank. Ils le donnent à d'autres et il n'est plus réapprovisionné. Ainsi, ils se retrouveront avec des valeurs de PageRank égales à zéro, et de ce point de vue deviendront indiscernables.

D'un autre côté, il existe des réseaux dans lesquels certaines pages ou groupes de pages sont ouverts pour accumuler du PageRank, mais ne sont pas liés à d'autres pages. Ces pages agissent comme des accumulateurs de PageRank.

Pour éviter de tels résultats, Brin et Page ont modifié leur algorithme comme suit. Après chaque étape du processus de mise à jour des données, toutes les valeurs actuelles du PageRank sont réduites d'un facteur constant, de sorte que leur somme soit inférieure à 1. Ensuite, le PageRank restant est réparti uniformément entre tous les nœuds du réseau, comme s'il « tombait de Le ciel." Ainsi, l'algorithme se termine par une action d'égalisation qui répartit les valeurs du PageRank entre les nœuds les plus pauvres.

Les mathématiques du PageRank et de la recherche interactive sont abordées de manière plus approfondie dans E. Aghapour, T. P. Chartier, A. N. Langville et K. E. Pedings, Google PageRank : Les mathématiques de Google (

En plus des outils graphiques et théoriques des ensembles, ils utilisent souvent représentation algébrique graphique sous forme matricielle.

Considérez le digraphe g contenant n des sommets et m côtes Matrice de contiguïté digraphe g appelé matrice UN taille n n

Parfois, la matrice de contiguïté est appelée matrice de relations, ou matrice de connexions directes.

Matrice d'incidence(ou matrice des incidents) digraphe g appelé matrice B taille n m, dans lequel

Pour introduire la matrice de contiguïté, il faut numéroter les sommets, et pour la matrice d'incidence, les arêtes du graphe.

La représentation algébrique nous permet d'algorithmique sous une forme pratique pour la programmation informatique la procédure de détermination des paramètres quantitatifs structurels du système.

Considérons maintenant quelques méthodes pour résoudre des problèmes pratiques en utilisant le formalisme mathématique que nous avons introduit.

Classement des éléments du système

Analyser les connexions dans un graphe consiste avant tout à trouver et évaluer les chemins entre ses sommets. En plus de trouver directement un chemin dans un certain système de communication, ce problème inclut, par exemple, le problème du choix d'une stratégie optimale, etc. En effet, il suffit d'associer les sommets du graphe à certains objectifs, et les longueurs de les chemins avec le coût pour atteindre ces objectifs afin de résoudre le problème du choix d'une stratégie pour atteindre l'objectif au moindre coût.

Trouver des chemins à l'aide d'un dessin avec une structure graphique complexe (en pratique, il faut analyser des graphiques avec plus de 100 sommets) est difficile et est associé à la possibilité d'erreurs. Considérons l'une des méthodes algébriques faciles à utiliser sur un ordinateur. Cette méthode permet, à partir de la matrice des connexions directes , construire matrice de chemin complet
, Où - nombre de chemins depuis le sommet je jusqu'au sommet j(= 0), ou se limiter à trouver un de ses éléments.

Nombres ou leurs expressions littérales sont déterminées à l'aide d'un type spécial de qualificatif - quasi-mineurs(non signédéterminants). La formule tient

.

Expression
appelé élément quasi mineurmatrices . Signe
est un symbole quasi mineur, et
montre une matrice barrée jeème ligne et kème colonne, qui s'inscrit dans le symbole quasi-mineur comme une matrice qui s'inscrit dans le symbole d'un mineur ordinaire.

Le calcul d'un quasi-mineur se réduit à le décomposer en quasi-mineurs d'ordre inférieur selon la formule

La procédure de calcul est à bien des égards similaire à la procédure de calcul des déterminants conventionnels, mais la maîtrise de cette méthode nécessite une certaine habileté.

Exemple.

Soit la matrice des connexions directes de la forme

Il faut trouver tous les chemins menant du sommet 1 à 5 et compter leur nombre.

Pour l’exemple considéré on obtient

A l'origine dans la matrice La colonne 1, correspondant au numéro du sommet à partir duquel le chemin commence, et la ligne 5, correspondant au numéro du sommet où se termine le chemin, sont barrées. Cela correspond à supprimer du graphe toutes les arêtes menant au sommet 1 et à quitter le sommet 5. Il est plus pratique de laisser inchangées la position et la numérotation des lignes et colonnes restantes. Ensuite, il faut développer le quasi-mineur résultant en éléments non nuls de la 1ère ligne

Le développement du premier terme s'effectue sur la deuxième ligne, le deuxième - sur le troisième, le troisième - sur la quatrième, c'est-à-dire le numéro de la ligne sur laquelle le développement est effectué est égal au numéro de la colonne dans laquelle se trouvait le dernier terme du développement.

Si nous mettons maintenant des éléments non nuls = 1 et effectuons des opérations selon les règles de l'arithmétique ordinaire, on obtient -
.

Si nous effectuons des actions dans l'expression résultante selon les règles de l'algèbre booléenne, nous obtenons la valeur matrice complète de connexions, qui caractérise connectivité graphique. Valeurs des éléments de la matrice de connexion complète sont définis comme suit :

= 1, si le sommet i est connecté au sommet j par au moins un chemin,

=0 sinon.

On croit généralement que
.

La connectivité est la caractéristique la plus importante du schéma structurel d'un système. Plus la matrice complète de connexions est complète, meilleure est la structure. La présence d'un grand nombre de zéros indique de graves défauts dans la structure du système.

Une autre caractéristique importante de la structure est la répartition de l’importance des éléments du système. Caractéristique quantitative significative - rang de l'élément- a été formulée pour la première fois explicitement dans l'analyse de la structure des relations de dominance (supériorité, prédominance) dans des groupes d'individus (personnes, animaux).

Utilisation de la matrice de chemin complet
, les valeurs de rang des éléments sont déterminées par la formule

.

Il convient de garder à l'esprit que la signification d'un élément n'est pas déterminée par la valeur elle-même. , mais en comparant les rangs de tous les éléments, c'est-à-dire rang est un indicateur relatif d’importance.

Plus le rang d'un élément donné est élevé, plus le nombre de chemins par lesquels il est connecté aux autres éléments est grand et plus le nombre d'éléments dont les conditions normales de fonctionnement seront violées en cas de défaillance est grand. Par conséquent, lors de l'élaboration d'un programme visant à garantir la fiabilité du système considéré, il est nécessaire d'accorder une attention particulière aux éléments de rang élevé.

Pour les systèmes ayant une structure de type réseau, la présence d'éléments de rangs nettement supérieurs à ceux des autres indique généralement une surcharge fonctionnelle de ces éléments. Il est conseillé de redistribuer les connexions et de prévoir des solutions de contournement afin d'égaliser l'importance des éléments d'un système donné.

Il existe d'autres méthodes pour déterminer les rangs. Le choix d'une technique adaptée est déterminé par les spécificités de la tâche.

Il convient de noter qu'il existe des structures dont le classement des éléments peut perdre son sens pratique. Ce sont avant tout des structures hiérarchiques. L'importance d'un élément en eux est déterminée par le niveau de la hiérarchie.

Nous avons publié un nouveau livre, Social Media Content Marketing : Comment entrer dans la tête de vos abonnés et les faire tomber amoureux de votre marque.

Algorithmes de classement - méthodes d'évaluation de la qualité des sites Web

Le TOP 10 ne doit inclure que les sites qui répondent le plus complètement possible à la demande de l’utilisateur. Des résultats de haute qualité sont garantis par des formules mathématiques spéciales qui déterminent « l'utilité » d'un site particulier. Les moteurs de recherche ne divulguent pas d'informations sur leurs algorithmes ; ils fournissent aux webmasters uniquement des recommandations générales pour améliorer et optimiser les sites. Cependant, les optimiseurs ont appris à identifier certains modèles sur la base desquels une stratégie est développée.

mouvement.

Plus de vidéos sur notre chaîne - apprenez le marketing Internet avec SEMANTICA

Quels critères l’algorithme de classement prend-il en compte ?

Les moteurs de recherche évaluent les sites Web en fonction de nombreux paramètres. Parmi les critères les plus significatifs figurent :

• unicité et optimisation des textes (présence de phrases clés, nausées, teneur en eau) ;
• âge du domaine ;
• quantité et qualité des liens entrants ;
• type de CMS utilisé ;
• vitesse de chargement des pages du site ;
• présence d'erreurs dans le code.

En comprenant le fonctionnement de l’algorithme du moteur de recherche, un webmaster peut influencer le classement de son site internet. Pour ce faire, il est nécessaire « d'ajuster » les pages du projet web aux exigences du PS. En particulier, vous devrez intégrer des phrases clés dans les balises méta titre et description, ainsi que directement dans le texte de la page. Si vous faites une promotion sur la base d'une demande géodépendante, vous devez alors, en plus des clés, ajouter le nom de la ville ou de la région souhaitée.

C'est intéressant! Le moteur de recherche est mis à jour périodiquement, ce qui entraîne un changement radical des algorithmes existants. Ces mesures visent à lutter contre le spam de recherche. Souvent, un changement dans l'algorithme Yandex entraîne une détérioration des positions des sites promus par les méthodes « noire » et « grise ».

Rechercher des sanctions

Si un webmaster tente clairement de manipuler les algorithmes de Yandex, le moteur de recherche peut lui appliquer diverses sanctions. Les problèmes suivants peuvent survenir :

• Classement inférieur dans les résultats de recherche
• Mauvaise indexation des nouvelles pages (ou perte d'anciens documents de l'index)
• BAN total ou partiel

Les algorithmes Yandex imposent des sanctions en cas d'optimisation excessive des textes, par exemple pour la publication de listes de phrases clés sur les pages. Le filtre peut être appliqué pour que le texte « invisible » se fonde dans l'arrière-plan. Sont également passibles de sanctions les sites de porte d'entrée et les plateformes Internet qui copient le contenu d'autrui.

Nouvel algorithme Yandex – Minusinsk

Cet algorithme consiste à pessimiser un projet web pour l’utilisation de liens SEO. Nous parlons de sites qui achètent des milliers de liens en utilisant des échanges automatisés comme Sape. Du point de vue de Yandex, un lien est considéré comme « SEO » s’il provient d’un site donateur de mauvaise qualité et a un ancrage commercial.

La raison de l'utilisation du filtre « » peut être une forte augmentation de la masse du lien. Par conséquent, afin de protéger votre projet Web de la possibilité d'une telle sanction, vous devez acheter des liens progressivement et diluer les liens d'ancrage avec des hyperliens non-ancres.

Il s'agit de la méthode d'évaluation du travail la plus simple, car elle implique la répartition de tous les types de travail en fonction de leur valeur pour l'organisation. Le contenu d'un certain type d'œuvre est comparé au contenu de l'œuvre prise comme point de départ et, par conséquent, il prend la place appropriée. Souvent, ces comparaisons sont effectuées sur la base d’une seule description de poste, sans procéder à une analyse complète du poste. Ensuite, selon que l'œuvre appartient à un rang ou une gradation particulière, une rémunération est attribuée. Cette méthode est très simple et peut être utile dans les petites entreprises avec une petite variété de types de travail ou avec une « famille » assez homogène d'entre eux, mais peut être totalement inadaptée dans les grandes organisations, avec une grande variété d'emplois au contenu variable ( certains d'entre eux sont très complexes). Dans ce cas, le regroupement des types de travaux doit être effectué sur la base d'un schéma approuvé, surtout si la présence d'un grand nombre de gradations individuelles et de taux de paiement n'est pas acceptable.

La méthode de classement est relativement simple et peu coûteuse à utiliser et peut être mise en œuvre assez rapidement. En revanche, le classement des œuvres peut se faire sur la base d'informations incomplètes et sans tenir compte de certaines normes. Souvent, les personnes impliquées dans le classement des emplois n'ont pas de connaissances spécialisées sur les emplois qu'elles classent. Cela signifie que le classement peut être assez superficiel et conduire plutôt à classer les artistes interprètes ou exécutants plutôt que les types de travail eux-mêmes. En outre, bien souvent, la détermination du classement des différents types de travail est influencée par les taux de rémunération en vigueur pour ceux-ci.

2. Méthode de classement

Cette méthode est largement utilisée pour rémunérer les employés institutionnels et également pour classer les compétences des employés de l'industrie manufacturière. Elle diffère de la méthode de classement en ce que la structure des gradations et la rémunération correspondante sont établies avant qu'une étude approfondie des différents types de travaux ne soit réalisée. Le nombre de gradations est déterminé, leurs fonctions sont établies et, par conséquent, les paiements pour chacun d'eux sont clairs.

Dans cette approche, les descriptions des différents grades sont rédigées de manière à refléter des différences marquées en termes de niveaux de compétences, de responsabilités et d'exigences du poste. Les types de travail qui nécessitent uniquement que les salariés suivent des instructions simples sous une surveillance constante correspondent à la gradation la plus basse de l'échelle. Chaque niveau suivant reflète un niveau plus élevé de compétences, de responsabilités, etc. et moins de contrôle. L'ouvrage n'est pas découpé en éléments constitutifs mais, tout comme pour la méthode de classement, il est considéré dans son ensemble. En figue. 3 fournit un exemple de gradations et une brève description du travail de bureau.

Riz. 3. Gradations du travail de bureau : description générale du travail.

Échelle "D". Travail de bureau courant et normal. Échelle "C". Des emplois qui nécessitent une formation spécialisée, des connaissances et de l’expérience dans certains domaines d’activité. Certains types de travaux exigent des normes d’apparence supérieures à la moyenne. Haut degré de fiabilité et de précision lors du travail avec des pièces. Le contrôle du travail effectué, à l'exception de la direction générale, n'est pas attendu. Échelle "B". Travail qui nécessite des connaissances spécialisées importantes et une expérience dans un domaine d’activité précis. Certains types de travail nécessitent des qualités personnelles très élevées. Haut degré de fiabilité et de précision lors du travail avec des pièces. Les travaux terminés ne nécessitent pas de vérification supplémentaire. L'initiative et la responsabilité individuelle sont attendues dans l'interprétation des instructions pour effectuer un travail particulier et prendre la bonne décision. Peut diriger une équipe de petite à moyenne taille. Échelle "A". Travail qui nécessite des connaissances spécialisées et une expérience très importantes dans certains domaines. Capacité à organiser et réaliser certaines opérations de sa propre initiative. Responsabilité du travail et du comportement d'un grand groupe d'employés et capacité d'évaluer leurs performances et leurs capacités. Un haut degré de responsabilité, la capacité à jouer un rôle de leadership et à établir des contacts tant à l'intérieur qu'à l'extérieur de l'organisation sont assumés.

La méthode de classification est également relativement simple, peu coûteuse et facile à appliquer. Même si les résultats obtenus peuvent être tout à fait satisfaisants, le montant de la rémunération à verser pour un travail particulier peut dépendre dans une large mesure des taux en vigueur. De plus, noter chaque étape est très difficile et le deviendra encore plus dans les grandes organisations. Dans ces cas, il est très souvent nécessaire de suivre de nombreuses étapes différentes, mais cela privera alors la méthode de son principal avantage : la simplicité. De plus, il est souvent très difficile de catégoriser un emploi particulier car ses caractéristiques peuvent se chevaucher avec celles d'un autre type d'emploi, et le niveau d'analyse effectué n'est pas toujours suffisamment détaillé pour classer correctement ce type d'emploi.

Une version légèrement plus complexe de cette approche implique un panel d'arbitres représentant toutes les parties intéressées. Les arbitres étudient 30 types de travaux proposés et les comparent entre eux. Un ordinateur est utilisé pour effectuer un classement général de comparaisons par paires, ce qui ajoute une certaine touche scientifique au processus et rend ses résultats plus acceptables. Toutefois, cette impression est très trompeuse.

Méthode de comparaison factorielle

Cette méthode consiste à classer différents types de travaux selon certains facteurs et, par conséquent, leur paiement est attribué. La première tâche dans l'application de cette méthode est de sélectionner et de décrire clairement les facteurs à utiliser, il s'agit généralement des compétences, des exigences mentales (niveau d'éducation et de formation reçu), des exigences physiques, des responsabilités et des conditions de travail. Cette liste peut être modifiée selon les besoins de l'organisation.

Certains types de travail clés sont sélectionnés, considérés comme des emplois considérés comme susceptibles de représenter d'autres types de travail et de taux de rémunération, et des fiches de poste qui leur correspondent sont établies. La particularité de cette méthode est l'utilisation des taux de rémunération existants pour les emplois clés pour déterminer une série de points fixes sur l'échelle des taux de rémunération relatifs qui apparaissent lors de l'évaluation des performances au travail. Les types de travail sélectionnés doivent être clairement distincts les uns des autres et décrits en conséquence - éventuellement à l'aide d'une analyse de poste. Un nombre suffisant de types de travaux clés doit être sélectionné pour fournir le nombre requis de points de référence permettant de comparer tous les types de travaux : du plus simple au plus complexe.

L'étape suivante consiste pour l'individu ou le comité à classer les activités clés par ordre d'importance en fonction des facteurs sélectionnés.

Une procédure similaire est l'attribution ultérieure de certains paiements pour divers facteurs pour des types de travaux clés. Les tarifs pour chaque type de travaux sont décomposés et fixés proportionnellement aux facteurs utilisés. Par exemple, si le travail d'un outilleur peut être évalué sous condition par 20 unités de paiement, vous pouvez alors attribuer : 9 - pour les compétences et les capacités, 5 - pour l'exigence de capacités mentales, 2 - pour les exigences physiques, 3 - pour la responsabilité et 1 - pour les conditions de travail.

Une fois ce classement effectué, les résultats du classement des travaux par facteurs et par paiement attribué sont comparés. Toute incohérence dans les deux systèmes de classement différents peut être résolue en ajustant les tarifs ou le contenu du travail. Si cela ne peut pas être fait, alors ce travail ne peut pas être utilisé comme un travail clé.

Au stade final, tous les types de travail restants peuvent être localisés sur une échelle en fonction de leur relation avec les types de travail clés en termes de contenu, chaque facteur est considéré séparément jusqu'à ce que de nouveaux barèmes de taux de rémunération pour tous les types de travail dans l'entreprise sont créées.

L'essence de la méthode de comparaison factorielle est que les taux pour les principaux types de travail sont considérés comme définitifs et corrects, les autres types de travail sont classés en fonction de chaque facteur et ajustés à l'échelle principale. Cette méthode est similaire à la méthode de classement, mais nécessite que les emplois soient classés deux fois en fonction de facteurs individuels au lieu de classer l'ensemble de l'emploi une seule fois.

Le principal avantage de la méthode de comparaison factorielle est qu’elle prend en compte les facteurs qui semblent déterminer la valeur relative des différents types de travail. Il vous permet de créer une échelle de base, exprimée en unités monétaires, et le travail non clé peut être « mesuré » par rapport à celle-ci. Il s’agit d’une méthode plus précise et plus flexible que les deux précédentes. En revanche, cette méthode est plus longue à mettre en œuvre et à utiliser et est très difficile à expliquer aux salariés. De plus, il peut y avoir une certaine iniquité salariale en raison de l'inadéquation des taux existants ou de la façon dont les gestionnaires ou les représentants syndicaux considèrent la valeur comparative des différents emplois. En outre, malgré le caractère scientifique évident du processus de détermination de la rémunération, la répartition proportionnelle de la rémunération du travail en fonction de divers facteurs est inévitablement assez arbitraire. Pour ces raisons, cette méthode n’est pas populaire aujourd’hui.

Méthode de classement par points

La méthode de détermination des notes vise à accroître l’objectivité. Il repose sur l’hypothèse qu’il existe des facteurs communs à tous les types de travail, même s’il attribue des scores aux facteurs plutôt que d’attribuer des valeurs monétaires à différents facteurs.

(1) compétences,

(2) efforts,

(3) responsabilité,

(4) conditions de travail.

En général, ils peuvent être divisés en 10 à 15 sous-facteurs. Les exigences relatives à ces sous-facteurs peuvent être divisées en plusieurs niveaux (généralement entre 5 et 8). En figue. 3. montre les facteurs, les niveaux et les scores qui ont été utilisés dans une conception réelle.

Comme on peut le constater, le nombre de points attribués à chaque facteur n’est pas le même. Cela est dû à l’utilisation de la méthode de pondération du classement par points. Avec la méthode de classement par points direct, la répartition des points pour tous les facteurs est la même.

sélectionner des facteurs communs à tous les types de travaux évalués ;

déterminer le nombre de niveaux qui doivent être différents pour chaque facteur lors de la comparaison des œuvres ;

établir le poids spécifique de chaque facteur ;

déterminer la valeur de chaque niveau ou de chaque facteur en points.

Ensuite, des descriptions de poste sont préparées pour chaque type d'emploi, généralement sur la base d'une analyse systématique du poste. Différents types de travail sont évalués sur la base de ces descriptions de poste, ainsi qu'à travers :

évaluer tous les facteurs pour un emploi, puis tous les facteurs pour le deuxième emploi, etc., ou

évaluations de tous types de travaux sur le premier facteur, puis sur le second, etc.

La deuxième méthode est généralement utilisée car elle facilite l’analyse comparative de la valeur relative des différents types de travail. Le nombre de points reçus par chaque type de travail sur divers facteurs est résumé, puis le nombre total de points marqués est converti en unités monétaires à l'aide des méthodes décrites ci-dessous.

Les facteurs utilisés dans cet exemple pour créer un plan basé sur la méthode de classement par points montrent comment le score total pour chaque facteur a été réparti entre les différents sous-facteurs dans ce cas.
	Points par niveau					Total de points possibles
Compétences
1. Éducation
2. Expérience professionnelle
3. Initiative et ingéniosité
Efforts
4. Coûts physiques
5. Coûts mentaux
Responsabilité
6. Équipement ou procédé
7. Matériaux ou produits
8. Sécurité des autres
9. Le travail des autres
Les conditions de travail
10. Conditions de travail
11. Dangers possibles

Dans l’exemple ci-dessus, les facteurs peuvent être utilisés pour la plupart des professions ouvrières. Le cadre le plus populaire auprès des managers, la Hay Guide Chart and Profile Method (HGC), utilise trois facteurs assez généraux (qui rendent la méthode adaptée à tous les types de travail à différents niveaux de l'organisation) :

Réaliser des travaux basés sur un savoir-faire - L’ensemble global des compétences nécessaires pour effectuer un travail moyen se caractérise à la fois par leur étendue (le nombre de compétences) et leur profondeur (leur niveau).

Résolution de problème - la pensée originale et indépendante, nécessaire à l'analyse, à l'évaluation, à la formation d'arguments et de conclusions, mesure l'intensité du processus de pensée...

Responsabilité - la responsabilité des actions et des conséquences... se mesure par l'impact du travail sur les résultats finaux...

Le principal avantage de la méthode de classement par points est que grâce à elle, seuls les points sont calculés, et non les montants des salaires. Son utilisation n’est donc pas significativement influencée par les taux de paiement existants, contrairement aux trois méthodes précédentes. La méthode se veut également plus objective, puisqu'elle s'appuie généralement sur des données sur chaque type de travail obtenues à partir des résultats de leur analyse, ce qui permet de donner des réponses plus convaincantes à toutes les questions des salariés concernant la fiabilité de l'évaluation. Cependant, il est généralement admis que cette méthode contient également de nombreux éléments arbitraires et subjectifs, notamment :

dans la sélection du nombre et des types de facteurs et de niveaux corrects à utiliser dans l'évaluation ;

lors de la répartition de pondérations ou de scores spécifiques entre les facteurs ou leurs différents niveaux.

Il est très difficile de prendre des décisions sur ces deux points. Il est presque impossible d'éviter la subjectivité, puisqu'il n'existe pas de critères objectifs et que les décisions prises peuvent exagérer l'importance de certains types de travail par rapport à d'autres.

Pour utiliser cette méthode vous devez avoir de bonnes compétences techniques. Moins flexible que d’autres, il ne s’adapte pas facilement aux changements des conditions économiques générales et à d’autres facteurs lors de la conception des structures salariales. C’est à cette méthode que pensent les critiques lorsqu’ils affirment que l’évaluation des emplois est par nature une méthode statique qui doit encore être adaptée à une situation dynamique. Toutefois, l’évaluation du travail effectué peut être utilisée à cette fin. collecter des informations sur les changements dans le contenu du travail et convertir ces changements en unités de coût.

La méthode de notation la plus courante est la méthode Hay (ou Hay MSL – son nom d'origine). Il comprend des facteurs tels que la planification, l'organisation, l'évaluation, le développement et la coordination, qui sont particulièrement pertinents pour le travail d'un gestionnaire.

Il ne faut pas oublier que toutes les méthodes, quelle que soit leur complexité et leur nature scientifique apparente, reposent initialement sur des décisions arbitraires et des évaluations très subjectives et dépendent en grande partie du rapport existant entre les différents types de travail. Dans de nombreux cas, l’évaluation des performances est la meilleure chose que nous puissions faire, mais ses résultats ne doivent jamais être considérés comme absolument corrects ou indiscutables.

classification	variant	comparaison de facteurs	classement par points
non quantitatif		quantitatif
échelle définie	les types de travail sont comparés les uns aux autres		échelle définie
l'œuvre est considérée dans son ensemble		les facteurs sont pris en compte
moins cher et plus facile		complexe et cher
adapté à une gamme limitée de travaux		adapté à une large gamme d'applications

Total

Pendant très longtemps, les algorithmes de classement Yandex sont restés un « secret » pour les utilisateurs. Les spécialistes du moteur de recherche Yandex ont préféré ne pas informer les internautes des changements dans les algorithmes de classement.

Algorithmes de classement Yandex

1 2007

Et ce n'est qu'en 2007 que les employés de Yandex ont commencé à informer leurs utilisateurs de l'introduction d'innovations dans l'algorithme de recherche. Cela rend la promotion de sites Web un peu plus facile pour de nombreux webmasters.

Il convient de noter que les algorithmes de classement Yandex changent constamment. Grâce à ces changements, des fonctionnalités plus récentes et plus avancées sont ajoutées, ce qui facilite grandement l'utilisation de ce moteur de recherche. De plus, grâce aux changements apportés aux algorithmes de classement, les bogues sont éliminés, les filtres et les limiteurs sont mis à jour et une livraison plus précise des informations est ajustée pour correspondre au mieux à la demande initiale.

2 mai 2008

En mai 2008, les spécialistes de Yandex ont publié un nouvel algorithme appelé « Magadan ».

Algorithme de Magadan

Dans cet algorithme, le nombre de facteurs de classement a été doublé et le classificateur basé sur la localisation de l'utilisateur (géociblage) a été considérablement amélioré. L'algorithme de Magadan contient également des solutions innovantes telles que l'ajout de classificateurs de contenu et de liens. La vitesse du moteur de recherche dans la recherche d'informations sur la base des requêtes clés saisies a été considérablement augmentée (grâce à cet algorithme, le moteur de recherche est capable de fournir des informations même avec des textes dont l'orthographe est pré-révolutionnaire).

En juillet de la même année, une nouvelle version de l'algorithme Magadan a été publiée, qui incluait des facteurs de classement supplémentaires, par exemple pour déterminer le caractère unique du texte et des informations, déterminer si le contenu est pornographique, etc.

3 septembre 2008

En septembre 2008 déjà, la société Yandex avait publié un nouvel algorithme appelé « Nakhodka ».

Grâce à l'avènement de cet algorithme, le travail avec les dictionnaires dans le système de recherche Yandex s'est considérablement amélioré et la qualité du classement des requêtes contenant des mots vides (conjonctions et prépositions) a considérablement augmenté. En outre, dans cet algorithme, une toute nouvelle approche de l'apprentissage automatique a été développée (la machine a commencé à faire la distinction entre différentes requêtes et a commencé à modifier les facteurs de classement pour différentes requêtes dans la formule de calcul des résultats de recherche).

4 avril 2009

Un nouvel algorithme appelé « Arzamas » ou « Anadyr » a été publié sur le moteur de recherche Yandex en avril 2009.

Algorithme d'Arzamas

Grâce à l'introduction de cet algorithme, le moteur de recherche Yandex a appris à comprendre la langue russe avec plus de précision et de manière significative, ce qui a permis de résoudre plus précisément les mots ambigus dans les requêtes. Cet algorithme a également permis au moteur de recherche de prendre en compte la région dans laquelle se situe l'utilisateur. Grâce à cela, les utilisateurs ont commencé à recevoir des informations plus précises et plus utiles sur le problème demandé, le plus pertinent pour la région dans laquelle se trouvait l'utilisateur.

Il convient de noter que selon les régions, les informations fournies sont également différentes, malgré la même requête saisie par l'utilisateur. Également dans cet algorithme de recherche, la formule a été considérablement améliorée, ce qui rend plus pratique le travail avec des requêtes multi-mots. Des filtres plus stricts ont été introduits pour les pages avec des bannières popunder (la bannière Pop-Under apparaît sur toutes les pages du site et n'est pas liée au thème du site), clickander (publicité Click-under qui apparaît sur la page lorsque le visiteur clique pour la première fois) et bodyclic (Bodyclic - service de publicité teaser).

5 novembre 2009

En novembre 2009, un nouvel algorithme a été publié, appelé « Snezhinsk ».

Algorithme de Snejinsk

Cet algorithme introduit des fonctions supplémentaires et des paramètres de classement qui vous permettent d'appliquer plusieurs milliers de paramètres de recherche pour un seul document. Également dans cet algorithme, de nouveaux paramètres régionaux ont été introduits (filtres pour les sites essayant intentionnellement d'influencer les résultats de recherche, site plus simple et anti-merde), et la recherche de contenu original sur Internet a été considérablement améliorée. Cet algorithme incluait également le système d'auto-apprentissage MatrixNet.

6 décembre 2009

En décembre 2009, un nouvel algorithme appelé « Konakovo » est apparu.

Cet algorithme n'était qu'une version améliorée de l'algorithme de Snezhinsk et seul le classement local a été amélioré. En septembre 2010, un nouvel algorithme « Obninsk » a été publié. Dans cet algorithme, le classement des requêtes territorialement indépendantes a été amélioré et une limitation a été introduite sur l'influence des liens artificiels sur le classement. De plus, grâce à cet algorithme, la procédure de détermination du texte de l'auteur a été considérablement améliorée et le dictionnaire de translittération a été considérablement élargi.

7 2010

En décembre 2010, un nouvel algorithme appelé « Krasnodar » a été publié.

Pour créer cet algorithme, une nouvelle technologie appelée Spectrum a été spécialement développée. Grâce à cet algorithme, le moteur de recherche Yandex a commencé à classer les requêtes et à en sélectionner des objets, en attribuant aux requêtes une catégorie spécifique (produits, services, etc.).

8 2014

Un autre coup fatal de Yandex - Les algorithmes de classement Yandex ne prendront plus en compte les liens lors du classement. Selon les dernières annonces, le classement sans lien sera lancé début 2014. Yandex supprimera tous les facteurs de lien des facteurs de classement. Cette innovation ne concernera que les demandes commerciales et sera d'abord testée à Moscou et dans la région de Moscou. Auteurs d'innovations, créateurs d'AGS Yandex.