Анализ страницы https://nds-vu.github.io/news
Основное Готовность: 95%
Домен
nds-vu.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
~0,40сек
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 0,40сек оптимальна.
Объем документа
90Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 90Кб 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 | /css/main.css | |
| js | https://kit.fontawesome.com/4c6447c1cb.js | |
| js | text/javascript | //clustrmaps.com/map_v2.js?d=Mc4MqmbCeKuXDPnlQ2geI_MN-lu_khOVefx7ZDoAlHI&cl=ffffff&w=a&t=tt |
| js | https://ajax.googleapis.com/ajax/libs/jquery/1.11.3/jquery.min.js | |
| js | /js/bootstrap.min.js |
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 | "6a091ac3-16b39" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | 6C14:3F0643:5760FD1:581E3DB:6A8B8961 |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sun, 23 Aug 2026 23:59:30 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230054-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787529570.154304,VS0,VE113 |
| Vary | Accept-Encoding |
| x-fastly-request-id | 46fa9ea133f902119210176620ec19f87085a40c |
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: 17%
Title
News
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: 4, минимум: 25, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
Network and Data Science Lab at Vanderbilt University.
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.
Необходимо увеличить число символов в description (текущее значение мало: 54, минимум: 80, оптимально: от 120 до 130)
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
/news.html
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.
Домен в каноническом Url не совпадает!
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: 2
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 2шт. 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 | viewport | width=device-width, initial-scale=1 |
| name | description | Network and Data Science Lab at Vanderbilt University. |
Оптимизация Готовность: 47%
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>!
Среднее число слов в абзаце 9 слишком мало. Сделайте контент более читаемым!
Абзацев с текстом 419 достаточно.
Кол-во знаков контента 46434 на странице оптимально.
Кол-во слов 6797 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 <h3> 6.
Тошнота
11,83
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
16,70%
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 |
|---|---|---|
| accepted | 140 | 2,06% |
| online | 62 | 0,91% |
| preprint | 50 | 0,74% |
| invited | 50 | 0,74% |
| learning | 46 | 0,68% |
| neural | 44 | 0,65% |
| student | 38 | 0,56% |
| research | 37 | 0,54% |
| workshop | 36 | 0,53% |
| receives | 32 | 0,47% |
| graphs | 28 | 0,41% |
| machine | 28 | 0,41% |
| yuying | 28 | 0,41% |
| network | 27 | 0,40% |
| awarded | 26 | 0,38% |
| networks | 26 | 0,38% |
| travel | 26 | 0,38% |
| welcome | 24 | 0,35% |
| 8/2025 | 22 | 0,32% |
| science | 21 | 0,31% |
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 100 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: 9
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 9 оптимально.
Показать внутренние ссылки
| Url | Анкор | Состояние |
|---|---|---|
| / |
Network and Data Science Lab @ VU
|
|
| / |
Home
|
|
| /people |
People
|
|
| /research |
Research
|
|
| /publications |
Publications
|
|
| /news |
News
|
|
| /lab-photos |
Lab Photos
|
|
| /tutorials/cikm24/ |
Data-Quality-Aware Graph Machine Learning
|
|
| /tutorials/sdm24/ |
online
|
|
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 |
|---|---|
| tylersnetwork.github.io |
Large Language Models for Conversational User Simulation: A Comprehensive Survey
|
| arxiv.org |
Ensemble Privacy Defense for Knowledge-Intensive LLMs against Membership Inference Attacks
|
| arxiv.org |
SAVE-TAG: Semantic-Aware Vicinal Risk Minimization for Long-Tailed Text-Attributed Graphs
|
| nature.com |
SuperWater as a Generative AI Framework to Predict Water Molecule Positions on Protein Structures
|
| arxiv.org |
Scaffold-Aware Generative Augmentation and Reranking for Enhanced Virtual Screening
|
| learning4graphs.org |
IEEE Task Force on Learning for Graphs
|
| topscinet.com |
list
|
| arxiv.org |
Mitigating Distribution Shift in Graph-Based Android Malware Classification via Function Metadata and LLM Embeddings
|
| arxiv.org |
Mitigating Distribution Shift in Graph-Based Android Malware Classification via Function Metadata and LLM Embeddings
|
| arxiv.org |
Defining and Benchmarking a Data-Centric Design Space for Brain Graph Construction
|
| arxiv.org |
Inverse-LLaVA: Eliminating Alignment Pre-training Through Text-to-Vision Mapping
|
| dl.acm.org |
ACM AI Letters
|
| arxiv.org |
Towards Bridging Review Sparsity in Recommendation with Textual Edge Graph Representation
|
| vanderbilt.edu |
Vanderbilt’s Faculty Senate
|
| nsf.gov |
Towards Well-Rounded Graph Retrieval for Retrieval-Augmented Generation
|
| arxiv.org |
Personalization of Large Language Models: A Survey
|
| arxiv.org |
BTS: A Comprehensive Benchmark for Tie Strength Prediction
|
| arxiv.org |
Amplifying Your Social Media Presence: Personalized Influential Content Generation with LLMs
|
| arxiv.org |
SimAug: Enhancing Recommendation with Pretrained Language Models for Dense and Balanced Data Augmentation
|
| pubs.acs.org |
Advancements in Ligand-Based Virtual Screening through the Synergistic Integration of Graph Neural Networks and Expert-Crafted Descriptors
|
| xwang112358.github.io |
Xin (Allen) Wang
|
| xueqic.github.io |
Xueqi Cheng
|
| linkedin.com |
Qinwen Ge
|
| yuyingzhao.github.io |
Yuying Zhao
|
| biorxiv.org |
SuperWater: Predicting Water Molecule Positions on Protein Structures by Generative AI
|
| dl.acm.org |
(paper)
|
| mlgraphworkshop.github.io |
Machine Learning on Graphs in the Era of Artificial General Intelligence
|
| aikta-arya.github.io |
Signed Network Dataset Repository: Extracting Signed Relations from Social Networks
|
| arxiv.org |
Large Graph Generative Models
|
| arxiv.org |
Towards Trustworthy Knowledge Graph Reasoning: An Uncertainty Aware Perspective
|
| arxiv.org |
Personalization of Large Language Models: A Survey
|
| biorxiv.org |
SuperWater: Predicting Water Molecule Positions on Protein Structures by Generative AI
|
| arxiv.org |
Edge Classification on Graphs: New Directions in Topological Imbalance
|
| arxiv.org |
A Comprehensive Analysis of Social Tie Strength: Definitions, Prediction Methods, and Future Directions
|
| arxiv.org |
Large Language Model-based Augmentation for Imbalanced Node Classification on Text-Attributed Graphs
|
| oars-workshop.github.io |
Online and Adaptive Recommender Systems (OARS) Workshop
|
| kil-workshop.github.io |
Knowledge Graphs for Responsible AI (KG-STAR) Workshop
|
| math.vanderbilt.edu |
Vanderbilt Graph Theory and Combinatorics Seminar
|
| welqrate.org |
WelQrate: Defining the Gold Standard in Small Molecule Drug Discovery Benchmarking
|
| arxiv.org |
Robust Graph Neural Networks via Unbiased Aggregation
|
| acoursey3.github.io |
FT-AED: Benchmark Dataset for Early Freeway Traffic Anomalous Event Detection
|
| dl.acm.org |
FairNNV: The Neural Network Verification Tool For Certifying Fairness
|
| arxiv.org |
A Survey on Privacy in Graph Neural Networks: Attacks, Preservation, and Applications
|
| ai-activities.github.io |
Ethical Artificial Intelligence Methods and Applications (EAI-KDD) Workshop
|
| arxiv.org |
Augmenting Textual Generation via Topology Aware Retrieval
|
| arxiv.org |
Edge Classification on Graphs: New Directions in Topological Imbalance
|
| lggm-lg.github.io |
demo
|
| arxiv.org |
Large Graph Generative Models
|
| arxiv.org |
Augmenting Textual Generation via Topology Aware Retrieval
|
| arxiv.org |
'’Fairness and Diversity in Recommender Systems: A Survey’’
|
| arxiv.org |
'’A Topological Perspective on Demystifying GNN-Based Link Prediction Performance’’
|
| arxiv.org |
'’Knowledge Graph Prompting for Multi-Document Question Answering’’
|
| arxiv.org |
'’Knowledge Graph Prompting for Multi-Document Question Answering’’
|
| mlog-workshop.github.io |
Machine Learning on Graphs (MLoG) Workshop
|
| arxiv.org |
A Topological Perspective on Demystifying GNN-Based Link Prediction Performance
|
| arxiv.org |
Knowledge Graph Prompting for Multi-Document Question Answering
|
| arxiv.org |
A Survey of Graph Unlearning
|
| arxiv.org |
'’NeuroGraph: Benchmarks for Graph Machine Learning in Brain Connectomics’’
|
| blog.gopenai.com |
'’Knowledge Graph Prompting: A New Approach for Multi-Document Question Answering’’
|
| arxiv.org |
A Survey on Privacy in Graph Neural Networks: Attacks, Preservation, and Applications
|
| kdd.org |
'’Progress and Promise for The Shifting Landscape of Gender in STEM’’
|
| arxiv.org |
Fairness and Diversity in Recommender Systems: A Survey
|
| engineering.vanderbilt.edu |
NSF CAREER Award
|
| arxiv.org |
NeuroGraph: Benchmarks for Graph Machine Learning in Brain Connectomics
|
| ojs.aaai.org |
Fairness and Explainability: Bridging the Gap Towards Fair Model Explanations
|
| youtube.com |
invited talk
|
| m2d2.io |
Molecular Modeling and Drug Discovery (M2D2)
|
| mlog-workshop.github.io |
Machine Learning on Graphs (MLoG)
|
| cell.com |
ADEPT: Autoencoder with Differentially Expressed Genes and Imputation for a Robust Spatial Transcriptomics Clustering
|
| arxiv.org |
Collaboration-Aware Graph Convolutional Network for Recommender Systems
|
| biorxiv.org |
Interpretable Chirality-Aware Graph Neural Network for Quantitative Structure Relationship Modeling in Drug Discovery
|
| arxiv.org |
Fairness and Explainability: Bridging the Gap Towards Fair Model Explanations
|
| tylersnetwork.github.io |
THINK: Temporal Hypergraph Hyperbolic Network
|
| biorxiv.org |
Interpretable Chirality-Aware Graph Neural Network for Quantitative Structure Relationship Modeling in Drug Discovery
|
| arxiv.org |
Imbalanced Graph Classification via Graph-of-Graph Neural Networks
|
| arxiv.org |
Collaboration-Aware Graph Convolutional Networks for Recommendation Systems
|
| gta3.hrl.com |
Graph Techniques for Adversarial Activity Analytics (GTA3)
|
| dl.acm.org |
Tree Decomposed Graph Neural Network
|
| mlog-workshop.github.io |
Machine Learning on Graphs (MLoG)
|
| link.springer.com |
Graph Neural Networks: Self-supervised Learning
|
| graph-neural-networks.github.io |
Graph Neural Networks: Foundations, Frontiers, and Applications
|
| github.com |
ChemicalX: A Deep Learning Library for Drug Pair Scoring
|
| dl.acm.org |
Fair Graph Representation Learning with Imbalanced and Biased Data
|
| frontiersin.org |
Machine Learning on Complex Graphs
|
| arxiv.org |
Imbalanced Graph Classification via Graph-of-Graph Neural Networks
|
| mlog-workshop.github.io |
Machine Learning on Graphs (MLoG)
|
| yuwvandy.github.io |
Distance-wise Prototypical Graph Neural Network for Imbalanced Node Classification
|
| tylersnetwork.github.io |
Graph Neural Networks: Self-supervised Learning
|
| arxiv.org |
Tree Decomposed Graph Neural Network
|
| allanlab.org |
The Allan Lab
|
| goo.gl |
See us on Google Maps
|
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://nds-vu.github.io/news готова к продвижению на 40%. 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: