На правах рукописи

ЛЫСЕНКО ДМИТРИЙ СЕРГЕЕВИЧ

МЕТОД ПОИСКОВОЙ ОПТИМИЗАЦИИ ВЕБ-САЙТОВ

В РОССИЙСКОМ СЕГМЕНТЕ СЕТИ ИНТЕРНЕТ

Специальность 05.13.15 – Вычислительные машины, комплексы

и компьютерные сети (технические наук

и)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук Москва 2011

Работа выполнена в Государственном научно-исследовательском институте информационных технологий и телекоммуникаций (ФГУ ГНИИ ИТТ «Информика») (г. Москва).

Научный руководитель – доктор технических наук, профессор Гридина Елена Георгиевна.

Официальные оппоненты: доктор технических наук, профессор Ретинская Ирина Владимировна;

кандидат технических наук, доцент Королев Денис Александрович.

Ведущая организация – Московский государственный технический университет им. Н.Э. Баумана (г. Москва).

Защита диссертации состоится «19» апреля 2011 г. в 15 часов на заседании диссертационного совета Д 212.133.03 в Московском государственном институте электроники и математики (технический университет) по адресу: г. Москва, Б. Трехсвятительский пер., д. 3.

С диссертацией и авторефератом можно ознакомиться в библиотеке Московского государственного института электроники и математики (технический университет).

Автореферат размещен на сайте ученого совета МИЭМ http://sovet.mitme.ru.

Автореферат разослан «17» марта 2011 г.

Ученый секретарь диссертационного совета доктор технических наук, Леохин Ю.Л.

доцент

Общая характеристика работы

Актуальность работы С развитием глобальной сети Интернет и ростом количества документов, размещенных в ней, возникла проблема поиска информации. На сегодняшний день в большинстве случаев ее решают поисковые системы, которые определяют список документов, соответствующих (релевантных) запросу пользователя. Таких документов могут быть миллионы, и задача поисковой системы – расположить найденные документы в порядке убывания релевантности. Процесс упорядочивания документов называется ранжированием.

Релевантность определяется на основе свойств как документа, так и запроса пользователя. Эти свойства называются факторами ранжирования, число их может достигать нескольких сотен. Каждый из факторов вносит свой вклад в формулу ранжирования, которая в ответ на запрос пользователя определяет порядок документов в результатах поиска. Среди этих факторов могут быть, например, наличие слов запроса пользователя в заголовке и тексте документа, география пользователя (результаты поиска для пользователя из Санкт-Петербурга будут отличаться от списка при поиске из Москвы) и множество других.

Рост объемов информации, индексируемый поисковыми системами, порождает постоянное развитие алгоритмов. За последние несколько лет реализовано множество нововведений. Например, поисковые системы научились определять первоисточник документа (для исключения из результата поиска дубликатов), реализовали поиск с учетом региона пользователя и многое другое.

При этом поисковые системы не в состоянии определить качество и достоверность индексируемой информации, в том числе в сфере образования и образовательных ресурсов. На протяжении многих лет ведутся работы по созданию и развитию Федеральной системы информационнообразовательных ресурсов (далее - ФСИОР). Основными элементами ФСИОР являются: информационная система «Единое окно доступа к ресурсам образовательных порталов» (http://window.edu.ru), Федеральный образовательный портал «Российское образование» (http://edu.ru), Единая коллекция цифровых образовательных ресурсов (http://schoolcollection.edu.ru). ФСИОР содержит только качественные и достоверные ресурсы сферы образования, которые помогают решать различные задачи в информатизации сферы образования. ФСИОР получает свыше 90% своего пользовательского трафика через поисковые системы, что составляет около 4,5 млн. переходов из поисковых систем ежемесячно (суммарные показатели для http://window.edu.ru, http://edu.ru и http://school-collection.edu.ru на основе данных Liveinternet). При изменении формулы ранжирования поисковой системы меняется релевантность документов, позиции документов ФСИОР в результатах поиска, а, следовательно, и трафик, получаемый через поисковые системы. Важной задачей является не только сохранение текущих показателей трафика, но и его повышение. Поставленную задачу решает поисковая оптимизация – комплекс мер по анализу алгоритмов (формул ранжирования) поисковых систем и повышения релевантности документов запросам пользователей.

Исследование работы поисковых систем и вопросы повышения релевантности документов запросам пользователей проводились В.Д.

Байковым, Д.Н. Колисниченко, Н.В. Евдокимовым, И.С.Ашмановым, А.А. Ивановым, А.А. Яковлевым. В них рассматривались факторы, влияющие на ранжирование в поисковых системах. Формулы ранжирования поисковых систем претерпели значительные изменения за последние 2- года, и результаты работ вышеперечисленных авторов неактуальны.

Поскольку использование поисковых систем растет и останется таковым в обозримом будущем, проведенные в диссертации исследования являются актуальными и имеют важное практическое значение, так как позволяют увеличить посещаемость ФСИОР путем повышения видимости по целевым запросам в поисковых системах.

Целью работы является повышение посещаемости Федеральной системы информационно-образовательных ресурсов по целевым запросам к поисковым системам Рунет.

производилась оптимизация, были выбраны наиболее популярные и прогрессивные Яндекс (www.yandex.ru) и Google (www.google.ru).

Исследование остальных известных поисковых систем Рунет неактуально:

Aport (www.aport.ru) – развитие прекращено в середине 2000-х годов, Rambler (www.rambler.ru) – развитие также остановлено, рассматривается использование поиска от Google. Портал Мэйл.ру (www.mail.ru) является в первую очередь развлекательным порталом и почтовым сервисом, поисковая система которого вторична, и трафик с Мэйл.ру для ФСИОР составляет менее 3%.

Для достижения цели решены следующие задачи:

- проведен анализ современных поисковых систем, используемых в российском сегменте сети Интернет;

- разработана система факторов, участвующих в формулах ранжирования поисковых систем;

- разработан метод поисковой оптимизации, проведена поисковая оптимизация Единой коллекции цифровых образовательных ресурсов (http://school-collection.edu.ru) и проанализированы ее результаты.

На защиту выносятся:

- результаты анализа современных поисковых систем;

- составление семантического ядра;

- метод поисковой оптимизации;

- реализация метода поисковой оптимизации для образовательного портала Единой коллекции цифровых образовательных ресурсов.

Научная новизна полученных результатов:

- разработка системы факторов, участвующих в формулах ранжирования поисковых систем;

- формирование семантического ядра;

- разработка метода поисковой оптимизации.

Практическая ценность результатов в том, что применение разработанного метода поисковой оптимизации позволяет повышать посещаемость Интернет-ресурсов по целевым запросам.

основаны на обобщении и развитии десятилетнего опыта работы в области поисковой оптимизации, позволившего в максимально полном объеме определить набор факторов, участвующих в формулах ранжирования поисковых систем; на положительном опыте в поисковой оптимизации некоммерческих и коммерческих как небольших веб-сайтов, так и крупных порталов.

Методы исследований При решении поставленных в диссертации задач применялся метод экспертных оценок, метод шинглов для определения схожести документов.

Реализация и внедрение результатов и следований «Государственный научно-исследовательский институт информационных технологий и телекоммуникаций» (ФГУ ГНИИ ИТТ «Информика»), Петрозаводском государственном университете.

Апробация работы Основные положения диссертации докладывались на семинарах ФГУ ГНИИ ИТТ «Информика», Международной научно-технической конференции «Проблемы автоматизации и управления в технических системах» (Пенза, 2007), Всероссийской научно-практической конференции «Информационные технологии в образовании и науке» (Москва, 2007), Всероссийской научно-технической конференции «Телематика» (СанктПетербург, 2007, 2009), Материалы международной научной конференции IT&T ES (Турция, 2007), Материалы международной научной конференции «Новые информационные технологии и менеджмент качества» (Турция, 2007).

опубликованных печатных работах. В том числе опубликованы две статьи в журналах, включенных в перечень ВАК.

Структура и объем диссертации Диссертация состоит из введения, четырех глав, списка литературы и приложения. Объем диссертации 117 страниц. Работа содержит 31 рисунок, таблиц.

Краткое содержание работы Во введении обосновывается актуальность темы; цели и задачи исследования; в краткой форме дана общая характеристика работы; показана научная новизна и практическая значимость полученных результатов;

содержится перечень задач, решаемых в диссертации; сформулированы основные положения, выносимые на защиту.

Рассмотрено их устройство, индексирование и хранение информации, а пользователей. Рассмотрены внутренние и внешние группы факторов, участвующих в формулах ранжирования поисковых систем.

Внутренние факторы связаны непосредственно с самим документом – релевантность документа запросу зависит от наличия слов запроса в тексте документа, а также в ключевых HTML-тегах. Описана формула расчета показателя релевантности документа запросу, подобная которой используется в Яндекс.

Внешние факторы определения релевантности связаны с множеством гиперссылок, проиндексированных поисковой системой и указывающих на рассматриваемый документ. Впервые модель ссылочного ранжирования использовалась в поисковой системе Google, и сегодня эта группа факторов является одной из важнейших в определении релевантности документа словам запроса. Речь идет об учете «анкоров» - текстов ссылок на документ с других веб-сайтов (открытое образование - в примере HTML кода «открытое образование» является анкором). Модель ссылочного ранжирования Google, названная «Page Rank», строится на предположении, что если на веб-сайте № 1, стоит гиперссылка на документ веб-сайта № 2 со словом «образование», то с некоторой долей вероятности можно утверждать, что сайт № 2 посвящен образованию и будет релевантен соответствующему запросу.

Рассмотрены вопросы анализа статистики запросов пользователей, предлагаемых поисковыми системами, для корректного подбора наиболее популярных фраз. Рассмотрены возможности языка поисковых запросов в Яндекс, а также метод шинглов, на основе которого определяется схожесть документов и определяется первоисточник. Рассмотрены вопросы регионального поиска, а также геозависимые и геонезависимые запросы – запросы, результаты поиска для которых, соответственно, зависят и не зависят от местонахождения пользователя.

Во второй главе определены факторы, используемые поисковыми системами в формулах ранжирования. Их можно разбить на три группы:

внутренние, внешние и доверие к веб-сайту.

Для определения факторов и их важности использовался метод экспертных оценок. Он позволил объединить знания экспертов в области поисковой оптимизации для выявления всех возможных факторов, влияющих на релевантность документа запросу, а также важность каждого из них в рамках нормированной шкалы. На первом этапе каждому эксперту предлагается перечислить всевозможные факторы, которые могут участвовать в формуле ранжирования. Применяется так называемый мозговой штурм – один из вариантов экспертного оценивания, при котором можно высказывать любые собственные идеи, но наложено одно очень существенное ограничение – нельзя критиковать идеи других экспертов. В итоге, в процессе высказывания идей получается максимально возможное количество факторов.

На втором этапе происходит анализ факторов, полученных на первом этапе. Каждому эксперту предлагается анкета, содержащая полный список факторов. Устанавливается шкала от 0 до 1 степени важности фактора, шаг принимается равным 0,1. Каждый эксперт высказывает свое мнение по каждому из факторов, полученных на первом шаге в рамке принятой шкалы.

Результирующая оценка получается путем вычисления среднего арифметического результатов анализа всех экспертов в нормированной шкале с учетом коэффициента доверия к каждому эксперту. Факторы, важность которых в рамках установленной шкалы получилась равной менее 0.1, исключались.

Вопросы в анкете разделяются на два блока:

1 – вопросы, характеризующие степень доверия к эксперту, его профессиональный уровень.

2 – вопросы, характеризующие важность факторов, участвующих в формуле ранжирования.

Обработка результатов и формирование экспертных оценок осуществляется последовательно, начиная с вопросов Блока 1. По каждому эксперту, по каждому вопросу этой группы в зависимости от номера выбранного ответа из таблицы пересчета выбирается коэффициент, характеризующий степень доверия к этому эксперту, и определяется среднее значение коэффициента доверия по всем вопросам Блока 1 для каждого эксперта Кi. В дальнейшем все ответы эксперта умножаются на этот коэффициент.

Вопросы Блока 2 направлены на оценку важности факторов, участвующих в формуле расчета релевантности. Все ответы приводятся к нормированной шкале (от 0.0 до 1.0). Факторы с окончательной оценкой важности менее 0.1 исключаются из окончательного списка.

Оценка важности фактора определяется путем усреднения результатов анкетирования, относящегося к этому фактору с учетом степени доверия к эксперту по всем заполненным анкетам (см. ф. 1).

где: pij – коэффициент, который определяется на основании анкет в нормированной шкале (от 0.0 до 1.0), Ki – коэффициент доверия к эксперту, N – число экспертов.

В результате обработки оценок экспертов получилось три группы факторов и оценка важности каждого из них. Факторы рассматривались в работе [2].

Внутренние факторы приведены в табл. 1.

1.Точное вхождение ключевого слово на странице в рамках 0. пассажа 3. Точное вхождение ключевого слова в тег keywords 0. 4. Точное вхождение ключевого слова в тег description 0. 6. Плотность ключевого слова в тексте страницы – до 5% 0. 7. Общий объем полезного текста на странице 1000-2000 знаков 0. 9. Выделение ключевого слова жирным шрифтом (теги 0. или ) 10. Точное вхождение ключевого слова в текстах гиперссылок в 0. других документах веб-сайта 12. Уникальность документа и веб-сайта в целом в Интернет 1. 14. Запрет от индексации избыточных и служебных страниц и 0. разделов Внешние факторы приведены в табл. 2.

3. Разнообразие анкор-листа (порог по ключевым словам) 1. 4. Динамика изменения анкор-листа (порог по приросту) 1. Факторы, влияющие на доверие к веб-сайту, приведены в табл. 3.

Основываясь на представлении формулы текстовой релевантности, используемой в Яндекс, а также факторов поисковой оптимизации, конечную формулу расчета релевантности можно представить в виде (см. ф. 2).

где Reltotal – общая релевантность документа запросу; Reltext – текстовая релевантность – наличие слов запроса (или его части); Relinternal – релевантность внутренних ссылок – наличие слов запроса (или его части) в анкорах гиперссылок на документ с других страниц этого же веб-сайта;

Relexternal – релевантность внешних ссылок – наличие слов запроса (или его части) в анкорах (текстах) гиперссылок на документ со страниц других вебсайтов; F1, F2, F3 – коэффициенты, понижающие релевантность за поисковый спам; Trust – коэффициент «доверия» к веб-сайту поисковой системой.

Текстовая релевантность может быть представлена в (см. ф. 3).

где Wsingle – встречаемость слов в документе (см. ф. 4), Wpair – учет пар слов, входящих в документ (см. ф. 5), Wallwords – бонус при наличии всех слов запроса в документе (см. ф. 6), Wprf – бонус при «похожести» документа запросу.

где Wsingle – встречаемость слов в документе, TF - число вхождений леммы в документ, DocLength - длина документа в словах, D - число документов в коллекции, CF - число вхождений леммы в коллекцию, Hdr - сумма весов слова за форматирование, k1 = 1, k2 = 1/350.

где p1 и p2 здесь – p для первого и второго слова пары из слагаемого Wsingle.

где Wallwords – бонус, если все слова участвуют в документе, где Nmiss количество отсутствующих в документе слов запроса.

Wprf – слагаемое за «похожесть» документов.

По аналогии релевантность внутренних может быть представлена (см.

ф. 7).

где, TF – число вхождений леммы в текст анкора ссылки, DocLength – количество слов в анкоре ссылки, k1 = 1, k2 = 1/8; CF – число вхождений слов во все ссылки на документ со всех страниц веб-сайта; D – общее число ссылок на документ со всех страниц веб-сайта; k – взвешенный индекс цитируемости (вИЦ) документа – вес, документа, рассчитываемый на основе множества внешних ссылок, ссылающихся на него.

Аналогично можно представить релевантность внешних ссылок (см. ф.

8).

Сумма текстовой, внутри- и внешнессылочной релевантности умножается на коэффициенты т.н. «фильтров», которые могут понижать искусственно созданную веб-мастерами релевантность документов:

• F1 = 1, если процент внешних ссылок, включающих слова запроса в анкоре, от общего количества внешних ссылок на страницу не превышает 30%, в противном случае F1 может равняться от 0.01 до 0.9.

• F2 = 1, если скорость прироста внешних ссылок на страницу лежит в пределах от 0 до 200% от прироста количества внешних ссылок для сайтов схожей тематики.

• F3 = 0 или F3 = 1 - коэффициент «аффилированности» веб-сайта. В случае определения двух веб-сайтов, как принадлежащих одной компании или организации в результатах поиска по одному запросу будет выводиться только один из двух веб-сайтов, соответственно релевантность другого запросу будет равна 0.

Результат умножается на коэффициент «доверия» к веб-сайту.

В третьей главе рассмотрена поисковая оптимизация веб-сайта – повышение релевантности документа словам запросов пользователей в поисковых системах. Рассмотрены вопросы анализа веб-сайта для подбора ключевых слов на основе статистики поисковых запросов в Яндекс, а также распределения их по страницам. На основе факторов, определенных во второй главе, проводится поисковая оптимизация веб-сайта. Данное положение рассматривалось в работе [3].

При подборе ключевых слов для веб-сайтов необходимо учитывать, что не все запросы пользователей могут привести к желаемому результату. К примеру, по запросу «купить учебник математики» пользователь будет искать информацию об он-лайн магазинах по продаже книг. В случае поисковой оптимизации каталога образовательных ресурсов более подходящим запросом будет «скачать учебник математики» и т.д.

При составлении семантического ядра (списка запросов для поисковой оптимизации) на основании общих запросов («учебник математики», «учебник литературы» и т.д.) составляют расширенный список из многословных запросов:

учебник по математике скачать учебник по математике учебник по математике 5 класс учебник по математике Виленкин учебник по литературе учебник по литературе Коровина учебник по литературе Коровиной скачать учебник по литературе После подбора ключевых слов их необходимо распределить по страницам. Этот вопрос неразрывно связан с возможностью написания текста для страницы, чтобы он был логичным, читаемым, удобным для восприятия пользователем. Возможна группировка слов, например, по видам услуг, тематикам каталога, т.е. всевозможная каталогизация.

В данном примере необходимо распределить слова на две группы, страницы которых будут содержать информацию об учебных пособиях по математике и, отдельно, по литературе.

После распределения слов по страницам для них необходимо провести внутреннюю оптимизацию.

Тег - вписываем ключевые слова, учитывая, что Яндекс воспринимает 150 символов текста в данном теге, а также то, что содержимое данного тега будет отображаться в результатах поиска в виде ссылки.

Соответственно, необходимо сделать содержание лаконичным и в то же время привлекательным для пользователя. Необходимо также избегать простого повтора ключевых слов.

Тег - перечисляем все ключевые слова, разделяя их запятой; тег - описание документа – одно предложение, характеризующее содержание страницы; тег - необходимо вставить наиболее часто запрашиваемые 1-2 ключевых слова.

Основной текст на странице необходимо разбивать на абзацы (тег текст страницы), он должен содержать хотя бы по одному вхождению всех ключевых слов группы.

В конце текста страницы необходимо добавить абзац с текстом об учебных пособиях по литературе со ссылками на соответствующую страницу каталога, а в анкорах использовать соответствующие ключевые слова:

Смотрите также раздел с учебниками по литературе Одним из важных параметров достижения высоких позиций в поисковых системах является уникальность текстовой информации, размещенной на страницах веб-сайта. Данное положение рассматривалось в работе [8]. Существуют программы для автоматической проверки текстов на уникальность в поисковых системах. Среди них http://copyscape.com/, http://www.antiplagiat.ru/, http://advego.ru/plagiatus/.

После внутренней оптимизации веб-сайта под выбранные ключевые слова необходимо определить конкуренцию по внешним ссылкам. Проще говоря, оценить, каким количеством ссылок с анкорами в виде ключевых слов обладают веб-сайты, занимающие позиции на первой странице результатов поиска. Задача заключается в том, чтобы найти как можно больше ссылок на веб-сайты из первой десятки Яндекс и среди всей ссылочной массы подсчитать количество анкоров, которые содержат ключевое слово.

Решение на сегодняшний день выглядит следующим образом: внешние ссылки можно посмотреть через поисковые системы Yahoo, Altavista и Alexa.

Необходимо отметить, что поисковая система Yahoo, которая находит большую часть ссылок, показывает максимум 1000 найденных ссылок.

Поэтому при анализе высоко конкурентных запросов необходимо учитывать этот факт. Вышеперечисленные поисковые системы индексируют Рунет медленней, чем Яндекс, поэтому для большей точности следует умножить количество анкоров на 2-3, и мы получим приблизительное количество ссылок с нужным анкором, которое необходимо проставить на оптимизированную страницу нашего веб-сайта для попадания в десятку.

использовать дружественные, партнерские ресурсы. Для попадания на первые страницы результатов поиска требуется от одной до нескольких тысяч внешних ссылок, поэтому найти такое количество дружественных вебсайтов невозможно. Тогда необходимо воспользоваться размещением ссылок на платной основе. Наилучший вариант покупки ссылок на сегодняшний день – это размещение ссылок «навсегда», т.е. размещение оплачивается один раз, и веб-мастер или система, через которую куплена ссылка, гарантирует ее размещение на время существования сайта-донора.

При размещении внешних ссылок необходимо делать это как можно более естественно, т.е. прирост ссылочной массы должен быть равномерным.

расположенного на новом домене, необходимо размещать не более 50- внешних ссылок ежемесячно в течение первых 3-4 месяцев. Затем можно размещать до 30% от количества уже проиндексированных ссылок в каждый последующий месяц. Если проводится поисковая оптимизация веб-сайта, уже имеющего ссылочную массу, то допустимо размещать до 30% от общего количества уже проиндексированных ссылок в каждый месяц.

В четвертой главе рассмотрена поисковая оптимизация веб-сайта Единой коллекции образовательных ресурсов (http://school-collection.edu.ru).

Необходимость в поисковой оптимизации портала возникла в году после анализа источников посетителей. Количество поискового трафика могло быть существенно увеличено.

Свыше 80% трафика портала в 2008 году составляли переходы из поисковых систем. Количество переходов на сентябрь 2008 года с Яндекс и Google составляло 137 тыс. в месяц с каждой из поисковых систем.

Анализируя структуру портала, целевую аудиторию, а также запросы, по которым возможно получение трафика из поисковых систем, было высокочастотные общие запросы («образование», «обучение» и т.д.), а сосредоточиться на поисковой оптимизации каталога образовательных ресурсов, который является главной ценностью портала. Целевыми запросами каталога являются названия учебной литературы, а также отдельные главы и темы учебников («причастный оборот», «наука о человеке», «теорема Пифагора» и др.).

Была поставлена задача оптимизации внутренних страниц и ссылочной структуры под поисковые запросы.

В ходе анализа текущей поисковой оптимизации были выявлены ошибки в HTML-коде страниц, недостаточное наполнение важных тегов ключевыми словами, некорректная ссылочная структура внутри портала, а также индексация большого числа служебных документов, не представляющих никакой ценности для поисковой системы.

Количество внешних ссылок, найденное через поисковые системы Yahoo, Altavista и Alexa, было равным 600. Все ссылки были естественными, т.е. пользователи проставляли их добровольно, и не было замечено никаких покупных ссылок через различные биржи. Все ссылки имели разнообразные анкоры. Около 50% из них ссылались на главную страницу, остальные - на различные внутренние страницы. Сайт имел большое количество внешних ссылок с главных страниц и в совокупности с перечисленным обладал достаточным трастом с точки зрения поисковых систем.

Дополнительной ссылочной массы для оптимизации страниц каталога по целевым запросам не требовалось.

Исходя из поставленных задач поисковой оптимизации страниц каталога Единой коллекции образовательных ресурсов были внесены изменения в «движок» портала. Ключевые слова каждой страницы прописаны в тегах и, тексты страниц были проверены на уникальность. Данные положения рассматривались в работах [1, 4, 5, 6, 7].

посещаемость портала в сентябре 2010 года составила 782 000 посетителей месяц, т.е. в 6,1 раза больше, чем в 2008 году:

Трафик с Яндекс увеличился в 4,1 раз (со 137 тыс. до 569), с Google – в 3 раза (с 137 тыс. до 414 тыс.).

Если рассматривать точки входа, т.е. страницы, на которые попадают пользователи при переходе на портал, то значительно возросло количество страниц каталога (страницы начинаются с ‘/catalog/’).

В приложениях представлены опросные анкеты экспертов для определения факторов, влияющих на ранжирование.

Основные результаты работы К основным результатам, полученным в диссертационной работе, относятся:

определить основные принципы ранжирования документов.

2. Результаты анализа подходов при определении релевантности ранжирования результатов поиска.

ранжирования поисковых систем, на основе метода экспертных оценок. Для каждого фактора определена важность в рамках шкалы 4. Разработанный метод поисковой оптимизации на основе факторов, позволяющий повышать посещаемость веб-сайтов.

5. Применение предложенного в диссертации метода для проведения посещаемость Единой коллекции образовательных ресурсов в 6 раз.

Публикации 1. Гридина Е.Г., Лысенко Д.С. Использование поисковых систем для увеличения посещаемости федеральной системы информационнообразовательных ресурсов // Научно-практический журнал «Открытое образование» № 3, 2009. – с. 43 – 48.

2. Гридина Е.Г., Лысенко Д.С. Факторы формул ранжирования поисковых систем Яндекс и Google // Журнал «Качество. Инновации.

Образование» № 3, 2011. – с. 35 – 41.

3. Лысенко Д.С. Разработка автоматизированной системы создания Интернет представительства организации / Проблемы автоматизации и управления в технических системах: труды Международной научнотехнической конференции / под ред. д.т.н. проф. Щербакова М.А. – Пенза:

Информационно-издательский центр ПГУ, 2007. – с. 187 – 190.

4. Лысенко Д.С., Блажнов Э.Е., Булакина М.Б. Повышение посещаемости федерального портала «Российское образование» через поисковую систему Яндекс // Материалы Всероссийской научнопрактической конференции «Информационные технологии в образовании и науке», ч. 1. – М.: МФА, 2007. – с. 54 – 57.

5. Булакина М.Б., Лысенко Д.С., Чайников Ю.С. Увеличение посещаемости портала «Российское образование» на основе анализа поисковых запросов // Труды XIV Всероссийской научно-технической конференции «Телематика 2007». – СПб., 2007. – с. 366 – 369.

6. Лысенко Д.С., Блажнов Э.Е., Булакина М.Б. Поисковая оптимизация Федерального портала «Российское образование» // Информационные технологии и телекоммуникации в науке и образовании (IT&T ES'2007).

Материалы международной научной конференции. Редкол.: Тихонов А.Н.

(пред.) и др. ФГУ ГНИИ ИТТ «Информика». – М.: ЭГРИ, 2007. – с. 17–19.

посещаемости федерального портала «Российское образование» через поисковую систему Яндекс // Материалы Всероссийской научнопрактической конференции «Информационные технологии в образовании и науке», ч. 1. – М.: МФА, 2007. – с. 54–57.

образовательных порталов www.edu.ru и school-collection.edu.ru через поисковую систему Яндекс путем уникализации документов // Материалы международной научной конференции «Новые информационные технологии и менеджмент качества», Турция, 2009. – с. 18.