Анализ страницы https://jyh-learning.github.io/papers.html
Основное Готовность: 95%
Домен
jyh-learning.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
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 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.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 01.11.2026 2:38:01.
Включён HSTS (Strict-Transport-Security) — защита от подмены на http.
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
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
~0,29сек
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 0,29сек оптимальна.
Объем документа
73Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 73Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 2
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 2 достаточно.
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | text/css | css/jemdoc.css |
| stylesheet | text/css | css/customize.css |
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 |
| Access-Control-Allow-Origin | * |
| Strict-Transport-Security | max-age=31556952 |
| ETag | "6a87d348-1276e" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | C49C:2F0CE6:16ED6B:189E7C:6A8947C1 |
| x-github-edge-region | swedencentral |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sat, 22 Aug 2026 06:54:57 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-bma-essb1270046-BMA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787381698.636974,VS0,VE124 |
| Vary | Accept-Encoding |
| x-fastly-request-id | e0195318e9fb85aa8d92ab62bfbf53a747e071f4 |
CMS
jemdoc, see http://jemdoc.jaboc.net/
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.
В мета-теге generator указано: jemdoc, see http://jemdoc.jaboc.net/.
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: 22%
Title
贾育衡 – Papers
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: 18, 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
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.
Рекомендуем прописать 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
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 не указан. Страница не адаптивная.
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: 1
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 1шт. 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 | jemdoc, see http://jemdoc.jaboc.net/ |
Оптимизация Готовность: 60%
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 в единственном экземпляре).
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 153 достаточно.
Среднее число слов в абзаце 102 достаточно.
Кол-во знаков контента 32304 на странице оптимально.
Кол-во слов 4328 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> 1. Это прекрасно.
На странице присутствуют заголовки <h2> 4. Это хорошо.
Тошнота
11,66
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
355,85%
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 |
|---|---|---|
| yuheng | 136 | 3,14% |
| learning | 87 | 2,01% |
| conference | 60 | 1,39% |
| junhui | 53 | 1,22% |
| transactions | 51 | 1,18% |
| systems | 39 | 0,90% |
| clustering | 36 | 0,83% |
| international | 35 | 0,81% |
| processing | 21 | 0,49% |
| machine | 19 | 0,44% |
| neural | 17 | 0,39% |
| low-rank | 16 | 0,37% |
| partial | 16 | 0,37% |
| guided | 15 | 0,35% |
| distribution | 15 | 0,35% |
| [tcsvt] | 14 | 0,32% |
| circuits | 14 | 0,32% |
| technology | 14 | 0,32% |
| wenhui | 14 | 0,32% |
| matrix | 13 | 0,30% |
Индексация Готовность: 0%
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 146 оптимально. Поисковые роботы обязательно проиндексируют сайт.
Robots.txt
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.
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: 5
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 5 оптимально.
Показать внутренние ссылки
| Url | Анкор | Состояние |
|---|---|---|
| /index.html |
Home
|
|
| /teaching.html |
Teaching
|
|
| /papers.html |
Papers
|
|
| /services.html |
Services
|
|
| /employment.html |
招生Employment
|
|
Внешние ссылки
Кол-во: 141
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 141 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать первые 100 внешних ссылок
| Url | Анкор |
|---|---|
| cse.seu.edu.cn |
School of Computer Science and
Engineering
|
| seu.edu.cn |
Southeast University
|
| scholar.google.com |
Google
Scholar
|
| ieeexplore.ieee.org |
Self-supervised
Symmetric Nonnegative Matrix Factorization
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Multi-View Spectral
Clustering Tailored Tensor Low-Rank Representation
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Pairwise Constraint
Propagation with Dual Adversarial Manifold Regularization
|
| github.com |
<strong>code</strong>
|
| openreview.net |
Towards Calibrated Deep Clustering Network
|
| github.com |
<strong>code</strong>
|
| openreview.net |
Noise Separation guided Candidate Label Reconstruction for Noisy Partial Label Learning
|
| seunic-my.sharepoint.cn |
<strong>code</strong>
|
| arxiv.org |
Irregular Tensor Low-Rank Representation for Hyperspectral Image Representation
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Structural-Spectral Graph Convolution with Evidential Edge Learning for Hyperspectral Image Clustering
|
| tandfonline.com |
Adaptive and robust low-rank tensor completion for missing and corrupted traffic data recovery
|
| ieeexplore.ieee.org |
Similarity and Dissimilarity Guided Co-association Matrix Construction for Ensemble Clustering
|
| ieeexplore.ieee.org |
Tail-Aware Reconstruction of Incomplete Label Distributions with Low-Rank and Sparse Modeling
|
| ieeexplore.ieee.org |
Large Model Guided Semantic Segment Anything for Underwater Consumer Electronics
|
| arxiv.org |
Irregular Tensor Low-Rank Representation for Hyperspectral Image Representation
|
| github.com |
<strong>code</strong>
|
| sciencedirect.com |
Label Enhancement by Fusing Manifold Fusion of Feature and Label Spaces
|
| sciencedirect.com |
From Point Cloud to Energy Model: Constructing High-resolution Urban Building Model for Energy Simulation and Evaluation Using UAV Oblique Imagery
|
| sciencedirect.com |
Progressive Label Enhancement
|
| ieeexplore.ieee.org |
Semi-supervised Symmetric Non-negative Matrix Factorization with Low-Rank Tensor Representation
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Discriminative Low-Rank Representation for HSI Clustering
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
AME-LSIFT: Attention-Aware Multi-Label Ensemble with Label Subset-SpecIfic FeaTures
|
| ieeexplore.ieee.org |
Label Distribution Learning by Exploiting Fuzzy Label Correlation
|
| ieeexplore.ieee.org |
Superpixel Graph Contrastive Clustering with Semantic-Invariant Augmentations for Hyperspectral Images
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
An Integrated Intra-view and Inter-view Framework for Multiple Traffic Variable Data Simultaneous Recovery
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Efficient and Robust Freeway Traffic Speed Estimation under Oblique Grid using Vehicle Trajectory Data
|
| ieeexplore.ieee.org |
Inaccurate Label Distribution Learning
|
| ieeexplore.ieee.org |
Unlabeled Data Guided Partial Label Learning for Hyperspectral Image Classification
|
| ieeexplore.ieee.org |
Multi-label
Classification with High-rank and High-order Label Correlations
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
EGRC-Net:
Embedding-induced Graph Refinement Clustering Network
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Instance-Dependent
Inaccurate Label Distribution Learning
|
| ieeexplore.ieee.org |
A Flexible
and Robust Tensor Completion Approach for Traffic Data Recovery with Low-rankness
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Ensemble Clustering
via Co-Association Matrix Self-Enhancement
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Semi-Supervised
Subspace Clustering via Tensor Low-Rank Representation
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Deep
Attention-guided Graph Clustering with Dual Self-supervision
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Pseudo Label
Rectification With Joint Camera Shift Adaptation and Outlier Progressive Recycling for
Unsupervised Person Re-Identification
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Spectral Reweighting
and Spectral Similarity Weighting for Sparse Hyperspectral Unmixing
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Adaptive Attribute
and Structure Subspace Clustering Network
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Local Low-Rank
Approximation With Superpixel-Guided Locality Preserving Graph for Hyperspectral Image
Classification
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Semisupervised
Affinity Matrix Learning via Dual-Channel Information Recovery
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Self-supervised
Symmetric Nonnegative Matrix Factorization
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Superpixel-Guided Discriminative Low-Rank Representation of
Hyperspectral Images for Classification
|
| github.com |
<strong>code</strong>
|
| sciencedirect.com |
No-reference Image Quality Assessment for Contrast-changed Images via a
Semi-supervised Robust PCA Model
|
| ieeexplore.ieee.org |
Global-Local
Balanced Low-Rank Approximation of Hyperspectral Images for Classification
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Maximum entropy
subspace clustering network
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Learning Low-rank
Graph with Enhanced Supervision
|
| ieeexplore.ieee.org |
Multi-View Spectral
Clustering Tailored Tensor Low-Rank Representation
|
| github.com |
<strong>code</strong>
|
| sciencedirect.com |
Active k-labelsets ensemble for multi-label classification
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Semisupervised
Adaptive Symmetric Non-Negative Matrix Factorization
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Superpixel
Segmentation Based on Spatially Constrained Subspace Clustering
|
| ieeexplore.ieee.org |
Positive and
Negative Label-Driven Nonnegative Matrix Factorization
|
| ieeexplore.ieee.org |
Non-Negative
Transfer Learning With Consistent Inter-Domain Distribution
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Joint Optimization
for Pairwise Constraint Propagation
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Constrained
Clustering With Dissimilarity Propagation-Guided Graph-Laplacian PCA
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Clustering-Aware
Graph Construction: A Joint Learning Perspective
|
| ieeexplore.ieee.org |
Hyperspectral Image
Classification via Sparse Representation With Incremental Dictionaries
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Pairwise Constraint
Propagation with Dual Adversarial Manifold Regularization
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Applying Exponential
Family Distribution to Generalized Extreme Learning Machine
|
| ieeexplore.ieee.org |
Semi-Supervised
Non-Negative Matrix Factorization with Dissimilarity and Similarity Regularization
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Sparse Bayesian
Learning-Based Kernel Poisson Regression
|
| ieeexplore.ieee.org |
Superpixel
Segmentation Based on Square-Wise Asymmetric Partition and Structural Approximation
|
| ieeexplore.ieee.org |
Simultaneous
Dimensionality Reduction and Classification via Dual Embedding Regularized Nonnegative
Matrix Factorization
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Pseudolabel Guided
Kernel Learning for Hyperspectral Image Classification
|
| github.com |
<strong>code</strong>
|
| ieeexplore.ieee.org |
Semi-Supervised
Spectral Clustering With Structured Sparsity Regularization
|
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
Страница https://jyh-learning.github.io/papers.html готова к продвижению на 44%. Чтобы еще улучшить страницу и попасть на первые места поисковой выдачи необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки оптимизации.
Исправьте ошибки индексации.
Поделитесь с друзьями: