Анализ сайта getao.github.io
Основное Готовность: 100%
Домен
getao.github.io
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Используйте для продвижения только домен второго уровня.
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.
Цепочка редиректов:
http://getao.github.io
301 MovedPermanently
https://getao.github.io/
200 OK
Безопасность
Сайт безопасен
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.
Не настроен HSTS (Strict-Transport-Security) — рекомендуется включить.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 18.11.2026 23:32:09.
HTTP автоматически перенаправляется на HTTPS.
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
~0,43сек
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 0,43сек оптимальна.
Объем документа
36Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 36Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 5
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 5 достаточно.
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | assets/css/main.css | |
| stylesheet | assets/css/academicons.css | |
| js | https://cdnjs.cloudflare.com/ajax/libs/mathjax/2.7.4/latest.js?config=TeX-MML-AM_CHTML | |
| js | assets/js/main.min.js | |
| js | https://www.googletagmanager.com/gtag/js?id= |
Серверные заголовки
Кол-во: 18
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 18шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Server | GitHub.com |
| x-origin-cache | HIT |
| Access-Control-Allow-Origin | * |
| ETag | "6a068733-90e4" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | 95E6:14C000:5968E3:60CD16:6A8B79CF |
| x-github-edge-region | swedencentral |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sun, 23 Aug 2026 22:53:03 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-bma-essb1270079-BMA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787525583.381538,VS0,VE110 |
| Vary | Accept-Encoding |
| x-fastly-request-id | 4826e3120b582b9fc62b75db74de750cf985250d |
CMS
Не определена
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.
CMS не определена. Вероятно, сайт самописный либо движок надёжно скрыт. Это не ошибка.
Веб-сервер
GitHub.com
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.
В заголовке Server указано: GitHub.com.
Мета-теги Готовность: 48%
Title
Tao Ge - Homepage
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: 17, 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
https://getao.github.io/
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.
Канонический Url прописан корректно.
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=1.0
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
Кол-во: 5
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 задана. Страница оптимизирована под социальные сети.
Показать полный список og мета-тегов
| Тип | Значение |
|---|---|
| og:locale | en |
| og:site_name | Tao Ge |
| og:title | Tao Ge |
| og:url | https://getao.github.io/ |
| og:description | About |
Все мета-теги
Кол-во: 12
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 12шт. 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 | HandheldFriendly | True |
| name | MobileOptimized | 320 |
| name | viewport | width=device-width, initial-scale=1.0 |
| name | msapplication-TileColor | #000000 |
| name | msapplication-TileImage | images/mstile-144x144.png?v=M44lzPylqQ |
| name | msapplication-config | images/browserconfig.xml?v=M44lzPylqQ |
| name | theme-color | #ffffff |
| property | og:locale | en |
| property | og:site_name | Tao Ge |
| property | og:title | Tao Ge |
| property | og:url | https://getao.github.io/ |
| property | og:description | About |
Оптимизация Готовность: 100%
Структура
Ошибок нет
Семантические HTML-элементы страницы
?
Проверяет наличие основных структурных элементов: nav, header, footer, main. Корректная семантическая структура помогает поисковику понять архитектуру страницы.
Структура документа корректна (теги <html> и <body> присутствуют по одному на документ).
Контент
Ошибок нет
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 3 встречаются в тексте достаточно.
Абзацев с текстом 140 достаточно.
Среднее число слов в абзаце 13 достаточно.
Кол-во знаков контента 12956 на странице оптимально.
Кол-во слов 2022 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 <h1> 2. Это прекрасно.
На странице присутствуют заголовки <h2> 2. Это хорошо.
На странице присутствуют заголовки <h3> 1.
Тошнота
4
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 страницы в пределах нормы 4.
Академич. тошнота
7,32%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота страницы в пределах нормы.
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 |
|---|---|---|
| zhifang | 16 | 0,79% |
| decoding | 14 | 0,69% |
| language | 14 | 0,69% |
| baobao | 14 | 0,69% |
| shaoguang | 12 | 0,59% |
| speculative | 11 | 0,54% |
| si-qing | 10 | 0,49% |
| wangchunshu | 10 | 0,49% |
| generation | 9 | 0,45% |
| correction | 9 | 0,45% |
| chinese | 9 | 0,45% |
| synthetic | 8 | 0,40% |
| models | 7 | 0,35% |
| grammatical | 7 | 0,35% |
| creation | 6 | 0,30% |
| sujian | 6 | 0,30% |
| wenshan | 6 | 0,30% |
| canwen | 6 | 0,30% |
| training | 5 | 0,25% |
| agentic | 5 | 0,25% |
Индексация Готовность: 60%
Индексирование
Ошибок нет
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 95 оптимально. Поисковые роботы обязательно проиндексируют сайт.
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: 45 байт. Загружен за: 0сек.
Проверяемая страница не запрещена в robots.txt.
Robots.txt доступен по постоянному адресу
Цепочка редиректов для файла robots.txt:
http://getao.github.io/robots.txt
301 MovedPermanently
https://getao.github.io/robots.txt
200 OK
Показать содержимое robots.txt
Sitemap: https://getao.github.io/sitemap.xml
Sitemap
Кол-во: 1
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 содержит карту сайта. Это прекрасно!
Robots.txt не содержит ошибок в карте сайта.
Показать карту сайта
| Url | Статус |
|---|---|
| https://getao.github.io/sitemap.xml |
|
Внутренние ссылки
Не найдено
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 0 оптимально.
Внешние ссылки
Кол-во: 91
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 91 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать внешние ссылки
| Url | Анкор | Анализировать |
|---|---|---|
| linkedin.com |
<i class="fab fa-fw fa-linkedin" aria-hidden="true"></i> LinkedIn
|
Анализировать url |
| scholar.google.com |
<i class="fas fa-fw fa-graduation-cap"></i> Google Scholar
|
Анализировать url |
| linkedin.com |
<i class="fab fa-fw fa-linkedin" aria-hidden="true"></i>
|
Анализировать url |
| scholar.google.com |
<i class="fas fa-fw fa-graduation-cap"></i>
|
Анализировать url |
| github.com |
open-source
|
Анализировать url |
| aclanthology.org |
2021
|
Анализировать url |
| arxiv.org |
Aggressive Decoding
|
Анализировать url |
| platform.openai.com |
Predicted Output
|
Анализировать url |
| arxiv.org |
March 2022
|
Анализировать url |
| github.com |
open-source implementation
|
Анализировать url |
| openreview.net |
September 2022
|
Анализировать url |
| arxiv.org |
November 2022
|
Анализировать url |
| arxiv.org |
February 2023
|
Анализировать url |
| arxiv.org |
persona-driven synthetic data creation
|
Анализировать url |
| arxiv.org |
OLMo
|
Анализировать url |
| arxiv.org |
Molmo and PixMo
|
Анализировать url |
| aclanthology.org |
Nemotron
|
Анализировать url |
| qwen.ai |
Qwen
|
Анализировать url |
| github.com |
Hunyuan
|
Анализировать url |
| arxiv.org |
LongCat
|
Анализировать url |
| arxiv.org |
EvoCUA
|
Анализировать url |
| arxiv.org |
PaddleOCR
|
Анализировать url |
| arxiv.org |
SmolLM
|
Анализировать url |
| arxiv.org |
Hermes
|
Анализировать url |
| arxiv.org |
Minicpm
|
Анализировать url |
| arxiv.org |
<strong>DocReward: A Document Reward Model for Structuring and Stylizing</strong>
|
Анализировать url |
| arxiv.org |
<strong>Scaling Synthetic Data Creation with 1,000,000,000 Personas</strong>
|
Анализировать url |
| arxiv.org |
<strong>Inference with Reference: Lossless Acceleration of Large Language Models</strong>
|
Анализировать url |
| platform.openai.com |
OpenAI’s Predicted Output
|
Анализировать url |
| arxiv.org |
<strong>Lossless Acceleration for Seq2seq Generation with Aggressive Decoding</strong>
|
Анализировать url |
| arxiv.org |
<strong>Reaching Human-level Performance in Automatic Grammatical Error Correction</strong>
|
Анализировать url |
| arxiv.org |
<strong>Improving LLM General Preference Alignment via Optimistic Online Mirror Descent</strong>
|
Анализировать url |
| arxiv.org |
<strong>Router-Tuning: A Simple and Effective Approach for Dynamic Depth</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Low-Bit Quantization Favors Undertrained LLMs</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Learn to Memorize: Scalable Continual Learning in Semiparametric Models with Mixture-of-Neighbors Induction Memory</strong>
|
Анализировать url |
| aclanthology.org |
<strong>K-Level Reasoning: Establishing Higher Order Beliefs in Large Language Models for Strategic Reasoning</strong>
|
Анализировать url |
| aclanthology.org |
<strong>ALYMPICS: Language Agents Meet Game Theory</strong>
|
Анализировать url |
| link.springer.com |
<strong>Overview of the NLPCC 2024 Shared Task: Chinese Essay Discourse Logic Evaluation and Integration</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Learn Beyond The Answer: Training Language Models with Reflection for Mathematical Reasoning</strong>
|
Анализировать url |
| openreview.net |
<strong>LLM as a Mastermind: A Survey of Strategic Reasoning with Large Language Models</strong>
|
Анализировать url |
| proceedings.neurips.cc |
<strong>xRAG: Extreme Context Compression for Retrieval-augmented Generation with One Token</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Unlocking Efficiency in Large Language Model Inference: A Comprehensive Survey of Speculative Decoding</strong>
|
Анализировать url |
| aclanthology.org |
<strong>SCALE: Synergized Collaboration of Asymmetric Language Translation Engines</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Refining Corpora from a Model Calibration Perspective for Chinese Spelling Correction</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Low-code LLM: Visual Programming over LLMs</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Unleashing Cognitive Synergy in Large Language Models: A Task-Solving Agent through Multi-Persona Self-Collaboration</strong>
|
Анализировать url |
| openreview.net |
<strong>In-context Autoencoder for Context Compression in a Large Language Model</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Speculative Decoding: Exploiting Speculative Execution for Accelerating Seq2seq Generation</strong>
|
Анализировать url |
| papers.nips.cc |
<strong>Extensible Prompts for Language Models on Zero-shot Language Style Customization</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Smart Word Suggestions for Writing Assistance</strong>
|
Анализировать url |
| link.springer.com |
<strong>Enhancing Detailed Feedback to Chinese Writing Learners Using a Soft-Label Driven Approach and Tag-Aware Ranking Model</strong>
|
Анализировать url |
| link.springer.com |
<strong>Overview of the NLPCC 2023 Shared Task: Chinese Essay Discourse Coherence Evaluation</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Overview of CCL23-Eval Task 8: Chinese Essay Fluency Evaluation (CEFE) Task</strong>
|
Анализировать url |
| aclanthology.org |
<strong>EdgeFormer: A Parameter-Efficient Transformer for On-Device Seq2seq Generation</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Plug and Play Knowledge Distillation for kNN-LM with External Logits</strong>
|
Анализировать url |
| ijcai.org |
<strong>A Unified Strategy for Multilingual Grammatical Error Correction with Pre-trained Cross-lingual Language Model</strong>
|
Анализировать url |
| ojs.aaai.org |
<strong>Text Revision by On-the-Fly Representation Optimization</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Beyond Preserved Accuracy: Evaluating Loyalty and Robustness of BERT Compression</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Improving Sequence-to-Sequence Pre-training via Sequence Span Rewriting</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Instantaneous Grammatical Error Correction with Shallow Aggressive Decoding</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Blow the Dog Whistle: A Dataset for Cant Creation, Understanding and Decryption in Chinese</strong>
|
Анализировать url |
| proceedings.neurips.cc |
<strong>BERT Loses Patience: Fast and Robust Inference with Early Exit</strong>
|
Анализировать url |
| aclanthology.org |
<strong>UnihanLM: Coarse-to-Fine Chinese-Japanese Language Model Pretraining with the Unihan Database</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Improving the Efficiency of Grammatical Error Correction with Erroneous Span Detection and Correction</strong>
|
Анализировать url |
| aclanthology.org |
<strong>BERT-of-Theseus: Compressing BERT by Progressive Module Replacing</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Pseudo-Bidirectional Decoding for Local Sequence Transduction</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Improving Grammatical Error Correction with Machine Translation Pairs</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Scheduled DropHead: A Regularization Method for Transformer Models</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Parallel Data Augmentation for Formality Style Transfer</strong>
|
Анализировать url |
| openreview.net |
<strong>Self-Adversarial Learning with Comparative Discrimination for Text Generation</strong>
|
Анализировать url |
| ojs.aaai.org |
<strong>Fact-aware Sentence Split and Rephrase with Permutation Invariant Training</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Bert-based Lexical Substitution</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Automatic Grammatical Error Correction for Sequence-to-sequence Text Generation: An Empirical Study</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Fine-grained Coordinated Cross-lingual Text Stream Alignment for Endless Language Knowledge Acquisition</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Fluency Boost Learning and Inference for Neural Grammatical Error Correction</strong>
|
Анализировать url |
| aclanthology.org |
<strong>EventWiki: A Knowledge Base of Major Events</strong>
|
Анализировать url |
| link.springer.com |
<strong>SeRI: A Dataset for Sub-event Relation Inference from an Encyclopedia</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Event detection with Burst Information Networks</strong>
|
Анализировать url |
| aclanthology.org |
<strong>News Stream Summarization using Burst Information Networks</strong>
|
Анализировать url |
| link.springer.com |
<strong>Discovering Concept-level Event Associations from a Text Stream</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Towards Time-aware Knowledge Graph Completion</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Encoding Temporal Information for Time-aware Link Prediction</strong>
|
Анализировать url |
| aclanthology.org |
<strong>One Tense per Scene: Predicting Tense in Chinese Conversations</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Bring you to the past: Automatic Generation of Topically Relevant Event Chronicles</strong>
|
Анализировать url |
| aclanthology.org |
<strong>An Effective Neural Network Model for Graph-based Dependency Parsing</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Exploiting task-oriented resources to learn word embeddings for clinical abbreviation expansion</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Max-Margin Tensor Neural Network for Chinese Word Segmentation</strong>
|
Анализировать url |
| dl.acm.org |
<strong>A semi-supervised method for opinion target extraction</strong>
|
Анализировать url |
| aclanthology.org |
<strong>The CIPS-SIGHAN CLP 2014 Chinese Word Segmentation Bake-off</strong>
|
Анализировать url |
| dl.acm.org |
<strong>Exploiting Collaborative Filtering Techniques for Automatic Assessment of Student Free-text Responses</strong>
|
Анализировать url |
| aclanthology.org |
<strong>Event-Based Time Label Propagation for Automatic Dating of News Articles</strong>
|
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
Сайт getao.github.io в целом хорошо оптимизирован и готов к продвижению на 77%.
Исправьте ошибки в мета-тегах.
Исправьте ошибки индексации.
Поделитесь с друзьями: