Анализ сайта https://xingxingzhang.github.io/
Основное Готовность: 95%
Домен
xingxingzhang.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.
Не настроен HSTS (Strict-Transport-Security) — рекомендуется включить.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 01.11.2026 2:38:01.
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
~0,34сек
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
18Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 18Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 0
Внешние ресурсы страницы (CSS, JS, изображения)
?
Количество и тип подключённых ресурсов влияют на скорость загрузки. Большое число запросов увеличивает время рендеринга страницы.
Ресурсы не найдены. Неужели ваш сайт на чистом html?
Серверные заголовки
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.
Найдены серверные заголовки 17шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Server | GitHub.com |
| Access-Control-Allow-Origin | * |
| ETag | "68f8fe76-4937" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | BAAC:E2628:31F3910:325FDEA:6A8A4AA4 |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sun, 23 Aug 2026 04:04:04 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230021-FRA |
| X-Cache | HIT |
| x-cache-hits | 0 |
| x-timer | S1787457845.685716,VS0,VE103 |
| Vary | Accept-Encoding |
| x-fastly-request-id | 66efcf2ec1ddc440dcf2b5224e7d4182db92f8b5 |
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: 0%
Title
Xingxing Zhang's 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: 25, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
Homepage of Xingxing Zhang, Ph.D. student in Informatics at University of Edinburgh.
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: 84, оптимально: от 120 до 130)
Keywords
Xingxing Zhang, Xingxing Zhang Edinburgh University
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.
Keywords установлены.
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
index,follow
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 со значениями index, follow не накладывает ограничений на индексирование и показ контента.
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: 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 | keywords | Xingxing Zhang, Xingxing Zhang Edinburgh University |
| name | robots | index,follow |
| name | description | Homepage of Xingxing Zhang, Ph.D. student in Informatics at University of Edinburgh. |
Оптимизация Готовность: 55%
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 одном 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 3 слишком мало. Добавьте больше абзацев с текстом (тег <p>)!
Среднее число слов в абзаце 32 достаточно.
Кол-во знаков контента 8190 на странице оптимально.
Кол-во слов 1318 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
6,24
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 3. Измените текст страницы!
Академич. тошнота
3,19%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота не дотягивает до нормы 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 |
|---|---|---|
| xingxing | 39 | 2,96% |
| language | 10 | 0,76% |
| summarization | 10 | 0,76% |
| models | 8 | 0,61% |
| neural | 8 | 0,61% |
| mirella | 6 | 0,46% |
| lapata | 6 | 0,46% |
| generation | 5 | 0,38% |
| shaohan | 5 | 0,38% |
| si-qing | 5 | 0,38% |
| zhifang | 5 | 0,38% |
| learning | 5 | 0,38% |
| slides | 5 | 0,38% |
| synthetic | 4 | 0,30% |
| qingxiu | 4 | 0,30% |
| instruction | 4 | 0,30% |
| tuning | 4 | 0,30% |
| document | 4 | 0,30% |
| recurrent | 4 | 0,30% |
| edinburgh | 3 | 0,23% |
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 95 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: 13
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 13 оптимально.
Показать внутренние ссылки
| Url | Анкор | Состояние | Анализировать |
|---|---|---|---|
| / |
Improving the Efficiency of Grammatical Error Correction with Erroneous Span Detection and Correction
|
|
Анализировать url |
| / |
DualVD: An Adaptive Dual Encoding Model for Deep Visual Understanding in Visual Dialogue
|
|
Анализировать url |
| /res/slides/hibert-acl2019.pdf |
slides
|
|
|
| /hibert.html |
project page
|
|
Анализировать url |
| /latent.html |
resource
|
|
Анализировать url |
| / |
bib
|
|
Анализировать url |
| / |
slides
|
|
Анализировать url |
| /res/slides/dress-emnlp2017.pdf |
slides
|
|
|
| /resources.html |
resource
|
|
Анализировать url |
| /res/slides/dense.pdf |
slides
|
|
|
| /res/slides/treelstm.pdf |
slides
|
|
|
| /res/papers/CCL_2013.pdf |
Learning to Extract Attribute Values from a Search Engine with Few Examples
|
|
|
| /res/papers/semantic_class_learning.pdf |
Semantic Class Learning with Deep Coordinate Structures in Web Pages
|
|
Внешние ссылки
Кол-во: 82
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 82 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать внешние ссылки
| Url | Анкор | Анализировать |
|---|---|---|
| microsoft.com |
General Artificial Intelligence Group
|
Анализировать url |
| microsoft.com |
Microsoft Research Asia
|
Анализировать url |
| ilcc.inf.ed.ac.uk |
Institute for Language, Cognition, and Computation
|
Анализировать url |
| ed.ac.uk |
School of Informatics
|
Анализировать url |
| ed.ac.uk |
University of Edinburgh
|
Анализировать url |
| homepages.inf.ed.ac.uk |
Mirella Lapata
|
Анализировать url |
| alopez.github.io |
Adam Lopez
|
Анализировать url |
| scholar.google.com |
Google Scholar
|
Анализировать url |
| arxiv.org |
QueST: Incentivizing LLMs to Generate Difficult Problems
|
Анализировать url |
| arxiv.org |
Think Only When You Need with Large Hybrid-Reasoning Models
|
Анализировать url |
| arxiv.org |
Scaling Laws of Synthetic Data for Language Models
|
Анализировать url |
| openreview.net |
Synthetic Data (Almost) from Scratch: Generalized Instruction Tuning for Language Models
|
Анализировать url |
| arxiv.org |
arXiv
|
Анализировать url |
| jmlr.org |
bib
|
Анализировать url |
| arxiv.org |
BitNet b1.58 2B4T Technical Report
|
Анализировать url |
| arxiv.org |
WildLong: Synthesizing Realistic Long-Context Instruction Data at Scale
|
Анализировать url |
| arxiv.org |
Preference Optimization for Reasoning with Pseudo Feedback
|
Анализировать url |
| arxiv.org |
Self-Boosting Large Language Models with Synthetic Preference Data
|
Анализировать url |
| arxiv.org |
RedStone: Curating general, code, math, and QA data for large language models
|
Анализировать url |
| arxiv.org |
xRAG: Extreme Context Compression for Retrieval-augmented Generation with One Token
|
Анализировать url |
| arxiv.org |
MathScale: Scaling Instruction Tuning for Mathematical Reasoning
|
Анализировать url |
| github.com |
MWPBench
|
Анализировать url |
| arxiv.org |
LongNet: Scaling Transformers to 1,000,000,000 Tokens
|
Анализировать url |
| arxiv.org |
Tuna: Instruction Tuning using Feedback from Large Language Models
|
Анализировать url |
| arxiv.org |
arXiv
|
Анализировать url |
| arxiv.org |
Momentum Calibration for Text Generation
|
Анализировать url |
| arxiv.org |
Latent Prompt Tuning for Text Summarization
|
Анализировать url |
| aclanthology.org |
Unsupervised Multi-Granularity Summarization
|
Анализировать url |
| arxiv.org |
arXiv
|
Анализировать url |
| aclanthology.org |
Neural Label Search for Zero-Shot Multi-Lingual Extractive Summarization
|
Анализировать url |
| arxiv.org |
arXiv
|
Анализировать url |
| aclanthology.org |
Attention Temperature Matters in Abstractive Summarization Distillation
|
Анализировать url |
| arxiv.org |
arXiv
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| arxiv.org |
Sequence Level Contrastive Learning for Text Summarization
|
Анализировать url |
| arxiv.org |
arXiv
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| aclweb.org |
Unsupervised Extractive Summarization by Pre-training Hierarchical Transformers
|
Анализировать url |
| aclweb.org |
bib
|
Анализировать url |
| arxiv.org |
arXiv
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| aclweb.org |
Pre-training for Abstractive Document Summarization by Reinstating Source Text
|
Анализировать url |
| aclweb.org |
bib
|
Анализировать url |
| arxiv.org |
arXiv
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| arxiv.org |
arXiv
|
Анализировать url |
| tcci.ccf.org.cn |
Document-Based Question Answering Improves Query-Focused Multi-document Summarization
|
Анализировать url |
| aclweb.org |
HIBERT: Document Level Pre-training of Hierarchical Bidirectional Transformers for Document Summarization
|
Анализировать url |
| aclweb.org |
bib
|
Анализировать url |
| arxiv.org |
arXiv
|
Анализировать url |
| aclweb.org |
Automatic Grammatical Error Correction for Sequence-to-sequence Text Generation: An Empirical Study
|
Анализировать url |
| aclweb.org |
bib
|
Анализировать url |
| aclweb.org |
Neural Latent Extractive Document Summarization
|
Анализировать url |
| aclanthology.info |
bib
|
Анализировать url |
| arxiv.org |
arXiv
|
Анализировать url |
| era.lib.ed.ac.uk |
Natural Language Generation as Neural Sequence Learning and Beyond
|
Анализировать url |
| github.com |
code & data
|
Анализировать url |
| aclweb.org |
UParse: the Edinburgh system for the CoNLL 2017 UD shared task
|
Анализировать url |
| aclweb.org |
bib
|
Анализировать url |
| aclweb.org |
Sentence Simplification with Deep Reinforcement Learning
|
Анализировать url |
| aclanthology.info |
bib
|
Анализировать url |
| arxiv.org |
arXiv
|
Анализировать url |
| github.com |
code & data
|
Анализировать url |
| aclweb.org |
Dependency Parsing as Head Selection
|
Анализировать url |
| aclweb.org |
bib
|
Анализировать url |
| arxiv.org |
arXiv
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| aclweb.org |
Top-down Tree Long Short-Term Memory Networks
|
Анализировать url |
| aclweb.org |
bib
|
Анализировать url |
| arxiv.org |
arXiv
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| homepages.inf.ed.ac.uk |
On Training the Recurrent Neural Network Encoder-Decoder for Large Vocabulary End-to-End Speech Recognition
|
Анализировать url |
| homepages.inf.ed.ac.uk |
A Study of the Recurrent Neural Network Encoder-Decoder for Large Vocabulary Speech Recognition
|
Анализировать url |
| aclweb.org |
Chinese Poetry Generation with Recurrent Neural Networks
|
Анализировать url |
| aclweb.org |
bib
|
Анализировать url |
| homepages.inf.ed.ac.uk |
data
|
Анализировать url |
| github.com |
code
|
Анализировать url |
| aclweb.org |
Towards Accurate Distant Supervision for Relational Facts Extraction
|
Анализировать url |
| github.com |
Dress Simplification Model
|
Анализировать url |
| github.com |
DeNSe Parser
|
Анализировать url |
| github.com |
TD-TreeLSTM
|
Анализировать url |
| github.com |
RNNPG
|
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
Таким сайт https://xingxingzhang.github.io/ видят поисковые системы. Процент оптимизации невысокий - 38%. Чтобы улучшить сайт и попасть в ТОП необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки оптимизации.
Исправьте ошибки индексации.
Поделитесь с друзьями: