dyogatama.github.io
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Используйте для продвижения только домен второго уровня.
Длина домена велика. Но если вы продвигаете запрос, входящий в название домена, то это хорошо.
Ответ сервера
star
star
star
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
star
star
star
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 04.10.2026 22:45:22.
Поздравляем! Сайт не содержится в реестре РКН.
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.
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 страницы не указан. Рекомендуется явно указать язык документа!
Скорость загрузки
star
star
~0,34сек
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 0,34сек оптимальна.
Объем документа
star
star
28Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 28Кб оптимален.
Структура html-документа корректна.
Ресурсы: 3
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 3 достаточно.
Показать полный список ресурсов
| Тип |
Название |
Значение |
|
stylesheet
|
|
styles/style.css
|
|
stylesheet
|
|
styles/pygments.css
|
|
js
|
|
./publications_files/analytics.js
|
Кол-во: 17
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.
полный список серверных заголовков
Drupal
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 Drupal.
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.
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).
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 54 достаточно.
Среднее число слов в абзаце 29 достаточно.
Кол-во знаков контента 11006 на странице оптимально.
Кол-во слов 1759 на странице оптимально.
Индексирование
star
star
star
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 209 слишком много. Проведите ревизию и оптимизацию ссылок сайта.
Robots.txt
star
star
star
Не найден
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.
Файл robots.txt не найден (ошибка 404). Крайне рекомендуем добавить файл robots.txt, это правило хорошего тона для поисковых роботов.
Внутренние ссылки
star
star
star
Кол-во: 4
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 4 оптимально.
Показать внутренние ссылки
| Url |
Анкор |
Состояние |
|
/index.html
|
Home
|
|
|
/publications.html
|
Publications
|
|
|
/teaching.html
|
Teaching
|
|
|
/docs/ms_thesis.pdf
|
Clustering multilingual documents by estimating text-to-text semantic relatedness
|
|
Кол-во: 203
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 203 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать первые 100 внешних ссылок
| Url |
Анкор |
|
cs.cmu.edu
|
Dani Yogatama
|
|
arxiv.org
|
HighMMT: Towards Modality and Task Generalization for High-Modality Representation Learning
|
|
cs.cmu.edu
|
Paul Pu Liang
|
|
cs.cmu.edu
|
Louis-Philippe Morency
|
|
cs.cmu.edu
|
Ruslan Salakhutdinov
|
|
arxiv.org
|
Questions Are All You Need to Train a Dense Passage Retriever
|
|
dsachan.com
|
Devendra Singh Sachan
|
|
research.facebook.com
|
Mike Lewis
|
|
cs.washington.edu
|
Luke Zettlemoyer
|
|
cs.mcgill.ca
|
Joelle Pineau
|
|
manzil.ml
|
Manzil Zaheer
|
|
arxiv.org
|
Scaling Laws vs Model Architectures: How does Inductive Bias Influence Scaling?
|
|
vanzytay.github.io
|
Yi Tay
|
|
mostafadehghani.com
|
Mostafa Dehghani
|
|
arxiv.org
|
Language Models Can See: Plugging Visual Controls in Text Generation
|
|
yxuansu.github.io
|
Yixuan Su
|
|
cs.cmu.edu
|
Lingpeng Kong
|
|
openreview.net
|
Emergent Abilities of Large Language Models
|
|
jasonwei20.github.io
|
Jason Wei
|
|
vanzytay.github.io
|
Yi Tay
|
|
arxiv.org
|
A Contrastive Framework for Neural Text Generation
|
|
yxuansu.github.io
|
Yixuan Su
|
|
cs.cmu.edu
|
Lingpeng Kong
|
|
arxiv.org
|
ABC: Attention with Bounded-memory Control
|
|
homes.cs.washington.edu
|
Hao Peng
|
|
homes.cs.washington.edu
|
Jungo Kasai
|
|
nik0spapp.github.io
|
Nikolaos Pappas
|
|
cs.cmu.edu
|
Lingpeng Kong
|
|
schwartz-lab-huji.github.io
|
Roy Schwartz
|
|
homes.cs.washington.edu
|
Noah A. Smith
|
|
arxiv.org
|
Relational Memory Augmented Language Models
|
|
leuchine.github.io
|
Qi Liu
|
|
cs.ox.ac.uk
|
Phil Blunsom
|
|
arxiv.org
|
Scale Efficiently: Insights from Pre-training and Fine-tuning Transformers
|
|
vanzytay.github.io
|
Yi Tay
|
|
mostafadehghani.com
|
Mostafa Dehghani
|
|
arxiv.org
|
Balancing Average and Worst-case Accuracy in Multitask Learning
|
|
pmichel31415.github.io
|
Paul Michel
|
|
ruder.io
|
Sebastian Ruder
|
|
arxiv.org
|
End-to-End Training of Multi-Document Reader and Retriever for Open-Domain Question Answering
|
|
dsachan.com
|
Devendra Singh Sachan
|
|
williamleif.github.io
|
William Hamilton
|
|
cs.cmu.edu
|
Chris Dyer
|
|
arxiv.org
|
Pitfalls of Static Language Modelling
|
|
angelikilazaridou.github.io
|
Angeliki Lazaridou
|
|
cs.cmu.edu
|
Adhiguna Kuncoro
|
|
ruder.io
|
Sebastian Ruder
|
|
cl.cam.ac.uk
|
Kris Cao
|
|
cs.ox.ac.uk
|
Phil Blunsom
|
|
openreview.net
|
LiRo: Benchmark and Leaderboard for Romanian Language Tasks
|
|
arxiv.org
|
Finetuning Pretrained Transformers into RNNs
|
|
homes.cs.washington.edu
|
Jungo Kasai
|
|
homes.cs.washington.edu
|
Hao Peng
|
|
nik0spapp.github.io
|
Nikolaos Pappas
|
|
homes.cs.washington.edu
|
Noah A. Smith
|
|
direct.mit.edu
|
Adaptive Semiparametric Language Models
|
|
cs.cmu.edu
|
Lingpeng Kong
|
|
openreview.net
|
Random Feature Attention
|
|
homes.cs.washington.edu
|
Hao Peng
|
|
nik0spapp.github.io
|
Nikolaos Pappas
|
|
schwartz-lab-huji.github.io
|
Roy Schwartz
|
|
homes.cs.washington.edu
|
Noah A. Smith
|
|
cs.cmu.edu
|
Lingpeng Kong
|
|
posenhuang.github.io
|
Po-Sen Huang
|
|
huan-zhang.com
|
Huan Zhang
|
|
jowel.gitlab.io
|
Johannes Welbl
|
|
sites.google.com
|
Pushmeet Kohli
|
|
arxiv.org
|
Syntactic Structure Distillation Pretraining For Bidirectional Encoders
|
|
cs.cmu.edu
|
Adhiguna Kuncoro
|
|
cs.cmu.edu
|
Lingpeng Kong
|
|
people.eecs.berkeley.edu
|
Daniel Fried
|
|
rimell.cc
|
Laura Rimell
|
|
cs.cmu.edu
|
Chris Dyer
|
|
cs.ox.ac.uk
|
Phil Blunsom
|
|
arxiv.org
|
On the Cross-lingual Transferability of Monolingual Representations
|
|
mikelartetxe.com
|
Mikel Artetxe
|
|
ruder.io
|
Sebastian Ruder
|
|
github.com
|
XQuAD
|
|
arxiv.org
|
A Call for More Rigor in Unsupervised Cross-lingual Learning
|
|
mikelartetxe.com
|
Mikel Artetxe
|
|
ruder.io
|
Sebastian Ruder
|
|
ixa2.si.ehu.es
|
Eneko Agirre
|
|
arxiv.org
|
A Mutual Information Maximization Perspective of Language Representation Learning
|
|
cs.cmu.edu
|
Lingpeng Kong
|
|
cs.cmu.edu
|
Wang Ling
|
|
cs.ox.ac.uk
|
Lei Yu
|
|
zihangdai.github.io
|
Zihang Dai
|
|
baicsworkshop.github.io
|
On Memory in Human and Artificial Language Processing Systems
|
|
aidanematzadeh.me
|
Aida Nematzadeh
|
|
ruder.io
|
Sebastian Ruder
|
|
arxiv.org
|
Modelling Latent Skills for Multitask Language Generation
|
|
cl.cam.ac.uk
|
Kris Cao
|
|
arxiv.org
|
Episodic Memory in Lifelong Language Learning
|
|
ruder.io
|
Sebastian Ruder
|
|
cs.cmu.edu
|
Lingpeng Kong
|
|
rdcu.be
|
Grandmaster Level in StarCraft II Using Multi-agent Reinforcement Learning
|
|
arxiv.org
|
Achieving Verified Robustness to Symbol Substitutions via Interval Bound Propagation
|
|
posenhuang.github.io
|
Po-Sen Huang
|
|
jowel.gitlab.io
|
Johannes Welbl
|
|
cs.cmu.edu
|
Chris Dyer
|
Конкуренты в Яндексе
star
star
star
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
star
star
star
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.
