Поисковая технология "Спектр". Андрей Плахов, Яндекс
Атака на клоны!
1. СтуДень, Новосибирск, 24 сентября 2010
Атака на клоны!
Дмитрий Беляев
Руководитель группы мультимедийных поисков
2. images.yandex.ru
Яндекс.Картинки
— более 1 800 000 000 изображений
на сайтах Рунета и за его пределами
— в среднем ~460 картинок на 1 сайте
— средний размер ~200х300 пикс.
— В среднем за 1 секунду на поиск изображений:
— заходят 36 новых пользователей
— задают 133 запроса
1893 х32 х
20. Хостовые клоны (дубликаты)
Картинки в интернете
Тумбнейлерные дубликаты
Джоконда
Джоконда
<Мо?на Ли?за>
(<Джоко?нда>; итал.
La Gioconda, фр. La
Joconde, полное
название - Портре?т
госпожи? Ли?зы
Джоко?ндо, итал.
Ritratto di Monna Lisa
Винчи, находящаяся в
Лувре (Париж, Франция),
одно из самых известных
произведений живописи в
мире[1][2], которое, как
считается,
dzhokonda_full.jpg
www.louvre.fr Полудубликаты
34. Нам известно:
— только ~50% картинок уникальны
остальные склеиваются в среднем как 1:3
— наиболее часто клонируемые картинки:
• изображения товаров
• произведения искусства
• приколы и т.п. (из блогов)
Какие картинки чаще копируют?
Немного цифр и фактов
35. Описания изображений на сайтах
Alt
Прикартиночный
текст
Заголовки
страниц и
разделов
URL картинок: http://img0.liveinternet.ru/images/attach/b/3/27/451/
27451268_1213812411_Mona_Liza_Dzhokonda_150306_Luvr_Parizh.jpg
Тексты ссылок на файлы: <a href=“Dzhokonda.jpg”>Джоконда</a>
36. Описания изображений на сайтах
«запорожец»
15 картинок
«синий запорожец»
10 картинок
«зеленый запорожец»
5 картинок
«лимузин»
10 картинок
Степень правдоподобия описаний:
• запорожец – 0,75 (30 картинок из 40)
• синий – 0,25 (10 картинок из 40)
• лимузин – 0,25
• зеленый – 0,13 (5 картинок из 40)
синий запорожец
запорожец лимузин
Сопоставление описаний
37. Применение дубликатов
Для чего используем:
— разнообразие выдачи
— точность поиска:
• популярные изображения
• сопоставление описаний
— поиска дубликатов
— уточнение порно-классификатора
— улучшение поиска «зеркал» и сайтов-клонов