Анализ сайта asli.us
Основное Готовность: 35%
Домен
asli.us
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Домен второго уровня идеален для продвижения.
Отличный запоминающийся домен.
Ответ сервера
200 Успешный ответ
HTTP-код ответа и цепочка редиректов
?
Код 200 — страница доступна. Коды 3xx — редиректы (цепочки замедляют загрузку и размывают ссылочный вес). Коды 4xx/5xx — ошибки, поисковик не сможет проиндексировать страницу.
Сервер настроен корректно.
Безопасность
Сайт небезопасен
Использование HTTPS и SSL-сертификат
?
HTTPS — обязательный стандарт. Google и Яндекс отдают предпочтение защищённым сайтам. Отсутствие SSL или просроченный сертификат ведут к предупреждениям в браузере и снижению позиций.
На сайте не найден защищенный протокол ssl и сайт не открывается по https!
Не настроен HSTS (Strict-Transport-Security) — рекомендуется включить.
Поздравляем! Сайт не содержится в реестре РКН.
Кодировка
utf-8
Кодировка символов страницы
?
Стандарт — UTF-8. Неправильная кодировка вызывает нечитаемые символы и мешает поисковику корректно распознать текст страницы.
Указана кодировка на странице utf-8.
Язык
en
Атрибут lang в HTML-теге
?
Атрибут lang (<html lang="ru">) сообщает поисковикам и браузерам, на каком языке написана страница. Помогает при ранжировании в региональном поиске.
Язык документа указан явно: en.
Скорость загрузки
~0,96сек
Время отклика сервера (TTFB)
?
Time To First Byte — время до получения первого байта от сервера. Норма до 200 мс. Медленный отклик ухудшает пользовательский опыт и ранжирование: Яндекс и Google учитывают скорость страниц.
Скорость загрузки сайта 0,96сек оптимальна.
Объем документа
93Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Тег html в документе встречается 2 раза. Это некорректно и лучше исправить.
Тег body в документе встречается 2 раза. Это некорректно и лучше исправить, т.к. по правилам HTML в документе он должен встречаться только один раз.
Объем html-документа 93Кб оптимален.
Ресурсы
Ресурсы: 8
Внешние ресурсы страницы (CSS, JS, изображения)
?
Количество и тип подключённых ресурсов влияют на скорость загрузки. Большое число запросов увеличивает время рендеринга страницы.
Кол-во файлов ресурсов 8 достаточно.
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | text/css | /concrete/themes/elemental/css/bootstrap-modified.css |
| stylesheet | text/css | /application/files/cache/css/elemental/main.css?ts=1582176498 |
| stylesheet | text/css | /concrete/css/font-awesome.css?ccm_nocache=c2f810f838c393a212b03734e81cad1b159e6ccc |
| stylesheet | https://stackpath.bootstrapcdn.com/bootstrap/4.1.2/css/bootstrap.min.css | |
| stylesheet | https://fonts.googleapis.com/css?family=Monoton | |
| stylesheet | https://fonts.googleapis.com/css?family=Permanent+Marker | |
| js | text/javascript | /concrete/js/jquery.js?ccm_nocache=c2f810f838c393a212b03734e81cad1b159e6ccc |
| js | text/javascript | /concrete/js/picturefill.js?ccm_nocache=c2f810f838c393a212b03734e81cad1b159e6ccc |
Серверные заголовки
Кол-во: 9
HTTP-заголовки ответа сервера
?
Заголовки сервера передают браузеру и поисковику служебную информацию: кеширование, безопасность (CSP, HSTS), сжатие (gzip). Правильная настройка ускоряет загрузку и повышает защищённость.
Найдены серверные заголовки 9шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Date | Sat, 22 Aug 2026 07:05:50 GMT |
| Server | Apache |
| X-Powered-By | PHP/7.1.33 |
| Cache-Control | no-cache, private |
| X-Frame-Options | SAMEORIGIN |
| Upgrade | h2 |
| Connection | Upgrade |
| Vary | Accept-Encoding |
| Transfer-Encoding | chunked |
CMS
PrestaShop
Система управления сайтом (движок)
?
CMS — это движок, на котором работает сайт (WordPress, 1C-Bitrix, Tilda и др.). Знание CMS помогает понять возможности SEO-оптимизации и подобрать подходящие инструменты. «Не определена» — вероятно, самописный сайт или нестандартная сборка.
Сайт работает на CMS PrestaShop.
Веб-сервер
Apache
Программное обеспечение сервера
?
Веб-сервер — это ПО, которое отдаёт страницы посетителям (nginx, Apache, IIS, LiteSpeed и др.). Определяется по серверным заголовкам ответа (Server, X-Powered-By и т.п.). «Не определён» — сервер намеренно скрывает эти заголовки, это нормальная практика безопасности.
Сайт работает на веб-сервере Apache.
Мета-теги Готовность: 17%
Title
Main :: My site
Заголовок страницы в браузере и поисковой выдаче
?
Title — главный SEO-заголовок страницы. Влияет на CTR в поиске и ранжирование. Оптимальная длина: 50–70 символов. Ключевые слова — ближе к началу.
Необходимо увеличить число символов в title (текущее значение мало: 15, минимум: 25, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
Описание страницы в поисковой выдаче (сниппет)
?
Meta Description — текст под заголовком в выдаче. Напрямую на позиции не влияет, но влияет на CTR. Оптимальная длина: 120–160 символов.
Установите мета-тег description!
Keywords
Список ключевых слов страницы (устаревший тег)
?
Meta Keywords не учитывается Яндексом и Google для ранжирования с 2009–2012 годов. Заполнение не обязательно, но не вредит. Конкурент может использовать содержимое для анализа.
Установите мета-тег keywords!
Канонический Url
http://asli.us/index.php
Указывает поисковику основную версию страницы
?
Canonical (rel=canonical) предотвращает проблему дублей страниц. Должен точно совпадать с URL проверяемой страницы. Неправильный canonical может передать ссылочный вес на другую страницу.
Пропишите корректный канонический Url!
Robots
Ошибок нет
Директивы для поисковых роботов на уровне страницы
?
Meta Robots управляет индексацией конкретной страницы: index/noindex — индексировать ли, follow/nofollow — следовать ли по ссылкам. Noindex полностью исключает страницу из поиска.
Meta-тег robots не указан. Страница свободна для индексации.
Адаптивность
width=device-width, initial-scale=1
Настройка масштабирования на мобильных устройствах
?
Тег viewport (<meta name="viewport">) сообщает браузеру, как масштабировать страницу на мобильных. Стандарт: width=device-width, initial-scale=1. Отсутствие — признак отсутствия мобильной версии.
Meta-тег viewport со значением-константой width=device-width задаёт ширину страницы в соответствии с размером экрана.
Meta-тег viewport со значением initial-scale=1.0 определяет масштаб 1:1, т.е. «не масштабировать».
Разметка OpenGraph
Не найдено
Мета-теги для красивых превью в соцсетях
?
OpenGraph (og:title, og:description, og:image) управляет тем, как страница выглядит при репосте в социальных сетях и мессенджерах. Отсутствие OG-тегов — невзрачный превью при шеринге.
Разметка OpenGraph не задана. Страница не оптимизирована под социальные сети. Мета-теги с разметкой Og помогают социальным роботам лучше структурировать Ваш сайт.
Все мета-теги
Кол-во: 3
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 3шт. Мета-теги не видимы для человека и предназначены для обмена информацией между веб-страницей и поисковыми системами, браузерами и другими веб-службами. С ними роботы 🤖 и устройства ведут себя более ожидаемо.
Показать полный список мета-тегов
| Тип | Название | Значение |
|---|---|---|
| name | generator | concrete5 - 8.5.2 |
| name | viewport | width=device-width, initial-scale=1.0 |
| name | viewport | width=device-width, initial-scale=1 |
Оптимизация Готовность: 0%
Структура
Есть ошибки
Семантические HTML-элементы страницы
?
Проверяет наличие основных структурных элементов: nav, header, footer, main. Корректная семантическая структура помогает поисковику понять архитектуру страницы.
Найдено более 1 тега <html> и <body>. Проверьте структуру html-документа и устраните лишние теги html/body!
Контент
Есть ошибки
Объём и качество текстового содержимого
?
Анализирует объём полезного текста на странице. Слишком мало — страница может считаться малополезной. Слишком много — ухудшается читаемость и восприятие.
Слова из title 1 встречаются в тексте редко. Добавьте в контент страницы слова из тега <title>!
Абзацев с текстом 1 слишком мало. Добавьте больше абзацев с текстом (тег <p>)!
Среднее число слов в абзаце 10 достаточно.
Кол-во знаков контента 45172 на странице оптимально.
Кол-во слов 6320 на странице оптимально.
Заголовки
Ошибок нет
Иерархия заголовков H1–H6
?
H1 должен быть один и содержать ключевой запрос. H2–H6 описывают подразделы. Пропуск уровней (H1 → H3) и несколько H1 — типичные ошибки, снижающие понятность страницы для поисковика.
На странице присутствуют заголовки <h3> 10.
Тошнота
11,92
Насколько одно слово доминирует в тексте
?
Классическая тошнота = √(частота самого повторяющегося слова). Норма до 7–8: текст воспринимается естественно. Выше — поисковик может счесть страницу переспамленной.
Тошнота превышает норму 5. Измените текст страницы!
Академич. тошнота
131,42%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота превышает норму 5-15%. Измените текст страницы!
Семантическое ядро
20
Наиболее часто встречающиеся слова на странице
?
Топ слов по частоте использования. Показывает, какие слова доминируют в тексте с точки зрения поисковика.
Контент страницы содержит осмысленный текст и слова.
Показать список слов
| Слово | Кол-во | Частота |
|---|---|---|
| celikyilmaz | 142 | 2,25% |
| language | 67 | 1,06% |
| learning | 49 | 0,78% |
| association | 38 | 0,60% |
| processing | 37 | 0,59% |
| summer | 36 | 0,57% |
| workshop | 35 | 0,55% |
| natural | 31 | 0,49% |
| hakkani-tür | 31 | 0,49% |
| understanding | 28 | 0,44% |
| generation | 27 | 0,43% |
| research | 26 | 0,41% |
| reasoning | 26 | 0,41% |
| computational | 26 | 0,41% |
| conference | 26 | 0,41% |
| conversational | 24 | 0,38% |
| jianfeng | 24 | 0,38% |
| linguistics | 24 | 0,38% |
| international | 24 | 0,38% |
| speech | 23 | 0,36% |
Индексация Готовность: 10%
Индексирование
Есть ошибки
Разрешено ли индексирование страницы
?
Проверяет, не закрыта ли страница от индексации через robots.txt, meta robots или X-Robots-Tag. Страница, закрытая от индексации, не появится в поисковой выдаче.
Анкоров на странице 233 слишком много. Проведите ревизию и оптимизацию ссылок сайта.
Robots.txt
Найден корректный robots.txt
Файл управления сканированием сайта роботами
?
Robots.txt указывает поисковым роботам, какие страницы сканировать, а какие — нет. Ошибки в файле могут случайно закрыть важные разделы от индексации.
Robots.txt настроен корректно. Размер файла: 532 байт. Загружен за: 0сек.
Проверяемая страница не запрещена в robots.txt.
Robots.txt доступен по постоянному адресу
Показать содержимое robots.txt
User-agent: *
Disallow: /application/attributes
Disallow: /application/authentication
Disallow: /application/bootstrap
Disallow: /application/config
Disallow: /application/controllers
Disallow: /application/elements
Disallow: /application/helpers
Disallow: /application/jobs
Disallow: /application/languages
Disallow: /application/mail
Disallow: /application/models
Disallow: /application/page_types
Disallow: /application/single_pages
Disallow: /application/tools
Disallow: /application/views
Disallow: /ccm/system/captcha/picture
Sitemap
Кол-во: 0
XML-карта сайта для поисковиков
?
Sitemap.xml помогает поисковику быстрее находить и индексировать страницы. Особенно важен для крупных сайтов и новых страниц, на которые ещё нет входящих ссылок.
Robots.txt не содержит ссылку на карту сайта. Рекомендуется добавить карту сайта и указать ссылку на нее в robots.txt.
Внутренние ссылки
Кол-во: 3
Ссылки на другие страницы своего сайта
?
Внутренние ссылки распределяют ссылочный вес между страницами и помогают поисковику обходить сайт. Пустые анкоры и ссылки на запрещённые robots.txt страницы — типичные ошибки.
Внутренних ссылок на странице 3 оптимально.
Внутренние ссылки не запрещены к индексации в robots.txt.
Показать внутренние ссылки
| Url | Анкор | Состояние | Анализировать |
|---|---|---|---|
| / |
<b>[code]</b>
|
|
Анализировать url |
| / |
Eye Gaze For Spoken Language Understanding In Multi-Modal Conversational Interactions
|
|
Анализировать url |
| / |
Learning Semantic Similarity with Soft Computing
|
|
Анализировать url |
Внешние ссылки
Кол-во: 221
Ссылки на сторонние сайты
?
Исходящие внешние ссылки передают часть ссылочного веса на чужие сайты. Ссылки на авторитетные ресурсы безопасны; ссылки на мусорные сайты могут навредить репутации страницы.
Внешних ссылок на странице 221 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать первые 100 внешних ссылок
| Url | Анкор | Анализировать |
|---|---|---|
| linkedin.com |
<img alt="" left="" src="http://asli.us/application/files/5215/8240/9409/linkedin.png" style="width: 20px; height: 21px;">
|
Анализировать url |
| twitter.com |
<img alt="" left="" src="http://www.asli.us/application/files/2115/8241/0509/twitter.png" style="width: 20px; height: 21px;">
|
|
| scholar.google.com |
Google Scholar
|
Анализировать url |
| sites.google.com |
Spoken Dialog Systems 2026
|
Анализировать url |
| rocling2025.github.io |
ROCLING 2025
|
Анализировать url |
| uiuc-conversational-ai-lab.github.io |
Conversational AI Lab @ UIUC
|
Анализировать url |
| aaai.org |
AAAI'24
|
Анализировать url |
| sites.google.com |
Synergy of Reinforcement Learning and Large Language Models (RL+LLMs) @ AAAI 2024
|
Анализировать url |
| cds.nyu.edu |
CMU LTI Colloquium
|
Анализировать url |
| cds.nyu.edu |
NLP and Text-as-Data Speaker Series at NYU
|
Анализировать url |
| summarization2021.github.io |
New Frontiers in Summarization at EMNLP 2021
|
Анализировать url |
| gem-benchmark.com |
GEM Workshop at ACL 2021
|
Анализировать url |
| drive.google.com |
slides
|
Анализировать url |
| 2020.emnlp.org |
EMNLP 2020
|
Анализировать url |
| nlg-world.github.io |
slides
|
Анализировать url |
| nlpevaluation2020.github.io |
EVAL4NLP Workshop
|
Анализировать url |
| youtube.com |
video
|
Анализировать url |
| sigdial.org |
SIGDIAL 2020
|
Анализировать url |
| youtube.com |
video
|
Анализировать url |
| microsoft.com |
Frontiers of Machine Learning 2020
|
Анализировать url |
| youtube.com |
video
|
Анализировать url |
| soundcloud.com |
<b>recording</b>
|
Анализировать url |
| cpsc.yale.edu |
A Glimpse of Deep Learning in Text Generation
|
Анализировать url |
| sites.google.com |
Document Understanding Workshop
|
Анализировать url |
| microsoft.com |
MSR New York Reinforcement Learning Days
|
Анализировать url |
| microsoft.com |
[slides]
|
Анализировать url |
| youtu.be |
[video]
|
Анализировать url |
| csie.ntu.edu.tw |
Invited Tutorial Deep Learning for NLP
|
Анализировать url |
| alborz-geramifard.com |
Invited Talk NIPS Workshop on Conversational AI
|
Анализировать url |
| alborz-geramifard.com |
Panelist at NIPS Workshop on Conversational AI
|
Анализировать url |
| interspeech2017.org |
Tutorial on Neural Dialog Systems at Interspeech
|
Анализировать url |
| sites.google.com |
Tutorial on Deep Learning for Conversational Dialog Systems at ACL
|
Анализировать url |
| csie.ntu.edu.tw |
[slides]
|
Анализировать url |
| ieee-icassp2017.org |
Tutorial on Neural Dialog Systems at ICASSP
|
Анализировать url |
| ewh.ieee.org |
Intelligent Personal Assistants and Signal Processing Challenges, IEEE SPS Santa Clara,
|
Анализировать url |
| grantome.com |
Language Understanding, Machine Learning Summer School, UC Santa Cruz
|
Анализировать url |
| www1.icsi.berkeley.edu |
Question Answering Effort in BISC Lab IEEE Int. Conf. Semantic Computing, Stanford University
|
Анализировать url |
| scholar.google.com |
Google Scholar
|
Анализировать url |
| semanticscholar.org |
Semantic Scholar
|
Анализировать url |
| arxiv.org |
<b>Cold-Start Personalization via Training-Free Priors from Structured World Models</b>
|
Анализировать url |
| arxiv.org |
<b>HorizonBench: Long-Horizon Personalization with Evolving Preferences</b>
|
Анализировать url |
| arxiv.org |
<b>Paying Less Generalization Tax: A Cross-Domain Generalization Study of RL Training for LLM Agents</b>
|
Анализировать url |
| arxiv.org |
<b>Matrix: Peer-to-Peer Multi-Agent Synthetic Data Generation Framework</b>
|
Анализировать url |
| arxiv.org |
<b>Learning to Interrupt in Language-based Multi-agent Communication</b>
|
Анализировать url |
| arxiv.org |
<b>PrefPalette: Personalized Preference Modeling with Latent Attributes</b>
|
Анализировать url |
| neurips.cc |
<b>Collaborative Reasoner: Self-Improving Social Agents with Synthatic Conversations</b>
|
Анализировать url |
| ai.meta.com |
<b>Explore Theory-of-Mind (ExploreToM): Program-Guided Adversarial Data Generation for Theory of Mind Reasoning</b>
|
Анализировать url |
| arxiv.org |
<b>
rewordbench: Benchmarking and improving the robustness of reward models with transformed inputs</b>
|
Анализировать url |
| arxiv.org |
<b>Collaborative Reasoner: Self-Improving Social Agents with Synthatic Conversations</b>
|
Анализировать url |
| ai.meta.com |
<b>EgoToM: Benchmarking Theory of Mind Reasoning from Egocentric Videos</b>
|
Анализировать url |
| arxiv.org |
<b>Efficient Tool Use with Chain-of-Abstraction Reasoning</b>
|
Анализировать url |
| arxiv.org |
<b>Shepherd: A Critic for Language Model Generation</b>
|
Анализировать url |
| arxiv.org |
<b>RLCD: Reinforcement Learning from Contrast Distillation for Language Model Alignment</b>
|
Анализировать url |
| arxiv.org |
<b>Chain-of-Verification Reduces Hallucination in Large Language Models</b>
|
Анализировать url |
| arxiv.org |
<b>The ART of LLM Refinement: Ask, Refine, and Trust</b>
|
Анализировать url |
| arxiv.org |
<b>Branch-Solve-Merge Improves Large Language Model Evaluation and Generation</b>
|
Анализировать url |
| aclanthology.org |
<b>RESPROMPT: Residual Connection Prompting Advances Multi-Step Reasoning in Large Language Models </b>
|
Анализировать url |
| aclanthology.org |
<b>ACUEVAL: Fine-grained Hallucination Evaluation and Correction for Abstractive Summarization</b>
|
Анализировать url |
| arxiv.org |
<b>Don't throw away your value model! Making PPO even better via Value-Guided Monte-Carlo Tree Search decoding</b>
|
Анализировать url |
| arxiv.org |
<b>Adaptive Decoding via Latent Preference Optimization</b>
|
Анализировать url |
| arxiv.org |
<b>Open-Domain Text Evaluation via Meta Distribution Modeling</b>
|
Анализировать url |
| arxiv.org |
<b>An Introduction to Vision-Language Modeling</b>
|
Анализировать url |
| arxiv.org |
<b>RECKONING: Reasoning through Dynamic Knowledge Encoding</b>
|
Анализировать url |
| github.com |
<b>[code]</b>
|
Анализировать url |
| arxiv.org |
<b>Walking Down the Memory Maze: Beyond Context Limit through Interactive Reading</b>
|
Анализировать url |
| arxiv.org |
<b>PathFinder: Guided Search over Multi-Step Reasoning Paths</b>
|
Анализировать url |
| openreview.net |
<b>ROSCOE: A Suite of Metrics for Scoring Step-by-Step Reasoning</b>
|
Анализировать url |
| github.com |
<b>[code+data]</b>
|
Анализировать url |
| openreview.net |
<b>Look-back Decoding for Open-Ended Text Generation</b>
|
Анализировать url |
| 2023.emnlp.org |
<b>** Outstanding Paper Award</b>
|
Анализировать url |
| arxiv.org |
<b>Crystal: Introspective Reasoners Reinforced with Self-Feedback</b>
|
Анализировать url |
| arxiv.org |
<b>[Chameleon] Scaling Autoregressive Multi-Modal Models: Pretraining and Instruction Tuning</b>
|
Анализировать url |
| arxiv.org |
<b>Gender Biases in Automatic Evaluation Metrics for Image Captioning</b>
|
Анализировать url |
| arxiv.org |
<b>Sub-network Discovery and Soft-masking for Continual Learning of Mixed Tasks</b>
|
Анализировать url |
| arxiv.org |
<b>How much do language models copy from their training data? Evaluating linguistic novelty in text generation using RAVEN</b>
|
Анализировать url |
| arxiv.org |
<b>Augmented Language Models: A Survey</b>
|
Анализировать url |
| arxiv.org |
<b>Understanding In-Context Learning via Supportive Pretraining Data</b>
|
Анализировать url |
| arxiv.org |
<b>ALERT: Adapting Language Models to Reasoning Tasks</b>
|
Анализировать url |
| arxiv.org |
<b>MURMUR: Modular Multi-Step Reasoning for Semi-Structured Data-to-Text Generation</b>
|
Анализировать url |
| arxiv.org |
<b>Complementary Explanations for Effective In-Context Learning</b>
|
Анализировать url |
| arxiv.org |
<b>OPT-R: Exploring the Role of Explanations in Finetuning and Prompting for Reasoning Skills of Large Language Models</b>
|
Анализировать url |
| arxiv.org |
<b>Do Language Models Have Beliefs?
Methods for Detecting, Updating, and Visualizing Model Beliefs</b>
|
Анализировать url |
| github.com |
<b>[code]</b>
|
Анализировать url |
| arxiv.org |
<b>DOMINO: A Dual-System for Multi-step Visual Language Reasoning</b>
|
Анализировать url |
| arxiv.org |
<b>OPT-IML: Scaling Language Model Instruction Meta Learning through the Lens of Generalization</b>
|
Анализировать url |
| arxiv.org |
<b>Discourse-Aware Prompt Tuning for Text Generation</b>
|
Анализировать url |
| arxiv.org |
<b>STRUDEL: Structured Dialogue Summarization for Dialogue Comprehension</b>
<!---->
|
Анализировать url |
| arxiv.org |
<b>A Review on Langauge Models as Knowledge Bases</b>
|
Анализировать url |
| arxiv.org |
<b>ToKen: Task Decomposition and Knowledge Infusion for Few-Shot Hate Speech Detection</b>
|
Анализировать url |
| arxiv.org |
<b>CONFIT: Toward Faithful Dialogue Summarization with Linguistically-Informed Contrastive Fine-tuning</b>
|
Анализировать url |
| arxiv.org |
<b>Investigating Crowdsourcing Protocols for Evaluating the Factual Consistency of Summaries</b>
|
Анализировать url |
| arxiv.org |
<b>CheckDST: Measuring Real-World Generalization of Dialogue State Tracking Performance</b>
|
Анализировать url |
| arxiv.org |
<b>ED-FAITH: Evaluating Dialogue Summarization on Faithfulness</b>
|
Анализировать url |
| aclanthology.org |
<b>An Exploratory Study on Long Dialogue Summarization: What Works and What's Next</b>
|
Анализировать url |
| arxiv.org |
<b>Go Figure: A Meta Evaluation of Factuality in Text Generation</b>
|
Анализировать url |
| arxiv.org |
<b>EmailSum: Abstractive Email Thread Summarization</b>
|
Анализировать url |
| arxiv.org |
<b>Enriching Transformers with Structured Tensor-Product Representations for Abstractive Summarization</b>
|
Анализировать url |
| jiang-yichen.io |
<b>[code]</b>
|
Анализировать url |
| arxiv.org |
<b>QMSum: A New Benchmark for Query-based Multi-domain Meeting Summarization</b>
|
Анализировать url |
| arxiv.org |
<b>Discourse Understanding and Factual Consistency in Text Generation</b>
|
Анализировать url |
Конкуренты Готовность: 0%
Конкуренты в Яндексе
Кол-во: 0
Топ сайтов-конкурентов в Яндексе
?
Сайты, чаще всего появляющиеся в ТОПе Яндекса по запросам из семантического ядра этой страницы.
Мы не нашли у вас конкурентов в Яндексе. Сайт или очень молодой или плохо продвигается.
Конкурентов в ТОП-10 Яндекса не нашлось.
Конкуренты в Google
Кол-во: 0
Топ сайтов-конкурентов в Google
?
Сайты, чаще всего появляющиеся в ТОПе Google по запросам из семантического ядра этой страницы.
Конкуренты в Google тоже не найдены. Займитесь продвижением сайта!
Конкурентов в ТОП-10 Google не нашлось.
ЗоЗПП: права потребителей Готовность: 100%
Нарушения
Не выявлены
Признаков дистанционной продажи товаров (интернет-магазина) не обнаружено — требования ЗоЗПП о раскрытии информации продавца к сайту не применяются. Нарушений нет.
ФЗ-149: рекомендательные технологии Готовность: 100%
Нарушения
Не выявлены
Рекомендательные блоки («с этим покупают», «похожие товары» и т.п.) на сайте не обнаружены — требования ст. 10.7 ФЗ-149 к сайту не применяются. Нарушений нет.
ФЗ-38: реклама Готовность: 100%
Нарушения
Не выявлены
Рекламных тематик с обязательными оговорками (медицина, БАД, кредиты и займы, новостройки) на сайте не обнаружено. Нарушений нет.
ФЗ-436: защита детей Готовность: 100%
Нарушения
Не выявлены
Признаков информационной продукции (новости, видео, книги, игры, курсы) не обнаружено — обязательная возрастная маркировка по ФЗ-436 сайту не требуется. Нарушений нет.
Вердикт
Анализ сайта asli.us, слабо оптимизирован на 16%. Для хорошей оптимизации и выхода на первые места в поиске требуется:
Постарайтесь исправить общие ошибки.
Исправьте ошибки в мета-тегах.
Исправьте ошибки оптимизации.
Исправьте ошибки индексации.
Поделитесь с друзьями: