Сбор семантики для директа: Как быстро собрать семантическое ядро для контекстной рекламы в Яндекс.Директе

Содержание

Как быстро собрать семантическое ядро для контекстной рекламы в Яндекс.Директе

{«id»:297833,»type»:1,»typeStr»:»content»,»showTitle»:false,»initialState»:{«isActive»:false},»gtm»:»»}

{«id»:297833,»gtm»:null}

Вы запустили контекстную рекламу, но получаете по своим объявлениям мало показов и переходов. Не спешите увеличивать рекламный бюджет или делать выводы о неэффективности контекста. Возможно, причина в том, что вы не уделили достаточно времени сбору семантического ядра.

Для чего нужно собрать семантическое ядро перед запуском контекста и как это сделать, рассказали в статье.

Семантическое ядро: что это такое, из чего оно состоит

Семантическое ядро – набор запросов пользователей, в ответ на которые им показываются объявления на поиске и в сетях Яндекса и Google.

Пользователи могут искать один и тот же товар или услугу по-разному. Они могут вводить общие запросы, например «купить смартфон». Могут вводить геозависимые запросы, например «Samsung А70 Москва», или информационные запросы: «Samsung А70 отзывы», «Samsung А70 цена», «лучшие смартфоны Samsung» и т. д. Все это важно учитывать при сборе семантики для максимального охвата целевой аудитории.

Также запросы делятся по частоте на:

  • высокочастотные (ВЧ). Для больших сайтов – от 10 000 запросов в месяц. Для региональных – от 1000. Представляют собой общие запросы, которые состоят из 1–2 слов. Например, «инверторный кондиционер», «установка окон». Обычно по таким запросам ищут товары и услуги пользователи, которые находятся на начальной стадии воронки продаж;
  • среднечастотные (СЧ). От 100 запросов в месяц. Состоят из 2–3 слов и представляют собой уточненные высокочастотные фразы. Например, «инверторный кондиционер Samsung», «вызов сантехника Ростов». По таким запросам ищут информацию пользователи, которые уже знакомы с товарами и услугами;
  • низкочастотные (НЧ). От 1 запроса в месяц. Состоят из 3–6 слов. Это наиболее подробные запросы, по которым ищет товары теплая аудитория. Например, «холодильник Electrolux erf4113aow Москва».

Также отдельно выделяются транзакционные запросы. Эти запросы выражают намерение пользователя купить товар или заказать какую-то услугу. Например, «заказать разработку брендбука», «купить Samsung A70». По таким ключевым фразам осуществляет поиск горячая аудитория, у которой уже сформирована потребность в товаре и есть запрос на его покупку.

При сборе семантического ядра для контекста важно учитывать специфику рекламируемых товаров и услуг, частотность запросов и интересы пользователей.

Как собрать семантику с помощью Яндекс.Wordstat

Яндекс.Wordstat позволяет определить частотность запросов и расширить семантическое ядро. Покажем, как это сделать, на примере интернет-магазина, который планирует запустить рекламу велосипедов.

Заходим в Яндекс.Wordstat. Вводим запрос «горный велосипед» в поисковую строку.

Ниже показывается, сколько раз за месяц пользователи вводили эту фразу в поисковую строку. Всего – 156 190 раз. По умолчанию результат показывается по всем регионам.

Интернет-магазин находится в Москве и планирует показывать рекламу в этом регионе. Поэтому кликаем на надпись «Все регионы» и выбираем «Москва и область».

После этого Вордстат нам будет показывать статистику по запросам в данном регионе:

В левой колонке указываются основные запросы, а справа – похожие запросы.

Для поиска идей и сбора семантического ядра просматриваем весь список приведенных фраз и выбираем те фразы, которые относятся к предлагаемым услугам. Выписываем их в отдельную таблицу и указываем частотность по ним:

Если надо расширить семантику по какому-то запросу, то достаточно кликнуть на этот запрос в Яндекс.Wordstat: система покажет основные и похожие фразы по данному запросу.

Например, нажимаем на фразу «Горный велосипед gt»:

Инструмент показывает нам похожие запросы и статистику по ним:

Расширяем предложенными фразами нашу таблицу и получаем развернутую семантику по товарам, которые планируем рекламировать.

Таким образом, мы подобрали семантическое ядро для рекламной кампании горных велосипедов с помощью Яндекс.Wordstat.

Для сбора семантики с помощью этого инструмента нужно заранее подготовить опорный список фраз. В этом списке должны находиться товары/услуги компании, которые она будет рекламировать. Далее с помощью Вордстата рекламодатель может уточнить частотность запросов по этим фразам и расширить семантику по ним.

Как собрать семантику с помощью Click.ru

Для этого можно использовать полностью автоматизированные инструменты, которые избавляют от ручного сбора слов и отдельного уточнения данных по каждому.

Парсинг внутренней семантики сайта

Регистрируемся в Click.ru или авторизируемся в аккаунте. В главном меню выбираем «Инструменты» – «Семантика» – «Подбор слов и медиапланирование»:

Указываем основные данные: URL, рекламные системы, геотаргетинг. Оставляем галочки на автоматической корректировке фраз минус-словами и фиксации стоп-слов.

Кликаем на кнопку «Начать новый подбор». Система на основании контента сайта подобрала 680 ключевых слов. Такой большой список ключевиков объясняется широким ассортиментом.

В таблице также показана:

  • частотность запросов с учетом региона;
  • прогноз средней цены клика;
  • прогноз кликов;
  • прогноз бюджета.

Эти данные позволяют отобрать слова нужной частотности и спрогнозировать бюджет на рекламу.

Нажимаем на кнопку «Показать все»:

Просматриваем все слова. В списке собранных фраз есть повторяющиеся. Не будем удалять их вручную: система автоматически удалит их на этапе добавления ключевых слов в медиаплан.

Добавляем слова в медиаплан:

После клика по кнопке «Добавить в медиаплан» система показывает сообщение об обнаруженных дублях ключевых слов. Нажимаем «Удалить», чтобы очистить семантику от повторяющихся фраз:

После удаления дублей в медиаплан добавлено 482 слова:

Click.ru предоставляет широкий набор инструментов для работы с семантикой, объявлениями и оптимизацией рекламных кампаний. Сервис позволяет вести кампании Яндекс.Директа и Google Ads в едином окне. К тому же, их очень просто перенести из рекламных кабинетов.

Парсинг ключей конкурента

Для расширения семантического ядра проанализируем, по каким словам показывают рекламу ближайшие конкуренты. Сделать это можно прямо в медиаплане.

Для этого в автоматическом подборе слов выбираем опцию «Слова конкурентов». Всего система предлагает 5 конкурентов, которые также продают аналогичную продукцию. При необходимости можно удалить неподходящий сайты и добавить конкурентов вручную:

Всего система отобрала 1500 слов конкурентов. Кликаем на кнопку «Показать слова конкурентов»:

Мы видим, что частотность некоторых запросов очень высока. Например, запрос «купить велосипед» пользователи вводили 633 041 раз за месяц. По таким запросам нет смысла показывать рекламу, так как клики будут обходиться очень дорого.

Поэтому оставим запросы с максимальной частотностью 1000 запросов в месяц. Для этого в столбце «Частотность» задаем фильтр – от 10 до 1000 запросов в месяц.

Всего система отобрала 78 слов нужной частотности из 1500 фраз. Добавим их в медиаплан. Для этого устанавливаем галочку вверху таблицы и кликаем на кнопку «Добавить медиаплан»:

Система автоматически предлагает удалить дубли слов. Нажимаем «Удалить»:

Система добавила в медиаплан 75 слов:

Таким образом, с помощью автоматического подбора слов мы отобрали 482 фразы со своего сайта и 75 – с сайтов конкурентов. Всего мы получили 557 фраз.

Ручной подбор слов

Ручной подборщик находится над таблицей с результатами автоподбора. Для добавления в ручной подборщик слов из автоподбора отметим галочками необходимые слова и кликнем на «Добавить в ручной подбор»:

Система автоматически перенесет выбранные слова в ручной подборщик. Нажимаем «Развернуть список вложенных слов». Система подбирает ключи из левой колонки Wordstat, в которых присутствуют заданные в ручном подборе слова. В результате каждому опорному ключу соответствует группа вложенных запросов:

Выбираем ключевые слова, которыми хотим расширить нашу семантику, и добавляем их в медиаплан.

Далее просматриваем вложенные фразы по каждому ключевому слову и выбираем те ключевые слова, которые хотим добавить в медиаплан.

Результат – мы добавили еще 29 ключевых слов в медиаплан, дополнив наше семантическое ядро.

Результат подбора слов

В общей сложности с автоматическим подборщиком мы собрали 586 фраз (557 + 29). Для нишевого интернет-магазина этого достаточно.

Для дальнейшей работы с семантикой выгружаем выбранные слова в XLS-файл. Для этого внизу таблицы кликаем на кнопку «Выгрузка в XLS»:

Группировка ключевых слов

В Click.ru есть кластеризатор запросов. Кластеризатор собирает запросы с одинаковым интентом в одну группу. В результате проще сформировать группы объявлений, не упустив нужных ключевых запросов.

В главном левом меню выбираем «Семантика» – «Кластеризация запросов»:

В настройках указываем адрес сайта и название проекта:

Загружаем список ключевых запросов. Для этого нажимаем кнопку «Загрузить XLSX-файл» и добавляем слова, которые мы собрали в результате автоматического и ручного подбора. Также можно внести список фраз для проверки вручную.

Для более точной группировки фраз выберем профессиональную настройку. Она позволяет задавать одно или несколько условий, при которых точность кластеризации будет увеличиваться.

Кликаем на кнопку «Запустить кластеризацию». Через несколько минут становится доступным отчет в формате XLSX.

Отчет состоит из нескольких листов с такой информацией:

  • сгруппированными запросами по кластерам в Яндексе/ Google;
  • лидерами тематик в Яндексе/Google;
  • исходными настройками.

Содержание отчета и его размеры зависят от количества запросов и заданных настроек.

В результате мы не только сформировали семантическое ядро, но и получили сгруппированные по кластерам запросы на основе результатов поисковой выдачи.

Сформировали семантику – что дальше

После сбора семантики в Click.ru можно автоматически создать объявления. Для этого кликаем под медиапланом на кнопку «Создать объявление»:

Система автоматически генерирует объявления по предложенным ключевым словам: формирует заголовок и текст, указывает цену, подбирает картинки и ключевые слова.

Остается только отредактировать подходящие объявления и запустить рекламную кампанию.

Как проще и быстрее собрать семантическое ядро для рекламы Яндекс Директа?

Здравствуйте!

  1. Если ядро не большое, то лучше собрать при помощи сервиса Яндекс Wordstat. Рекомендую установить расширение для браузера «Yandex Wordstat Assistant». Благодаря этому сервису, Вы с легкостью соберете ядро и при этом точечно выявите минус слова.

Пример:

  1. Если ядро большое, то легче и быстрее будет воспользоваться программой для создания семантического ядра «Key Collector». При помощи его можно собрать (парсить) все ключевые слова по заданным параметрам с частотностью.

Если с данной программой не сталкивались, то лучше изучить информацию о ней в сети. Уроков и инструкций очень много.

  1. Способ создания искусственного семантического ядра. Этот способ подходит для ситуации, когда нужно быстро и подробно собрать ядро.

Сначала формируете файл с основными словами.

Важно разделить их по разным столбцам.

Далее нужно воспользоваться «Генератором ключевых слов». Их в сети очень много вариантов, большинство из которых бесплатны.

Копируем в блоки генератора наши слова.

И начинаем генерировать ключевые слова.

Выбирая какие столбцы генератора использовать, мы влияем на итоговый результат пересечений слов.

!!! Не забывайте склонять слова (купить телефон/покупка телефонов). Если Вы этого не сделаете, то придется возвращаться к сбору еще раз.

После того как мы пересекли фразы во всех нужных нам вариантах, мы должны снять частотность с помощью программы «Key Collector». Это поможет выявить из всего пула слов те, которые имеют частотность 0 и убрать их из основного списка. В итоге мы получим полноценное семантическое ядро, где все ключевые слова являются участниками в поиске.

!!! Важно понимать, что все способы не могут гарантировать идеальный результат. В первом варианте можно что-то упустить, например синонимы, которые желательно тоже добавить в ядро.

Во втором и третьем варианте, из-за обилия списка, можно легко допустить ошибку.

И последний вариант — доверить создание и ведение профессионалам. Это поможет Вам сэкономить время и увеличит шансы на успех. Ведь все не заканчивается на сборе семантического ядра. Нужно обеспечивать введение и оптимизацию рекламных кампаний.

Подробнее о нас

как найти релевантные ключевые слова

Чтобы рекламная кампания в «Яндекс.Директе» приносила лиды, нужно подобрать правильные поисковые фразы, по которым будут показаны объявления. Это может быть сложно, если запускаете рекламу впервые. 

ИКСЫ НА ПОДПИСКАХ! Топовые связки, безлимитные крео

Рассказываем, как собрать ключевые слова для «Директа». Предлагаем несколько способов, а в конце предоставляем пошаговую инструкцию.. 

Способы сбора семантики для «Директа»

Они отличаются по методу поиска поисковых запросов и точности информации. По точности информации можно выделить два вида: сбор на предположениях и данных аналитических сервисов. 

  • Сбор на предположениях неэффективен. Его можно использовать только для нахождения базисов: основных ключевых слов, от которых будет строиться вся семантика. Если использовать его для построения всего ядра, есть риск серьезно ошибиться: включить в него запросы, которые никто не использует, и не заметить действительно релевантные фразы. 
  • Сбор на данных аналитических сервисов более рационален. Вы видите частотность ключей (число показов по ним в месяц) и можете предполагать конкуренцию, примерное количество кликов и другие параметры рекламной кампании. А еще понимаете, какие запросы стоит сразу отсеять из-за того, что показов по ним будет недостаточно, и «Директ» со временем все равно отключит их. 

Методов поиска запросов тоже два: ручной и автоматический.

  • Ручной — это когда вы оцениваете каждый найденный запрос сами, составляете вручную списки минус-слов, сортируете найденные ключи по кластерам. И соответственно тратите на это много времени. Зато семантическое ядро получается полным и максимально релевантным — в нем не будет мусора, который может «съесть» бюджет в первые же дни после запуска кампании. 
  • Автоматический — когда вы доверяете сбор ядра парсерам семантики. Просто задаете им основные ключевые слова, а они отдают готовое ядро. Плюс такого способа в том, что скорость сбора поисковых запросов намного больше, а еще сервисы способны находить большее число ключей. Минус в том, что все равно придется работать с семантикой вручную, потому что при автоматическом сборе в нее попадает много нерелевантных запросов. 

Лучше использовать ручной метод поиска запросов. Да, он займет больше времени, но позволит получить максимально релевантные ключи. Правда, если у вас много товаров, подбор может занять 2–3 месяца. 

Если нужно собрать несколько тысяч ключевых запросов, поможет только автоматический подбор ключей с последующей ручной чисткой.

Идеальное решение, если вы новичок — комбинировать несколько методов подбора запросов в «Яндекс.Директ»: 

  • для поиска базисов использовать предположения, но проверять их сервисом аналитики; 
  • для поиска конкретных запросов использовать сервисы сбора семантики; 
  • автоматически искать релевантные запросы; 
  • вручную чистить ядро, полученное из автоматических сервисов подбора. 

Для тестовых рекламных кампаний можно даже не получать доступ к автоматическим сервисам. Вполне достаточно будет «Вордстата»: сервиса подбора ключевых слов от «Яндекса». 

Как подобрать ключевые фразы для «Яндекс.Директа» через «Вордстат»

Выполните четыре простых шага — и сможете настроить рекламную кампанию в «Директе». 

Собираем базисы: основные ключи

Первое, что нужно сделать, чтобы собрать ключевые запросы для «Яндекс.Директа» — найти базисы, или направления. Так называют основные фразы, охватывающие аудиторию, в которой точно могут быть ваши клиенты. 

Здесь пригодится мозговой штурм. Подумайте, как клиенты могут искать ваши товары или услуги. Можно использовать два типа базисов: 

  • Широкие — те, которые содержат название продукта или услуги. Например, «эвакуатор». 
  • Коммерческие — те, которые явно указывают на желание пользователя заказать услугу или товар: «заказать эвакуатор». 

В первом случае вам придется работать с семантическим ядром дольше, но зато выборка релевантных фраз будет шире. Во втором вы сужаете направление поиска и получаете меньше фраз, зато они приведут самых «горячих» клиентов. 

Объясняем на примере. Человек, которому нужен эвакуатор, может сравнивать цены в разных фирмах и ввести в поисковую строку что-то типа «цена на эвакуатор». А если вы возьмете в качестве базиса коммерческий запрос «заказать эвакуатор», то ключ со словом «цена» не попадет в выборку. 

Как действовать, решайте сами. Главное на этом этапе — собрать как можно больше базисов, используя синонимы и словоформы. В этом поможет «Вордстат»: укажите в нем базис, который придумали, и посмотрите релевантные запросы в колонке похожих. 

Например, эти запросы тоже могут выступить в качестве базисов, если занимаетесь только эвакуацией легковых авто

Соберите все базисы в отдельный документ. Можно создать таблицу в Google и выделить под каждый базис отдельный лист — так работать будет проще. 

Ищем релевантные производные от каждого базиса

Следующий шаг в подборе запросов для «Директа» — поиск релевантных производных. Здесь уже можно использовать сервисы автоматического сбора семантики, а можно сделать все вручную в «Вордстате». Разницы не будет: и там, и там вам придется изучать списки ключей и выписывать только те, которые подходят. 

Важно! При поиске ключей обязательно выставляйте город, в котором работаете.

Не ищите ключи по всей России — это может исказить восприятие. Бывает такое, что конкретная фраза вообще не используется в вашем городе. А если работаете в нескольких регионах, проверяйте частотность в каждом отдельно. 

Нажмите сюда, чтобы выбрать конкретный регион

Дальше для сбора поисковых запросов в «Директе» указывайте в строке поиска базис. И смотрите все запросы, которые вам предлагают. Релевантные добавляйте в таблицу. А нерелевантные, которые точно не относятся к вашим услугам или которые используют для получения информации, тоже можно сохранять — они пригодятся позже. 

Например, если работаете только по Москве, сохраняете эти запросы

Листаете выдачу до тех пор, пока не кончатся ключевые слова. Забирать ли в таблицу фразы с частотностью 1–10 показов в месяц, решайте сами. Бывает, что «Вордстат» показывает минимальное число запросов, хотя их на самом деле больше, и бывает, что именно низкочастотные ключи приносят самые дешевые лиды. 

Когда собрали все релевантные производные одного базиса, переходите к следующему. И так, пока не закончите. 

Составляем список минус-слов

Мало знать, как собрать ключевые слова для «Директа»: важно грамотно их использовать. И сделать так, чтобы объявления не показывались по схожим запросам, которые на самом деле нерелевантны.

Для этого и существуют минус-слова. Это такие фразы, при наличии которых в запросе ваше объявление не будет показано. Например, если предлагаете платные игры, включите в минус-слова фразу «бесплатно», чтобы отсечь любителей халявы. 

Помните, мы рекомендовали сохранить нерелевантные фразы, полученные поиском с базиса? Здесь они и пригодятся. Посмотрите, какие слова меняют смысл запроса, и выпишите их отдельным списком, чтобы потом добавить в рекламную кампанию. 

Запрос подходил бы, если бы не указание на область. Значит, фразу «Московская область» нужно занести к стоп-словам, чтобы люди оттуда не видели объявление

Важно собирать минус-слова с выдачи по всем базисам, чтобы не пропустить ничего критичного. Можно заниматься этим одновременно с подбором ключей: релевантные слова вносите в таблицу, «хвосты» нерелевантных — в список стоп-слов. Тогда процесс сбора пойдет немного быстрее. 

Группируем релевантные ключевые слова

Некоторые рекомендуют делать отдельное объявление на каждое ключевое слово. Но если семантика в «Директе» большая, это довольно трудозатратно. В этом случае проще сгруппировать ключевые слова и распределить их по разным объявлениям. 

Группировать поисковые фразы нужно по смыслу. Один кластер (группа) — конкретный смысл, заложенный в запрос. Смешивать разные смыслы не стоит, иначе кликабельность заголовков может пострадать. 

Сначала показываем пример. Обратите внимание на разные цвета стрелочек

Из этой выдачи можно собрать три разных группы поисковых фраз. Смотрите: 

  • Красными стрелочками обозначены фразы, в которых пользователи хотят сэкономить на вызове эвакуатора. Они почти идентичны, и в объявлении можно будет указать скидку или на самые низкие цены в Москве. 
  • Темно-синими стрелочками обозначены фразы, в которых пользователи просто запрашивают цену. Им важно наличие стоимости прямо в заголовке или в тексте объявления. 
  • Голубыми стрелочками обозначены фразы, в которых пользователи хотят сэкономить и при этом сразу узнать точную стоимость. Указание скидки им не подходит: им нужна будет точная цена. Но просто указать стоимость недостаточно — важно выделить, что она очень низкая. 

Примерно таким образом нужно сгруппировать все найденные вами фразы в рамках каждого базиса. И потом создавать объявление для каждой отдельной группы. 

Смешивать запросы из разных направлений, например «услуги эвакуатора» и «заказ эвакуатора» не стоит. Это потому, что использованные ключи выделяются жирным в заголовке объявления или его тексте. И если использовать фразы из разных направлений, вы потеряете лишний акцент в виде выделения. 

Дальше составляйте текст и заголовки объявления и настраивайте рекламную кампанию. А потом отслеживайте ее эффективность и оптимизируйте при необходимости. Ну и вовремя пополняйте бюджет, чтобы не было простоя. 

Расскажите в комментариях, получилось ли у вас собрать семантику для «Директа».

Подбор ключевых слов для Яндекс.Директ

С чего начать подбор фраз?

Подбор фраз для Яндекс.Директ стоит начать с анализа вашего продукта (товара или услуги). Допустим, ваша задача — продать места на столярный мастер-класс. Представьте, какие слова мог бы вписать в поисковую строку потенциальный покупатель, чтобы найти ваш сайт. Составьте список с ними и используйте его в парсере ключевых слов. Один из самых популярных и точных — Яндекс.Wordstat.

Также вам потребуется изучить понятия, связанные с подбором ключевых слов. Так вы будете понимать, на что обращать внимание при сборе. Ниже мы описали некоторые из них.

Понятие частотности

Частотность — важный показатель для правильного подбора ключевых слов для Директа. Он отражает число поисковых запросов каждой фразы (т.е. сколько раз пользователи вводили ее в поисковик) за последние тридцать дней. Чтобы узнать частотность ключа, нужно проверить его через бесплатный сервис Яндекс.Wordstat.


Частотность ключей в Яндекс.Wordstat

Минусы Яндекс.Wordstat при проверке частотности ключевых слов:

  • можно проверять только по одной фразе за раз — списком не получится;
  • чтобы получить результат проверки, нужно вводить капчу. Однако существуют способы ее обхода.

При подборе слов для Яндекс.Директ стоит учитывать, что существует несколько видов частотности:

  1. Базовая. Учитывает все возможные вариации форм и сочетаний слов, а также все добавочные слова.
  2. Точная. Частотность только по конкретному слову или фразе. Чтобы ее посмотреть, нужно заключить ключ в кавычки (ввести “столярный мастер-класс”).
  3. Точная с восклицательным знаком. Показывает, сколько раз пользователи искали именно это слово / сочетание слов, именно в такой форме. Чтобы ее посмотреть, введите “!столярный мастер-класс”.
  4. Точная с квадратными скобками. Помогает понять, фразу с каким порядком слов следует включить в семантическое ядро. Для этого нужно заключить весь ключ в кавычки и квадратные скобки, и перед каждым словом поставить восклицательный знак. Пример — “[!столярный !мастер-класс]”. Его частотность можно сравнить с ключом “[!мастер-класс !столярный]”.

Понятие региональности фразы

Региональность фразы важна для сбора ключевых слов для Яндекс.Директ, если вы продаете свой продукт не по всей России, а в конкретном регионе / городе. Чтобы посмотреть частотность и региональную популярность фразы, поставьте отметку на «По регионам» под поисковой строкой на Яндекс.Wordstat.


Статистика по регионам в Вордстате

Коммерческий или инфозапрос?

Наиболее прибыльные направления

Существует две разновидности поисковых запросов — информационные и коммерческие (транзакционные). При сборе семантики для Директа стоит делать упор на второй тип. Его отличают слова «купить», «заказать» и так далее. Они приносят бо́льшую конверсию, так как подразумевают, что после перехода на сайт пользователь совершит упомянутое им в запросе целевое действие.

Маски

Подбор фраз для Яндекс.Директ (и ручной, и автоматический) начинается с парсинга масок, основы семантического ядра. Маска ключа — это словосочетание, которое содержится во всех остальных фразах. Как определить, что перед вами маска? Удалите одно слово — если смысл потеряется, то это это она. Пример: «столярный мастер-класс» — маска, «столярный мастер-класс цена» — простой поисковый запрос.

Кластеризация и чистка

Кластеризация идет после завершения подбора слов для Директа. Это процесс разделения семантического ядра на кластеры (небольшие группы слов). На каждый из кластеров впоследствии придется по одной целевой странице сайта. Это нужно для того, чтобы не быть конкурентом самому себе — и не настраивать массу объявлений на одни и те же ключевые слова. Кластеризация бывает ручной и автоматической.

Инструменты автоматической кластеризации

Существуют сервисы автоматической кластеризации запросов. Они выручают, когда вы собрали большую массу ключей, и на их ручное разделение уйдет очень много времени. Однако не стоит полностью на них полагаться. Алгоритм может внести в кластер неподходящие по смыслу фразы. Поэтому, прежде чем загружать семантику в Яндекс.Директ, проведите ее ручную чистку.

Ручная кластеризация

В ручной кластеризации вам помогут таблицы Excel или Google. К этому способу разделения ключевых слов на группы стоит прибегать, если фраз мало.

Сбор частотности

Собрать частотность ключевых слов для Яндекс.Директ вам помогут платные парсеры. Они снимут необходимость постоянного ввода капчи в Яндекс.Wordstat и значительно ускорят работу с ключами.

Инструменты и сервисы для работы с ключевыми словами

После того, как вы собрали фразы для Директа, разделили на кластеры и включили в РК, работа с ними не заканчивается. Дальше потребуется их оптимизация, так как далеко не вся семантика на практике приводит к кликам и конверсиям. Один из сервисов оптимизации ключевых слов для Яндекс.Директ — K50:Правила. С его помощью, например, можно исключить фразы с высоким расходом, которые не приносят транзакций.

А при помощи K50:Генератор можно создать семантическое ядро из товарного фида. Актуально для интернет-магазинов с сотнями и тысячами позиций (и, соответственно, большим количеством целевых страниц). Снимает со специалиста по контекстной рекламе необходимость подбирать ключевые слова отдельно для каждой из них.

Рекомендации по сбору ключевиков

  1. Начните с карты сайта. Понять, какие ключевые слова собирать для Яндекс.Директ, вам помогут страницы вашего ресурса. Выделите из них приоритетные для продвижения — и начните собирать семантику для каждой.
  2. Плагины для Wordstat. При работе с сервисом Яндекс.Wordstat советуем пользоваться бесплатными плагинами, которые облегчают сбор ключевых слов. Например, Yandex Wordstat Assistant. Он позволяет собрать нужные фразы в список сразу вместе с частотностью, а затем скопировать его в Excel или Google-таблицу.
  3. Собирайте фразы по городу. Ключевые фразы из Wordstat по городам приносят больше трафика. По ним, как правило, больше показов, чем по регионам и странам.
  4. Собирайте синонимы и вариации. У ваших запросов может быть множество потенциальных рабочих вариантов. В Wordstat это колонка «Запросы, похожие на…». Однако не стоит просто копировать ключи оттуда, т.к. они могут не совпадать по смыслу с вашей целевой страницей.


    Подбор ключевых фраз для Директа

  5. Проводите чистку, настраивайте минус-слова. Это нужно для того, чтобы показы объявлений не шли по нерелевантным запросам и не растрачивали впустую рекламный бюджет. Периодически проводите оптимизацию действующих рекламных кампаний — убирайте ключевые слова, которые не работают, добавляйте новые, более актуальные, если обнаружите их.

Понравился материал?

Расскажите друзьям

Получайте новости первыми

Подпишитесь на ежемесячную рассылку обновлений и полезных материалов

Спасибо! Материалы будут отправленны вам на e-mail

Семантика Яндекс.Директ – важный фундамент рекламной кампании — ROMI center

Для начала определимся с тем, что такое семантика. Семантическое ядро сайта – это список слов и словосочетаний, по которым клиент попадает на ваш ресурс через поисковые системы. 

Сбор семантического ядра важен для SEO-продвижения сайта, а также для настройки рекламы в Google Ads и Яндекс.Директ. О последнем мы сегодня и поговорим – затронем особенности поисковика и инструменты для подбора ключевых слов. 

Подбор ключевых слов – первый шаг для создания вашей поисковой рекламы. В любом бизнесе важно изучить свою целевую аудиторию и понять её потребности. Семантическое ядро Яндекс.Директ – не просто необходимый фундамент для запуска рекламной кампании. Помимо этого, исследование запросов, по которым потенциальный клиент ищет вас в поисковике, – отличный инструмент, чтобы изучить поведение покупателя.

О частотности запросов

То, насколько часто определенное слово или фраза вводится пользователем в поисковую строку,называется частотностью запросов. Разделяют три вида частотности запросов: 

1. Запросы с высокой частотой

Это запрос, который пользователь вбивает в поисковик наиболее часто. Например, «Диван». При высокочастотных запросах конкуренция всегда выше, а значит, выше и ставка за клик. Но у запросов данного типа д больше всего шансов привлечь новых клиентов, так как тут аудитория максимально широка. 

2. Запросы со средней частотой

Это уже более точная ключевая фраза. Клиент конкретизировал свой запрос и из-за внесённых уточнений, людей, которые искали то же самое – оказалось чуть меньше. Например, «Диван в Ярославле»

3. Запросы с низкой частотой

Очень точный запрос. Клиент чётко знает чего хочет и максимально точно задает все параметры при поиске. Например, «Угловой кожаный диван в Ярославле». Если у вас действительно есть в наличии угловые кожаные диваны, да ещё и есть доставка в Ярославль, конечно, такой низкочастотный запрос наиболее ценнен. 

Виды ключевых фраз

С частотностью запросов мы разобрались, теперь разберём виды запросов, которые помогут собрать семантическое ядро Яндекс.Директ. «Поисковое» поведение покупателя можно охарактеризовать по тому, как именно они ищут товар или услугу в Яндексе. Перечислим основные типы этих запросов.

Покупательский запрос

Наиболее «горячий» тип запроса. Это сочетание слов вводят в поисковике люди, которые уже готовы к покупке. Чаще всего такие ключевые фразы содержат вид нужного товара/ услуги + одно из следующих слов:

  • купить;
  • заказать;
  • доставка.

Информативный запрос

Запрос, который набирает пользователь, чтобы получить информацию о продукте. Человек ещё не готов к покупке, но собирает данные для собственного мини-исследования. Ключевая фраза в таком случае содержит наименование искомого товара и уточняющее слово, например:

  • отзывы;
  • характеристики;
  • как починить;
  • срок службы ;
  • виды.

Географический запрос

Ещё один тип запроса, относящийся к «горячим». Покупатель, который вводит необходимую локацию и продукт, практически готов к покупке и выясняет, есть ли магазин или доставка в его городе. К географическому запросу, связанному, например, с поиском дивана, можно отнести ключевые слова типа:

  • диван мск;
  • диван доставка Пермь;
  • диван в Казани.

Кросс-продажные запросы

Тот самый случай, когда пользователь ищет одно, а ему можно предложить другое, потому что это его тоже может заинтересовать. Надо понимать, что в данном типе запросов конверсия будет ниже. так как человек в первую очередь обращает внимание именно на то, что он изначально искал. Однако шанс расширить аудиторию, приобретя новых клиентов, тут тоже имеется. 

Например, человек искал пляж, где можно покататься на вейк-борде за катером. Вполне возможно, что его заинтересуют смежные виды спорта, о которых он даже не задумывался. Клиенту в данном случае можно предложить такие объявления:

  • Катание на вейке на лебёдке. Катер больше не нужен, попробуй новый вид спорта! 
  • Сёрфинг с мотором. Катайся без волн, катера и лебёдки, развивая скорость до 30 км/ч!

Ещё один отличный пример – запросы о ремонте. Если у человека сломалась стиральная машинка, можно предложить ему рассмотреть покупку новой. Возможно, он не отчается и не откажется от воскрешения старой машинки. Но попытать удачу можно. Особенно, если показать рекламу, которая обнадёжит клиента и предложит избавить от головной боли по ремонту:

  • Стиральные машины. Гарантия 5 лет. Только надёжные и проверенные производители.
  • Стиральные машины Samsung. Наша стиральная машина точно не сломается в ближайшие 10 лет. Гарантия от производителя.

Проанализируйте, в каких смежных областях можно найти вашего нового клиента, и включите нужные запросы в список для семантического ядра Яндекс.Директ.

Прямой запрос

Самый простой и не требующий фантазии тип запроса. Пользователь вводит эти ключевые слова без транзакционных или географических дополнений. Ни города доставки, ни фраз «Купить», «Заказать» или «Отзывы». То есть невозможно сразу  оценить, хочет ли человек купить товар или просто ознакомиться с информацией. Поэтому этот тип нельзя отнести к «горячим». Но с уверенностью можно сказать, что упускать таких клиентов нельзя. К прямым запросам можно отнести:

  • название вашего бренда;
  • наименование услуги;
  • тип товара.

Подбор семантического ядра Яндекс.Директ

Теперь, когда мы изучили поисковое поведение потребителя, узнали о типах запросов и о их частотности – можно приступать к практике. При старте сбора семантики Яндекс.Директ стоит последовать тому же принципу, что и при строительстве дома. Сначала нужно собрать базу из основных запросов, разложить их на типы и классифицировать по наименованиям ваших товаров и услуг. Далее надстраивать полученный фундамент этажами из дополнительных, конкретизирующих запросов. 

Самого пристального внимания требует первоначальный пул запросов. Получить вдохновение можно, посмотрев на рекламу ваших конкурентов. По каким запросам они делают показы? Также учтите все типы и наименования товаров, которые у вас продаются. Ключевые слова необходимо собирать по каждому из них. 

Запросы по расширенным ключам займут у вас больше времени, однако принесут больше результатов. Возможно, ключевая фраза вроде «Халат с перламутровыми пуговицами Москва» вводится в поисковую строку Яндекса не так часто, как просто слово «Халат». Но человек, который увидит ваше объявление с таким заголовком и запрашивал у поисковика именно это – почти со 100% вероятностью нажмёт на него. Так как увидит полное соответствие заголовка тому, что он искал. 

Однако не стоит углубляться в крайности и создавать объявления только по супер-низкочастотным запросам. 

По фразам, которые пользователи ищут всего пару раз в год, система Директа создаст статус – мало показов, что выключит их из активной работы в рекламной кампании. Такие запросы обязательно хотя бы частично входят в ключи с более высокой частотностью. Поэтому стоит не волноваться о том, что они останутся без внимания. К тому же, уместить непопулярные ключи в одном объявлении адекватно  иногда невозможно. 

Инструменты для поиска слов

После мозгового штурма с сотрудниками и мониторинга конкурентной среды время переходить к цифрам. Для качественного сбора семантического ядра Яндекс.Директ нужно руководствоваться количеством запросов пользователей по заданной тематике. Исходя из этих показателей можно определять частотность ключевых фраз и выбирать, в какую сторону расширять диапазон уточнений. 

Используйте для анализа фраз операторы Яндекс.Директа. Данные символы помогают повысить точность поискового запроса и зафиксировать необходимую словоформу. 

Яндекс Wordstat

Wordstat – это первая аналитическая система, которая приходит на ум при настройке кампании в Яндексе. Вордстат предоставляет информацию по количеству запросов ключевых слов периодом до 365 дней во вкладке «История запросов».

На графике мы видим традиционный взлёт спроса на учебники после начала учебного года, а также перед его окончанием. При подготовке семантического ядра лучше руководствоваться именно такими полными данными статистики. Тогда по сезонным ключевым словам будет видна более реальная картина. И запросы с очень низкой частотностью за год, а не за один месяц, можно смело удалять из семантики как пустышки. Например, запрос с 10 ежегодными показами не имеет смысла держать отдельно, а по широкому типу соответствия он точно входит в более широкий запрос.

А благодаря вкладке «По словам» можно расширить семантическое ядро, узнав, какие фразы чаще всего ищут пользователи. Фразы с не слишком большой частотностью принесут вашим поисковым кампаниям больше всего кликов. Например запрос «Купить диван Москва» принесёт куда лучшую конверсию, чем высокочастотный запрос «Диван».

Однако стоит избегать и ключевиков с совсем низкой частотностью, от них будет слишком незначительный результат.

В кампаниях в РСЯ всё наоборот – лучше сработают широкие ключевые запросы. Если вы слишком точно сформулируете ключ, это исключит размещение на многих сайтах из рекламной сети, которые могли бы принести результат.  

Обратите также внимание на столбец «Запросы, похожие на учебники». Тут можно вдохновиться дополнительными вариантами поисковых запросов.

Wordstat является инструментом для сбора семантического ядра Яндекс.Директ. Однако самостоятельный сбор ключевых запросов в таблицах  – удовольствие не для слабонервных. Помимо уймы затраченного времени и усилий, на выходе результат труда может огорчить недостаточным объемом и качеством сегментации / минусовки. Именно поэтому существует множество сервисов для выполнения данной задачи. 

Рассмотрим несколько таких сервисов. Каждый из перечисленных инструментов является бесплатным, с возможностью перехода на платную версию, где пользователю открывается больше возможностей по сбору данных.

Key Collector

Помимо сбора семантики, программа сразу определяет конкурентность ключевых запросов, их частотность. Key Collector может проверить ресурс на предмет соответствия семантическому ядру. Доступны для прогноза даже ставки в Яндекс.Директ, которые вас ожидают в случае создания объявления по заданному запросу. 

Rush Analytics 

Сервис Rush Analytics также мониторит за вас Wordstat, a ещё занимается разделом подсказок в кампаниях. Возможны классификация запросов по частотности и анализ конкурентов в поисковой выдаче. Rush Analytics может проверить запросы в различных географических локациях и промониторить 10 ваших конкурентов.

SEMrush

SEMrush предоставляет данные о вариациях ключевого запроса, анализирует его частотность. Показывает конкуренцию по необходимым фразам и даёт оценку стоимости будущих объявлений.

Дополнительные слова 

Вне зависимости от того, какой сервис вы выбрали, а также какими методами сбора семантики пользуетесь самостоятельно – обязательно убедитесь в информационной полноте готового продукта.

А именно, учтите все дополнительные ключи, к которым можно отнести следующие.: 

  • Опечатки и ошибки.
  • Синонимы. «Купить люстру», «купить плафон» или «купить лампу», не видите разницы? А система Яндекс.Директ увидит.
  • Варианты написания бренда русскими буквами или наоборот – транслитерацией. Например, про запросы на русском «Самсунг» и «Айфон» можно с лёгкостью запамятовать;
  • Аббревиатуры. Учтите, что если человек вобьет в поиск «МФЦ», то не увидит ваше объявление о многофункциональном центре.
  • Профессиональные термины. Объявление о сушилке для овощей и фруктов может не увидеть слишком умный пользователь, который знает, как этот процесс на самом деле называется, и набрал в строке поиска «Дегидратор».

Минус фразы

При составлении семантики Яндекс.Директ обязательно стоит вспомнить о фразах или словах, по которым вам не нужно отображаться. Это поможет показывать объявление только по релевантным запросам и избежать лишнего расхода бюджета. 

При показах на поиске обычно в список минусовых слов включают:

  • бесплатно;
  • скачать;
  • своими руками;
  • также полезно добавить гео-локацию, которая вам не нужна. Например, если вы продаёте диваны в Санкт-Петербурге и у вас нет доставки в Москву, то этот город стоит добавить в перечень минус-фраз. 

Если вы планируете кампанию для рекламной сети Яндекса, помните о том, что с минус-словами в данном случае стоит быть осторожнее, чем в поисковых кампаниях. Например, если в аналогичном примере с диванами в Санкт-Петербурге указать минус слово «Москва», то объявление не пойдет в показ на сайте, где этот город указан в разделе контактов. 

В сервисах для автоматического подбора семантики Яндекс.Директ очень удобно управлять процессом подбора минус фраз. Например, в Key Collector, о котором мы говорили выше, можно сопоставлять одинаковые ключевые запросы. Он поможет выбрать наиболее удачный для кампании ключ и удалит неявные дубли. Такие, как, например «Купить диван Москва» и «диван Москва купить». На первый взгляд данные запросы дублями не являются, однако загружают пул ключевиков ненужным объёмом и к тому же конкурируют между собой в РК. Такой приём называется кросс-минусовкой

Сервис также может группировать минус-слова по разным запросам сокращая таким образом время на их обработку. 

Заключение

Самая важная цель при сборе семантического ядра Яндекс.Директ – попасть в поисковой запрос пользователя с наибольшей точностью. Это достигается путём сбора основных запросов и дальнейшего расширения каждого из них. Составляйте группы запросов и делайте в этих группах объявления, которые будут отвечать на нужды клиента, предлагая ему именно то, что он искал.

Как за 15 минут собрать ключевые фразы для Яндекс и Google

Собирать ключевые запросы и минус-слова для сайта достаточно просто. Здесь главное понять, на сколько те или иные фразы важны для сайта, и какой эффективности от них ожидать.

 

Способ, который еще никто не освещал

Давайте раз и навсегда разберемся с этим вопросом!

Пошагово и на реальных примерах разберем процесс сбора ключевых запросов и минус-слов. Рассмотрим ручной и полуавтоматический способ сбора семантического ядра.

Познакомимся с бесплатным инструментом WordStater, который автоматизирует процесс и возьмет часть работы на себя.

Также покажу новый способ того, как параллельно собирать минус-слова и глубже познакомиться с тематикой. Для наглядности под видео опубликована инструкция в картинках.

 

Видеообзор

 

 

Установить плагин WordStater — https://goo.gl/Pme8i5

Не забудьте подписаться на YouTube канал, если хотите получить больше полезной информации. Перейти на канал

Если вам нужна помощь в сборе семантического ядра или первичной настройке контекстной рекламы — подробности здесь

Сбор семантического ядра, инструкция в картинках

Быстро собрать семантическое ядро нам поможет расширение для браузера «WordStater» — ускоряет сбор ключевых фраз, минус-слов, позволяет спрогнозировать стоимость и количество посетителей по собранным запросам.

Рассмотрим на примере реальной задачи.

Задача

  • Собрать список ключевых фраз и минус-слов для запуска рекламной кампании Яндекс.Директ с базовой настройкой на горячий спрос.
  • Спрогнозировать количество переходов по рекламе и примерный бюджет.

Тематика — продажа и установка кондиционеров в Москве.

 

Шаг #1 — Установка расширения

Расширение доступно для установки в Google Chrome и Яндекс.Браузер.

  • переходим по ссылке https://goo.gl/Psk2hW;
  • весь описанный ниже функционал появится после установки расширения в браузер;
  • жмем + Установить.

 
Шаг #2 — Яндекс.Wordstat
  • переходим в сервис Яндекс.Wordstat;
  • вводим высокочастотную фразу из вашей тематики.
    Например, вы продаете кондиционеры, введите слово «кондиционер», это позволит собрать первичный список нерелевантных слов для минусации.

 
Шаг #3 — Собираем базу минус слов

Особенность данного метода заключается в том, что мы сначала собираем и исключаем минус-слова, а затем в полуавтоматическом режиме соберем чистое семантическое ядро.

Важно! Такой подход дает возможность глубже познакомиться с предпочтениями целевой аудитории и собрать более качественное семантическое ядро.

  • В первую очередь активируем режим сбора минус-слов, после чего каждое слово в таблице станет активным, и при клике на него будет выделяться красным цветом и добавляться в список минус-слов. 
  • Обратите внимание, минус-слова подсвечиваются и добавляются без учета словоформ т.е. в точном соответствии.

 

Так как это первичная настройка, и наша задача — прощупать направление, не будем брать фразы с широким спросом, бренды, которые не продаем, ремонт кондиционеров и другие мелкие услуги.

 
Шаг #4 — Изучаем вложенность

Иногда встречаются непонятные слова, и думаешь, добавлять его в минус, или нет. Например, «замена кондиционер», стоит ли добавлять слово «замена» или нет? Для уточнения исследуем вложенность, т.е. из каких запросов состоит эта фраза.

При наведении на фразу появляются доп. кнопки («,Я,G,Copy):

  • при клике на первую в новой вкладке откроется фраза в кавычках — покажет уточненную частотность по этой фразе;
  • на вторую и третью — Яндекс, Google поиск по этой фразе для быстрого просмотра объявлений конкурентов;
  • на четвертую — фраза будет скопирована в буфер обмена.

 

Жмем на кавычки, открывается вкладка с частностью по слову «замена кондиционеров».

Отсюда видно, что частотность в кавычках низкая. Значит пользователи так не ищут, а набирают более точные запросы. Наша задача — найти их. 

 

Для того чтобы понять, что чаще всего подразумевают пользователи, набирая эти запросы, мы исследуем вложенность

В правом верхнем углу (под кнопкой «Подобрать») жмем кнопку “Вложенность”, она обозначается двумя плюсами “++”, и проваливаемся на уровень ниже:

 

Кнопка “Вложенность” покажет текущую фразу плюс одно слово, т.е. вместо двухсловного будет трехсловное и так далее до семи слов (Wordstat не показывает статистику по фразам, содержащим более 7-ми слов).

Исследуя вложенность, вы определите смысл и важность фразы и узнаете, что еще искали пользователи с этими запросами, в том числе найдете хорошие низкочастотные запросы.

 

Шаг #5 — Добавляем фразы в список

Собрать список из 100 ключевых фраз можно за 10-15 минут, этих данных будет достаточно для оценки бюджета, трафика и для запуска первичной рекламной кампании, также этот список можно добавить в Key Collector для дальнейшего расширения.

Рекомендация! Чем больше минус-слов добавлено, тем чище будет трафик.

После того как соберете достаточно мину-слов, их нужно исключить из выдачи. Для над левой таблицей воспользуемся кнопкой “Исключить минус-слова”, после чего в таблице останутся только нужные нам фразы:

 

В окне плагина переключаемся на вкладку “Общий список”, и в нее будет собрано семантическое ядро:

 

Ключевые фразы можно добавлять по одной или сразу списком.

Для добавления одной фразы нажмите кнопку “+”, расположенную слева от ключевого запроса.

Добавленные фразы выделяются серым цветом и добавляются в общий список:

 

Для добавления всей таблички воспользуйтесь кнопкой “+ столбец”, она расположена сразу над таблицей:

 

Расширение не автоматизирует сбор ключевых слов, но достаточно упрощает и сокращает количество ручных операций. 

 

Для ускорения процесса можно использовать горячие клавиши:

  • Минус-режим:CTRL+Q
  • + столбец:CTR+Shift+A
  • — столбец:CTR+Shift+S
  • На след. страницу:CTR+Shift →
  • На пред. страницу:CTR+Shift ←

 

Собранные ключевые фразы и минус-слова вы можете скопировать в удобном формате

Для этого выберите вкладку, из которой хотите скопировать список, в нашем случае это будет “Общий список”.

В нижней части окна плагина наведите курсор на кнопку “Копировать”, после чего вы увидите список форматов, доступных для скачивания:

Выберите подходящий, и фразы будут скопированы в буфер обмена.

 

Шаг #6 — Прогноз трафика и рекламного бюджета

К этому этапу у нас уже собраны необходимые ключевые фразы и список минус-слов.

 

Для прогноза бюджета жмем на кнопку «Рассчитать бюджет», она находится в нижней части окна плагина:

В новой вкладке откроется страница прогноза бюджета в Яндекс.Директ.

Выбираем необходимый регион показов:

 

В левой части экрана наводим на значок Wordstater и нажимаем «Добавить фразы»:

Внимание! Если вы повторно нажмете «Добавить …», фразы дублируются, поэтому предварительно очистите список фраз. Ключевые фразы и минус-слова добавятся автоматически из памяти расширения.

Расширение добавляет фразы по трем параметрам:

  • в широком соответствии;
  • в точном соответствии;
  • в кавычках.

Выбирайте подходящий параметр добавления, после чего WordStater отправит фразы на оценку в Яндекс. 

 

Для определения рекламного бюджета и прогноза по трафику выберите необходимый объем трафика:

 

После чего в нижней части таблицы вы увидите прогнозируемые данные:

Для тех, кто дочитал до конца, есть приятный бонус в виде расширения возможностей плагина. Если вы авторизованы в сервисе UTA-manager, под таблицей с расчетами у вас появится кнопка “Рассчитать рентабельность”. Воспользовавшись данным инструментом, вы сможете более точно определить бюджеты, оптимальную стоимость клика, рассчитать окупаемость и многое другое. Подробности по ссылке

 

________________________________________________________

Установить плагин WordStater — https://goo.gl/Pme8i5

Не забудьте подписаться на YouTube канал, если хотите получить больше полезной информации. Перейти на канал

Если вам нужна помощь в сборе семантического ядра или первичной настройке контекстной рекламы — подробности здесь.

 

Россия напала на Украину!

Россия напала на Украину!

Мы, украинцы, надеемся, что вы уже знаете об этом. Ради ваших детей и какой-либо надежды на свет в конце этого ада –  пожалуйста, дочитайте наше письмо .

Всем нам, украинцам, россиянам и всему миру правительство России врало последние два месяца. Нам говорили, что войска на границе “проходят учения”, что “Россия никого не собирается захватывать”, “их уже отводят”, а мирное население Украины “просто смотрит пропаганду”. Мы очень хотели верить вам.

Но в ночь на 24-ое февраля Россия напала на Украину, и все самые худшие предсказания  стали нашей реальностью .

Киев, ул. Кошица 7а. 25.02.2022

 Это не 1941, это сегодня. Это сейчас. 
Больше 5 000 русских солдат убито в не своей и никому не нужной войне
Более 300 мирных украинских жителей погибли
Более 2 000 мирных людей ранено

Под Киевом горит нефтебаза – утро 27 февраля, 2022.

Нам искренне больно от ваших постов в соцсетях о том, что это “все сняли заранее” и “нарисовали”, но мы, к сожалению, вас понимаем.

Неделю назад никто из нас не поверил бы, что такое может произойти в 2022.

Метро Киева, Украина — с 25 февраля по сей день

Мы вряд ли найдем хоть одного человека на Земле, которому станет от нее лучше. Три тысячи ваших солдат, чьих-то детей, уже погибли за эти три дня. Мы не хотим этих смертей, но не можем не оборонять свою страну.

И мы все еще хотим верить, что вам так же жутко от этого безумия, которое остановило всю нашу жизнь.

Нам очень нужен ваш голос и смелость, потому что сейчас эту войну можете остановить только вы. Это страшно, но единственное, что будет иметь значение после – кто остался человеком.

ул. Лобановского 6а, Киев, Украина. 26.02.2022

Это дом в центре Киева, а не фото 11-го сентября. Еще неделю назад здесь была кофейня, отделение почты и курсы английского, и люди в этом доме жили свою обычную жизнь, как живете ее вы.

P.S. К сожалению, это не “фотошоп от Пентагона”, как вам говорят. И да, в этих квартирах находились люди.

«Это не война, а только спец. операция.»

Это война.

Война – это вооруженный конфликт, цель которого – навязать свою волю: свергнуть правительство, заставить никогда не вступить в НАТО, отобрать часть территории, и другие. Обо всем этом открыто заявляет Владимир Путин в каждом своем обращении.

«Россия хочет только защитить ЛНР и ДНР.»

Это не так.

Все это время идет обстрел городов во всех областях Украины, вторые сутки украинские военные борются за Киев.

На карте Украины вы легко увидите, что Львов, Ивано-Франковск или Луцк – это больше 1,000 км от ЛНР и ДНР. Это другой конец страны. 25 февраля, 2022 – места попадания ракет

25 февраля, 2022 – места попадания ракет «Мирных жителей это не коснется.»

Уже коснулось.

Касается каждого из нас, каждую секунду. С ночи четверга никто из украинцев не может спать, потому что вокруг сирены и взрывы. Тысячи семей должны были бросить свои родные города.
Снаряды попадают в наши жилые дома.

Больше 1,200 мирных людей ранены или погибли. Среди них много детей.
Под обстрелы уже попадали в детские садики и больницы.
Мы вынуждены ночевать на станциях метро, боясь обвалов наших домов.
Наши жены рожают здесь детей. Наши питомцы пугаются взрывов.

«У российских войск нет потерь.»

Ваши соотечественники гибнут тысячами.

Нет более мотивированной армии чем та, что сражается за свою землю.
Мы на своей земле, и мы даем жесткий отпор каждому, кто приходит к нам с оружием.

«В Украине – геноцид русскоязычного народа, а Россия его спасает.»

Большинство из тех, кто сейчас пишет вам это письмо, всю жизнь говорят на русском, живя в Украине.

Говорят в семье, с друзьями и на работе. Нас никогда и никак не притесняли.

Единственное, из-за чего мы хотим перестать говорить на русском сейчас – это то, что на русском лжецы в вашем правительстве приказали разрушить и захватить нашу любимую страну.

«Украина во власти нацистов и их нужно уничтожить.»

Сейчас у власти президент, за которого проголосовало три четверти населения Украины на свободных выборах в 2019 году. Как у любой власти, у нас есть оппозиция. Но мы не избавляемся от неугодных, убивая их или пришивая им уголовные дела.

У нас нет места диктатуре, и мы показали это всему миру в 2013 году. Мы не боимся говорить вслух, и нам точно не нужна ваша помощь в этом вопросе.

Украинские семьи потеряли больше 1,377,000 родных, борясь с нацизмом во время Второй мировой. Мы никогда не выберем нацизм, фашизм или национализм, как наш путь. И нам не верится, что вы сами можете всерьез так думать.

«Украинцы это заслужили.»

Мы у себя дома, на своей земле.

Украина никогда за всю историю не нападала на Россию и не хотела вам зла. Ваши войска напали на наши мирные города. Если вы действительно считаете, что для этого есть оправдание – нам жаль.

Мы не хотим ни минуты этой войны и ни одной бессмысленной смерти. Но мы не отдадим вам наш дом и не простим молчания, с которым вы смотрите на этот ночной кошмар.

Искренне ваш, Народ Украины

(PDF) Богатая семантика и прямое представление для цифровых коллекций

Аллен, Р. Б., Богатая семантика и прямое представление для цифровых коллекций. ACM/IEEE JCDL, 2017, 348–349.

Богатая семантика и прямое представление

для цифровых коллекций

Роберт Б. Аллен

Университет Йонсей

Сеул Корея

[email protected]

богатые

структуры знаний и базы знаний с цифровыми библиотеками.

Тем не менее, есть много проблем с реализацией этого

видения. Главным из них является нахождение всесторонних и строгих,

, но также и гибких представлений. Такие репрезентации должны выходить за пределы строго истолкованной семантики, включая дискурс, эволюцию знания и поддержку альтернативных объяснений.

В этом начинании можно опираться на многие традиции, такие как

LIS, лингвистика, языки программирования, философия,

юриспруденция, социология и системный анализ.В то время как наиболее

очевидным применением является разработка высокоструктурированных научных

отчетов об исследованиях,

богатая организация семантической информации может применяться в таких областях, как юриспруденция, история и биография. Мы

предлагаем изучить эти вопросы всем сообществом и

разработать цифровую библиотеку нового поколения.

Ключевые слова

Причинность, Дискурс, События, Фреймы, Высокоструктурированные

Репозитории, История, Модели, Онтологии, Программирование

Языки, Научные ресурсы, Наука, Системы

1.ВВЕДЕНИЕ

Богатая семантика может поддерживать организацию подробной информации для

содержимого документов, по документам и даже по

ресурсам в различных модальностях. В самой сильной форме прямые

репрезентации состоят из сложного материала, полностью состоящего из

структур знания. Преимущества больших коллекций с

богатой семантикой и прямым представлением включают доступ и

интеграцию ресурсов знаний.Высокоструктурированные

представления могут устранить двусмысленность текста и

необходимость реализации сложной обработки текста. В конце концов, мы надеемся

представлять и координировать большие коллекции по различным

дисциплинам, знания в которых постоянно развиваются, и мы

надеемся поддерживать широкий спектр услуг, таких как предоставление

альтернативных объяснений и интерпретаций. Тем не менее, есть

очень много проблем для этих усилий.

2. НАСЫЩЕННЫЕ СЕМАНТИЧЕСКИЕ ПРЕДСТАВЛЕНИЯ

Несмотря на то, что в настоящее время существует значительное понимание важности

семантики, работа над семантикой все еще фрагментирована. Богатая семантика

выходит за рамки простых моделей для связанных данных, таких как модели, использующие

триплеты на основе RDF, и за пределы специальных онтологий. Потенциально,

богатые семантические структуры будут включать сложные сущности,

динамические модели, схемы, системы и описательные программы.

Некоторые подходы к семантике больше подходят для

организации информации, чем другие. Например, хотя автоматизированный вывод

может быть полезен, адекватность семантических систем для описания

кажется более важной, чем вывод. Точно так же в этом контексте мы не сосредоточены в первую очередь на семантике человеческого познания и естественного языка.

Онтологии являются очевидной основой для наших усилий, но существует

большое разнообразие

строгости и охвата онтологий.Системы

эталонных онтологий, основанные на строгой верхней онтологии, представляются

наиболее перспективными. В дополнение к структуре, обеспечиваемой верхней

онтологией, нам также нужны богатые базы знаний о частях, качествах,

и механизмах, связанных с объектами, которые определяются

иерархиями is_a.

Кроме того, текущее поколение онтологий

в основном основано на тройках. Мы считаем, что для представления цифровых коллекций необходимы

богатые семантические структуры, такие как системы, модели, симуляции,

события и фреймы.Нас удивляет, что относительное внимание уделялось согласованию онтологий

с семантикой языка программирования. Действительно, многие онтологии

кажутся более сильными в представлении статических сущностей (например,

продолжающихся, устойчивых), чем динамических сущностей (например, явлений,

постоянных), в то время как для языков программирования верно обратное.

Помимо необходимости координации со структурами языка программирования

, также представляется полезным развивать связи между

богатой семантикой и методологиями, такими как системный анализ,

объектно-ориентированное проектирование, концептуальное моделирование, компонуемое

моделирование и инжиниринг бизнес-процессов.Например, системный анализ

можно применить к описанию деятельности в городе

из исторической газеты.

3. ДИСКУРС И ЭПИСТЕМОЛОГИЯ

В лингвистике семантика противопоставляется дискурсу, а в

философии онтология противопоставляется эпистемологии. Дискурс

и эпистемология могут обращаться к тому, как мы разрабатываем, анализируем и говорим

о новых знаниях. Поскольку наука занимается не только

представлением существующих знаний, но также

развитием новых знаний, мы должны включать структурированные

способы описания приобретения новых знаний.

исследование утверждений о знании требует описаний

, которые сильно отличаются от описаний в формальных семантических

онтологиях. Наука часто начинается с рассмотрения неизвестного

или «пробела»,

Многие системы дискурсивных структур были разработаны для

аргументации и объяснения. Среди структур аргументации

выделяется AIF (формат Argumentation Interchange

).Это поддерживает различные «схемы аргументации» [4]

, такие как дедукция, индукция и абдукция. Тем не менее, как и большинство других структур дискурса и аргументации, AIF не тесно

скоординирована с семантическими структурами. Претензии должны оцениваться

по качеству доказательств и релевантности исследования

существующим семантическим моделям. Таким образом, онтологии и

модели аргументации должны иметь переплетенные представления.

В том же духе объяснения часто основаны на анализе

Семантика — обзор | ScienceDirect Topics

4 Изображение или текст

Вернемся к нашей диаграмме (1) и вопросу о том, как модель M связана с системой S .

Груз Фейнмана на пружине — удобное место для начала. Во всех трех приведенных ниже примерах S является грузом на пружине, либо реальной, либо той, которую мы предлагаем сконструировать.Но связь принимает разную форму в каждом примере.

(A) Модель представляет собой компьютерный макет в виртуальной реальности. Это выглядит как настоящее и, возможно, звучит как настоящее, если программисту было весело. В этом случае связь с системой подобие или подобие ; мы говорим, что модель pictorial .

При функциональном моделировании разработчик модели иногда превращает раннюю стадию спецификации в игрушечную рабочую систему, называемую прототипом .Прототип представляет собой наглядную модель конечной системы. Он показывает, как будет работать окончательная система, работая более или менее так же, как и окончательная система, но, возможно, с некоторыми отсутствующими функциями.

(B) Модель представляет собой граф, например [Feynman et al. , 1963, с. 24-3]:

(12).

Этот график менее точно описывает систему. Слева направо на графике представлено время, вверх и вниз — расстояние по вертикали от центра масс груза до его положения покоя.В обоих измерениях расстояние на графике пропорционально расстоянию в пространстве или времени. Модель, которая может быть прочитана таким образом, принимая некоторые измерения в модели за соответствующие некоторым измерениям в системе, называется аналогом модели .

В гидравлической и авиационной технике часто встречаются модели в масштабе . Это аналоговые модели, в которых размеры конечной системы точно увеличены или уменьшены (обычно в меньшую сторону), так что модель имеет более удобный размер, чем окончательная система.Но если все размеры уменьшить в отношении r, то площади уменьшатся в соотношении r 2 , а объемы (и, следовательно, веса) в отношении r 3 . Итак, учитывая законы физики, как нам масштабировать время, если мы хотим, чтобы поведение модели предсказывало поведение системы? На этот вопрос отвечает размерный анализ (см. главу Зварта в этом томе).

Модель может быть как изобразительной, так и аналоговой. Например, модель архитектора — это и то, и другое.Но модель в (12) явно не изобразительная модель; это не похоже на груз на пружине.

(C) Сам Фейнман моделирует свою систему с помощью уравнения (6). Его уравнение — это фрагмент текста, в котором делается утверждение о системе. Мы называем это текстовой моделью .

В некоторых областях разработаны специальные обозначения для своего предмета. Как правило, эти обозначения являются текстовыми в том смысле, что они строят выражения из конечного алфавита, хотя могут быть наглядные причины, по которым был выбран один символ, а не другой.Часто они предназначены для того, чтобы их писали и читали, а не произносили. Музыкальные партитуры являются очевидным примером. Нет никаких проблем с переводом партитуры фортепианной сонаты Бетховена символ за символом на английский язык («Тактовый размер — обычный размер, первый такт начинается с минимума в 90 209 g 90 210 в правой руке…») таким образом. что оригинальную партитуру можно восстановить по английскому языку, хотя я не понимаю, зачем кому-то это делать. Аналоговая модель (12) не переводится на английский язык подобным образом.

Другим примером текстовой нотации является универсальный язык моделирования (UML), который часто используется на ранних стадиях моделирования программного обеспечения; он менее специализирован, чем партитура, но все же очень ограничен в том, что он может выразить.

Диаграмма логического программного обеспечения Барвайза и Этчеменди Hyperproof [Barwise and Etchemendy, 1994] выглядит графически, но может быть прочитана как текст. В верхней части экрана отображаются изображения шахматной доски с расположенными на ней различными предметами, а в нижней — условные логические формулы.Встроенные правила («Наблюдать» и «Применить») переносят информацию с изображений на формулы и с формул на изображения. Хотя мы можем сказать в формулах все, что можем сказать в образах, и до некоторой степени наоборот, эти два вида репрезентации способствуют разным привычкам рассуждения. Кит Стеннинг [Stenning, 2002] сообщает о некоторых ценных экспериментах по изучению того, как студенты с разными когнитивными стилями используют Hyperproof . В его второй главе рассматриваются различные формы репрезентации с когнитивной точки зрения.(См. также главу Нерсесяна и Паттона в этом томе о рассуждениях, основанных на моделях.)

Текстовые модели особенно важны для нас, поскольку к ним в принципе применим семантический анализ Тарского. Сам Тарский говорил ([Tarski, 1984, p. 267):

Кто хочет… исследовать семантику разговорного языка с помощью точных методов, тот прежде всего будет вынужден взяться за неблагодарное дело реформы этого языка… Можно, однако, усомниться в том, что язык повседневной жизни, будучи «рационализованным» таким образом, сохранит свою естественность и не примет ли скорее характерные черты формализованных языков.

Тарский, возможно, намеревался этими замечаниями отговорить людей от расширения его семантической теории за пределы случая формализованных языков. Но сегодня его теория применяется очень широко, и «рационализация», на которую он ссылается, воспринимается как часть работы семантика. Например, в этом духе изучаются диаграммы Барвайза и Этчеменди (см. выше).

Очень многие модели изначально являются текстовыми или могут быть прочитаны как текст. Один важный случай, который нам необходимо рассмотреть, — это компьютерные модели.Например, модели ветряных турбин обычно представляются в виде компьютерных программ вместе с некоторой сопутствующей теорией для обоснования программ. Для семантического анализа нам нужно более точно определить, какая именно особенность компьютерной модели является реальной моделью. Позвольте мне дать свой собственный ответ; другие аналитики могут видеть вещи по-другому.

Информация о предлагаемом ветродвигателе получается при запуске программы. Таким образом, мы должны считать модель результатом программы.Вывод может включать текст, напечатанный на экране или сохраненный в файле; в этом отношении модель является текстовой. Вывод также может состоять из изображений на экране или графиков; в этом отношении модель является изобразительной, а возможно, и аналоговой. Динамическое моделирование в реальном времени, безусловно, является аналогом; они могут включать звук, а также графику.

Часто одну и ту же программу можно запустить с разными параметрами. (Например, при моделировании ветряных турбин используются программы, моделирующие условия ветра и задающие случайным числом.Для практических целей эти программы можно рассматривать как допускающие бесконечное множество значений параметров.) Когда-либо будет иметь место только несколько таких запусков; остальные — виртуальные выходы. Таким образом, мы должны допустить, что текстовая модель может состоять из виртуального текста или, что еще лучше, она может состоять из семейства различных виртуальных текстов.

При таком прочтении сама компьютерная программа не является моделью; это устройство для создания модели. Кроме того, базовая теория, поддерживающая программу, не является моделью, хотя часто она содержит объяснительные модели других вещей.

Пример Фейнмана подбрасывает еще один объект, на который нам нужно обратить внимание. Это функция f , которая для любых действительных чисел A, γ, t, ω γ принимает значение

(13)f(A,γ,t.ωγ)=Ae-γt/2cosωγt .

Эта функция является абстрактным объектом. Для определенности некоторые люди придают ему теоретико-множественную форму, отождествляя его с набором упорядоченных пятикратных наборов действительных чисел. Хотя функция явно имеет некоторое близкое отношение к уравнению (6), это совершенно другой тип объекта.Мы не можем поместить его на страницу или экран, или сделать его из дерева или гипса. Короче говоря, она не «доступна» нам каким-либо прямым образом. Мы можем иметь какое-либо познавательное отношение к нему только через некоторое его описание — например, уравнение (6). По этой причине я думаю, что нам не следует называть функцию «моделью» системы пружинного груза. (Позже мы увидим, что это ближе к семантической модели, хотя и не совсем так.) Мы также не должны путать функции в этом смысле с «функцией» артефакта, как в функциональном моделировании (о котором см. Вермаасом и Гарбачем в этом томе).

Журнал биомедицинской семантики | Международная конференция по биомедицинским онтологиям прямо в журнале track

Под редакцией Жанны Хастингс и Роберта Хендорфа.

Международная конференция по биомедицинским и биологическим онтологиям (ICBO) — это ведущая ежегодная серия конференций, в которой участвуют исследователи, студенты и специалисты, занимающиеся разработкой и применением онтологий и графов знаний, а также связанных с ними технологий искусственного интеллекта во всех областях. научных исследований на протяжении всей жизни и социальных наук, включая биологию, медицину, болезни, здоровье человека, биологию генома, поведение человека, окружающую среду, биомы, питание, продукты питания, растения, сельское хозяйство и другие.

В тесном сотрудничестве с Журналом биомедицинской семантики (JBMS) мы представляем трек для публикации в журнале для участия в ICBO начиная с 2021 года. Статьи, представленные на Международную конференцию по биомедицинским онтологиям в Журнале биомедицинской семантики, будут опубликованы сразу после принятия и представлены на ежегодной конференции после принятия.

Новая тематическая серия ICBO в JBMS требует подачи новых (ранее не опубликованных и не представленных одновременно) исследовательских работ в области проектирования, разработки, оценки и использования онтологий, функциональной совместимости онтологий, графов знаний, интеллектуальных функций, основанных на онтологиях. систем, онтологий для объяснимого ИИ и применения онтологий к биологическим и биомедицинским проблемам во всем спектре наук о жизни.Кроме того, мы хотели бы пригласить участников, демонстрирующих методы исследования на основе онтологий, включая статистические методы, инструментальную поддержку онтологий и семантических технологий, включая аннотирование данных, визуализацию, анализ и связанные с ними приложения, а также вклады, направленные на решение проблем, связанных с работа с несколькими онтологиями одновременно, включая согласование и сопоставление онтологий. Приветствуются материалы, представляющие широкий спектр подходов к построению и использованию онтологий.

Семантика — Приложения Win32 | Документы Майкрософт

  • Статья
  • 11 минут на чтение
  • 12 участников

Полезна ли эта страница?

да Нет

Любая дополнительная обратная связь?

Отзыв будет отправлен в Microsoft: при нажатии кнопки отправки ваш отзыв будет использован для улучшения продуктов и услуг Microsoft.Политика конфиденциальности.

Представлять на рассмотрение

В этой статье

Семантика — это строка, прикрепленная к вводу или выводу шейдера, которая передает информацию о предполагаемом использовании параметра. Семантика требуется для всех переменных, передаваемых между этапами шейдера. Здесь показан синтаксис добавления семантики к переменной шейдера (Синтаксис переменной (DirectX HLSL)).

Как правило, данные, передаваемые между этапами конвейера, являются полностью общими и не интерпретируются системой однозначно; допускается произвольная семантика, не имеющая особого значения. Параметры (в Direct3D 10 и более поздних версиях), которые содержат эту специальную семантику, называются семантикой системного значения.

Семантика, поддерживаемая в Direct3D 9 и Direct3D 10 и более поздних версиях

Следующие типы семантики поддерживаются как в Direct3D 9, так и в Direct3D 10 и более поздних версиях.

Семантика вершинного шейдера

Эта семантика имеет значение, когда она присоединена к параметру вершинного шейдера.Эта семантика поддерживается как в Direct3D 9, так и в Direct3D 10 и более поздних версиях.

Вход Описание Тип
БИНОРМАЛЬНЫЙ[n] Бинормаль поплавок4
СМЕСКИ[n] Индексы смеси и
СМЕСЬ ВЕС [n] Вес смеси поплавок
ЦВЕТ[n] Рассеянный и зеркальный цвет поплавок4
НОРМАЛЬНЫЙ[n] Вектор нормали поплавок4
ПОЛОЖЕНИЕ[n] Положение вершины в пространстве объектов. поплавок4
ПОЛОЖЕНИЕ Преобразованное положение вершины. поплавок4
РАЗМЕР[n] Размер точки поплавок
ТАНГЕНТ[n] Касательная поплавок4
ТЕКСКООРД[n] Координаты текстуры поплавок4
Выход Описание Тип
ЦВЕТ[n] Рассеянный или зеркальный цвет поплавок4
ПРОТИВОТУМАН Вершинный туман поплавок
ПОЛОЖЕНИЕ[n] Положение вершины в однородном пространстве.Вычислите позицию в экранном пространстве, разделив (x,y,z) на w. Каждый вершинный шейдер должен записывать параметр с этой семантикой. поплавок4
РАЗМЕР Размер точки поплавок
ТЕСФАКТОР[n] Коэффициент тесселяции поплавок

n — необязательное целое число от 0 до количества поддерживаемых ресурсов. Например, POSITION0, TEXCOORD1 и т. д.

Семантика пиксельных шейдеров

Эта семантика имеет значение, когда она присоединена к входному параметру пиксельного шейдера.Эта семантика поддерживается как в Direct3D 9, так и в Direct3D 10 и более поздних версиях.

.
Вход Описание Тип
ЦВЕТ[n] Рассеянный или зеркальный цвет. поплавок4
ТЕКСКООРД[n] Координаты текстуры поплавок4
VFACE Скаляр с плавающей запятой, указывающий на обращенный назад примитив.Отрицательное значение направлено назад, а положительное значение обращено к камере.
[!Примечание]
Эта семантика доступна в Direct3D 9 Shader Model 3.0. Для Direct3D 10 и более поздних версий вместо этого используйте SV_IsFrontFace.

поплавок
ВПОС Положение пикселя (x,y) в пространстве экрана. Чтобы преобразовать шейдер Direct3D 9 (который использует эту семантику) в шейдер Direct3D 10 и более поздних версий, см. Direct3D 9 VPOS и Direct3D 10 SV_Position) поплавок2
Выход Описание Тип ЦВЕТ[n] Цвет вывода поплавок4 ГЛУБИНА[n] Глубина вывода поплавок

n — необязательное целое число от 0 до количества поддерживаемых ресурсов.Например, PSIZE0, COLOR1 и т. д.

Семантика COLOR действительна только в режиме совместимости шейдеров (то есть, когда шейдер создается с использованием D3D10_SHADER_ENABLE_BACKWARDS_COMPATIBILITY).

Семантика

поддерживается только для Direct3D 10 и новее.

Следующие типы семантики были недавно представлены для Direct3D 10 и недоступны для Direct3D 9.

Семантика системных значений

Семантика системных значений является новой для Direct3D 10. Все системные значения начинаются с префикса SV_, типичным примером является SV_POSITION, который интерпретируется этапом растеризации.Системные значения действительны в других частях конвейера. Например, SV_Position можно указать как вход для вершинного шейдера, так и выход. Пиксельные шейдеры могут записывать только параметры с семантикой системных значений SV_Depth и SV_Target.

Другие системные значения (SV_VertexID, SV_InstanceID, SV_IsFrontFace) можно вводить только в первый активный шейдер в конвейере, который может интерпретировать конкретное значение; после этого шейдерная функция должна передать значения последующим этапам.

SV_PrimitiveID является исключением из этого правила: он вводится только в первый активный шейдер в конвейере, который может интерпретировать конкретное значение; аппаратное обеспечение может предоставить то же значение идентификатора в качестве входных данных для этапа шейдера корпуса, этапа шейдера домена, а затем, в зависимости от того, какой этап будет активирован первым: этап шейдера геометрии или этап пиксельного шейдера.

Если тесселяция включена, присутствуют стадии шейдера корпуса и шейдера домена. Для данного патча один и тот же PrimitiveID применяется к вызову шейдера корпуса патча и ко всем вызовам шейдера домена тесселяции.Тот же PrimitiveID также распространяется на следующую активную стадию; этап геометрического шейдера или этап пиксельного шейдера, если он включен.

Если геометрический шейдер вводит SV_PrimitiveID и поскольку он может выводить ноль или один или несколько примитивов за вызов, шейдер должен запрограммировать собственный выбор значения SV_PrimitiveID для каждого выходного примитива, если последующий пиксельный шейдер вводит SV_PrimtiveID.

Другой пример: SV_PrimitiveID не может быть интерпретирован этапом вершинного шейдера, поскольку вершина может быть членом нескольких примитивов.

Эта семантика была добавлена ​​в Direct3D 10; они недоступны в Direct3D 9.

Семантика системного значения для этапа растеризатора.

Семантика системных значений Описание Тип
SV_ClipDistance[n] Вырезать данные о расстоянии. Предполагается, что каждое значение SV_ClipDistance представляет собой расстояние со знаком float32 до плоскости. Примитивная установка вызывает растеризацию только тех пикселей, для которых интерполированное расстояние(я) плоскости >= 0.Несколько плоскостей отсечения можно реализовать одновременно, объявив несколько компонентов одного или нескольких элементов вершины как SV_ClipDistance. Комбинированные значения расстояния отсечения и отбраковки являются компонентами не более чем D3D#_CLIP_OR_CULL_DISTANCE_COUNT в регистрах не более D3D#_CLIP_OR_CULL_DISTANCE_ELEMENT_COUNT. Доступен для чтения или записи для всех шейдеров, за исключением вершинного шейдера, который может записывать значение, но не принимать его в качестве входных данных.
Атрибут clipplanes работает как SV_ClipDistance, но работает на всех аппаратных функциях уровня 9_x и выше.Дополнительные сведения см. в разделе Пользовательские плоскости отсечения на оборудовании уровня функций 9.
поплавок
SV_CullDistance[n] Отбраковка данных о расстоянии. Когда компоненту(ам) вершинного элемента(ов) присваивается эта метка, предполагается, что каждое из этих значений представляет собой расстояние со знаком float32 до плоскости. Примитивы будут полностью отброшены, если плоскостное расстояние (расстояния) для всех вершин в примитиве < 0. Несколько плоскостей отбраковки можно использовать одновременно, объявив несколько компонентов одного или нескольких элементов вершины как SV_CullDistance.Комбинированные значения расстояния отсечения и отбраковки являются компонентами не более чем D3D#_CLIP_OR_CULL_DISTANCE_COUNT в регистрах не более D3D#_CLIP_OR_CULL_DISTANCE_ELEMENT_COUNT. Доступен для чтения или записи для всех шейдеров, за исключением вершинного шейдера, который может записывать значение, но не принимать его в качестве входных данных.
поплавок
SV_Покрытие Маска, которую можно указать на входе, выходе или обоих элементах пиксельного шейдера.
Для SV_Coverage в пиксельном шейдере OUTPUT поддерживается на ps_4_1 или выше.
Для SV_Coverage в пиксельном шейдере INPUT требуется ps_5_0 или выше.
и
SV_Глубина Данные буфера глубины. Может быть записан пиксельным шейдером. поплавок
SV_DepthGreaterEqual В пиксельных шейдерах позволяет выводить глубину, если она больше или равна значению, определенному растеризатором. Включает регулировку глубины без отключения раннего Z. поплавок
SV_DepthLessEqual В пиксельных шейдерах позволяет выводить глубину, если она меньше или равна значению, определенному растеризатором.Включает регулировку глубины без отключения раннего Z. поплавок
SV_DispatchThreadID Определяет глобальное смещение потока в вызове Dispatch для каждого измерения группы. Доступен в качестве входных данных для вычислительного шейдера. (только чтение) uint3
SV_DomainLocation Определяет положение на корпусе текущей оцениваемой точки домена. Доступен в качестве входных данных для шейдера предметной области. (только чтение) поплавок2|3
SV_GroupID Определяет групповое смещение в вызове Dispatch для каждого измерения вызова Dispatch.Доступен в качестве входных данных для вычислительного шейдера. (только чтение) uint3
SV_GroupIndex Предоставляет сглаженный индекс для данного потока в данной группе. Доступен в качестве входных данных для вычислительного шейдера. (только чтение) и
SV_GroupThreadID Определяет смещение резьбы внутри группы по размеру группы. Доступен в качестве входных данных для вычислительного шейдера. (только чтение) uint3
SV_GSInstanceID Определяет экземпляр шейдера геометрии.Доступно в качестве входных данных для шейдера геометрии. Экземпляр необходим, поскольку геометрический шейдер может вызываться до 32 раз для одного и того же геометрического примитива. и
SV_InnerCoverage Представляет заниженную консервативную информацию о растеризации (т. е. гарантируется ли полное покрытие пикселя). Может быть прочитан или записан пиксельным шейдером.
SV_InsideTessFactor Определяет степень тесселяции на поверхности фрагмента.Доступен в шейдере корпуса для записи и доступен в шейдере домена для чтения. поплавок|поплавок[2]
SV_InstanceID Идентификатор экземпляра, автоматически создаваемый средой выполнения (см. Использование системных значений (Direct3D 10)). Доступно для всех шейдеров.
SV_IsFrontFace Указывает, является ли треугольник лицевой стороной. Для линий и точек IsFrontFace имеет значение true. Исключением являются линии, нарисованные из треугольников (каркасный режим), при которых IsFrontFace задается так же, как при растеризации треугольника в сплошном режиме.Может быть записан геометрическим шейдером и прочитан пиксельным шейдером. логический
SV_OutputControlPointID Определяет индекс идентификатора контрольной точки, над которой работает вызов основной точки входа шейдера корпуса. Может быть прочитан только шейдером корпуса. и
SV_Позиция Когда SV_Position объявляется для ввода в шейдер, для него может быть задан один из двух режимов интерполяции: linearNoPerspective или linearNoPerspectiveCentroid, где последний приводит к предоставлению значений xyzw с привязкой к центроиду при многовыборочном сглаживании.При использовании в шейдере SV_Position описывает положение пикселя. Доступно во всех шейдерах для получения центра пикселя со смещением 0,5. поплавок4
SV_PrimitiveID Идентификатор каждого примитива, автоматически создаваемый средой выполнения (см. раздел Использование системных значений (Direct3D 10)). Может быть записан геометрическим или пиксельным шейдером и прочитан геометрическим, пиксельным, корпусным или доменным шейдером. и
SV_RenderTargetArrayIndex Индекс массива цели рендеринга.Применяется к выходным данным шейдера геометрии и указывает срез массива цели рендеринга, к которому примитив будет отрисовываться пиксельным шейдером. SV_RenderTargetArrayIndex действителен, только если целью рендеринга является ресурс массива. Эта семантика применима только к примитивам; если примитив имеет более одной вершины, то используется значение из ведущей вершины. Это значение также указывает, какой фрагмент массива представления глубины/трафарета используется для чтения/записи.
Может быть записан из геометрического шейдера и прочитан пиксельным шейдером.
Если D3D11_FEATURE_DATA_D3D11_OPTIONS3::VPAndRTArrayIndexFromAnyShaderFeedingRasterizer имеет значение true , то SV_RenderTargetArrayIndex применяется к любому шейдеру, подающему растеризатору.
и
SV_SampleIndex Пример данных индекса частоты. Доступен для чтения или записи только пиксельным шейдером. и
SV_StencilRef Представляет текущее эталонное значение шаблона пиксельного шейдера. Может быть записан только пиксельным шейдером. и
SV_Target[n], где 0 <= n <= 7 Выходное значение, которое будет сохранено в цели рендеринга. Индекс указывает, в какую из 8 возможных связанных целей рендеринга выполнять запись. Значение доступно для всех шейдеров. с плавающей запятой[2|3|4]
SV_TessFactor Определяет степень тесселяции на каждом краю патча. Доступно для записи в шейдере корпуса и чтения в шейдере домена. с плавающей запятой[2|3|4]
SV_VertexID Идентификатор вершины, автоматически создаваемый средой выполнения (см. Использование системных значений (Direct3D 10)).Доступно только в качестве входных данных для вершинного шейдера. и
SV_ViewportArrayIndex Индекс массива области просмотра. Применяется к выходным данным шейдера геометрии и указывает, какое окно просмотра использовать для записываемого в данный момент примитива. Может быть прочитан пиксельным шейдером. Примитив будет преобразован и обрезан по области просмотра, указанной индексом, прежде чем он будет передан растеризатору. Эта семантика применима только к примитивам; если примитив имеет более одной вершины, то используется значение из ведущей вершины.
Если D3D11_FEATURE_DATA_D3D11_OPTIONS3::VPAndRTArrayIndexFromAnyShaderFeedingRasterizer имеет значение true , то SV_ViewportArrayIndex применяется к любому шейдеру, подающему растеризатору.
и
SV_ShadingRate Определяет через значения коэффициента затенения количество пикселей, записываемых одним вызовом пиксельного шейдера для устройств с переменной скоростью затенения уровня 2 или выше. Может быть прочитан из пиксельного шейдера. Может быть записан из вершинного или геометрического шейдера. и

Ограничения при записи SV_Depth:

  • При мультисэмплинге (MultisampleEnable имеет значение TRUE в D3D10_RASTERIZER_DESC ) и записи значения глубины (с использованием пиксельного шейдера) одно записанное значение также используется в тесте глубины; поэтому при мультисэмплинге теряется возможность рендеринга примитивных краев с более высоким разрешением.
  • При использовании динамического управления потоком невозможно определить во время компиляции, будет ли шейдер, записывающий SV_Depth в некоторых путях, гарантированно записывать SV_Depth при каждом выполнении.Неспособность написать SV_Depth при объявлении приводит к неопределенному поведению (которое может включать или не включать отбрасывание пикселя).
  • Любое значение float32, включая +/-INF и NaN, может быть записано в SV_Depth.
  • Запись SV_Depth по-прежнему действительна при выполнении смешивания цветов с двумя источниками.

Миграция с Direct3D 9 на Direct3D 10 и более поздние версии

При переносе кода с Direct3D 9 на Direct3D 10 и более поздние версии следует учитывать следующие проблемы:

Сопоставление с семантикой Direct3D 9

Некоторые семантики Direct3D 10 и более поздних версий напрямую сопоставляются с семантикой Direct3D 9.

Direct3D 10 Семантика Семантика, эквивалентная Direct3D 9
SV_Depth ГЛУБИНА
SV_Позиция ПОЛОЖЕНИЕ
SV_Target ЦВЕТ

[!] Примечание для разработчиков Direct3D 9: для целей Direct3D 9 семантика шейдера должна сопоставляться с действительной семантикой Direct3D 9. Для обратной совместимости POSITION0 (и его варианты имен) обрабатывается как SV_Position, COLOR обрабатывается как SV_TARGET.

Direct3D 9 VPOS и Direct3D 10 SV_Position

Семантика D3D10 SV_Position обеспечивает функциональность, аналогичную семантике VPOS модели 3 шейдера Direct3D 9. Например, в Direct3D 9 для пиксельного шейдера, использующего координаты экранного пространства, используется следующий синтаксис:

.
  float4 psMainD3D9( float4 screenSpace : VPOS ): ЦВЕТ
{
    // код здесь
}
  

VPOS был добавлен для поддержки шейдерной модели 3, чтобы указать координаты пространства экрана, поскольку семантика POSITION предназначалась для координат пространства объекта.

В Direct3D 10 и более поздних версиях семантика SV_Position (при использовании в контексте пиксельного шейдера) указывает координаты пространства экрана (смещение на 0,5). Следовательно, шейдер Direct3D 9 будет примерно эквивалентен (без учета смещения 0,5) следующему:

  float4 psMainD3D10 (float4 screenSpace: SV_Position): ЦВЕТ
{
    // код здесь
}
  

При переходе с Direct3D 9 на Direct3D 10 и более поздние версии необходимо учитывать это при переводе шейдеров.

Пользовательские плоскости отсечения в HLSL

Начиная с Windows 8, вы можете использовать атрибут функции clipplanes в объявлении функции HLSL, а не SV_ClipDistance, чтобы ваш шейдер работал на уровне функций 9_x, а также на уровне функций 10 и выше. Дополнительные сведения см. в разделе Пользовательские плоскости отсечения на оборудовании уровня функций 9.

Теория прямого дискурса: его семантика и прагматика

Аннотация

В диссертации представлен новый взгляд на то, как прямой дискурс работает на естественном языке.После предварительного обсуждения взглядов Тарского, Куайна и Дэвидсона на цитату в главе 1 глава 2 посвящена историческим исследованиям теории цитаты и прямого дискурса Фреге. Хотя теорию Фреге часто резюмируют как теорию «автономного» использования выражений, фактические взгляды Фреге более сложны, отчасти из-за его номиналистической позиции по отношению к онтологии лингвистических выражений. Основное утверждение диссертации, выдвинутое в главе 3, состоит в том, что прямая речь является формой сообщения содержания высказывания.Дана защита этого утверждения, а также критика широко распространенного мнения о том, что прямая речь является формой сообщения точных слов, используемых в речи. Наконец, в главе 4 это утверждение сравнивается с описанием прямого дискурса Майером.

Основное содержание

Загрузить PDF для просмотраУвеличить

Больше информации Меньше информации

Закрывать

Введите пароль, чтобы открыть этот файл PDF:

Отмена Ok

Подготовка документа к печати…

Отмена

Colorful Semantics — комплексные лечебные услуги

Новинка! Пакет базовой оценки красочной семантики

Мы запустили нашу новую базовую оценку красочной семантики.Это неформальная оценка, которая даст вам отправную точку для вмешательства. Его также можно использовать для отслеживания прогресса. Мы создали руководство / демонстрационный документ, чтобы вы могли узнать больше об оценке перед покупкой. Нажмите здесь, чтобы загрузить демо-версию

Чтобы узнать, когда состоятся наши следующие онлайн-тренинги по красочной семантике, посетите нашу страницу Eventbrite, чтобы узнать подробности здесь …..
Вы также можете подписаться на нашу рассылку ниже, чтобы узнавать о следующих датах и ​​последних ресурсах

Вам нужен терапевт, обученный красочной семантике, в вашей школе?

Мы можем разместить в вашей школе терапевта, обученного цветовой семантике, чтобы настроить подходы всего класса, малые группы и работу с красочной семантикой 1:1.

Теперь мы также предлагаем сеансы удаленной поддержки, чтобы помочь вам настроить программы и помочь с созданием ресурсов и достижением целей и измеримых целей. Дополнительную информацию см. здесь или напишите нам по адресу [email protected], чтобы заказать гибкую удаленную поддержку SLT с помощью Colorful Semantics или более общую поддержку SLT.

Мы также можем провести обучение учителей и ассистентов преподавателей по использованию красочной семантики на месте, и у нас есть библиотека ресурсов, которую вы можете загрузить бесплатно.

Нравится наша новая страница ресурсов Facebook, чтобы получать все последние тематические ресурсы для использования на занятиях или в терапевтических группах.

Что такое красочная семантика?

Разноцветная семантика — это подход, созданный Элисон Брайан. Он направлен на то, чтобы помочь детям развить свою грамматику, но основан на значении слов (семантике).

Красочная семантика повторно собирает предложения, разрезая их на их тематические роли, а затем раскрашивая их.

Подход состоит из 4 ключевых этапов с цветовой кодировкой.Есть дополнительные этапы для наречий, прилагательных, союзов и отрицаний.

  1. ВОЗ – оранжевый
  2. ЧТО ДЕЛАЕТ – Желтый
  3. ЧТО – Зеленый
  4. ГДЕ – Синий

Это пример ребенка, работающего на уровне 4. Этот подход помогает детям организовать свои предложения на ключевые уровни. Подход используется поэтапно и помогает детям развивать язык и словарный запас в дополнение к грамматической структуре. Его можно использовать, чтобы помочь детям, которые начинают развивать речь и имеют ограниченный словарный запас, а также уверенным в себе говорящим, которые изо всех сил пытаются организовать грамматическое содержание своих предложений.

Кто может использовать красочную семантику?

Этот подход можно использовать с детьми с различными речевыми, языковыми и коммуникативными потребностями, включая:

  • Специфические языковые нарушения
  • Задержка развития или расстройство
  • Состояние аутистического спектра
  • Синдром Дауна
  • Трудности с грамотностью

Зачем использовать красочную семантику?

Использование этого подхода дает ряд преимуществ, включая, помимо прочего;

  • Расширение словарного запаса
  • Удлинение предложений
  • Помогает детям отвечать на вопросы или генерировать ответы на вопросы
  • Развитие использования существительных, глаголов, предлогов и прилагательных
  • Улучшает навыки рассказывания историй
  • Можно перевести на письменные предложения и понимание письменной речи
  • Можно проводить индивидуально или в небольших группах


Красочные ресурсы семантики

Наши ресурсы Colorful Semantics были разработаны нашей командой SLT и могут быть загружены здесь.

Многие из наших ресурсов основаны на темах, чтобы помочь вам поддерживать темы учебного плана в каждом семестре.

Свяжитесь с нами, если есть дополнительные ресурсы, которые вы хотели бы, чтобы мы разработали.

Цветная полоска © Авторские права Integrated Treatment Services

Изображение книги © Авторские права Stass Publications

Прямая семантика для SWRL

Прямая семантика для SWRL

3. Прямая теоретико-модельная семантика

Теоретико-модельная семантика для SWRL является простой расширение семантики для OWL, данное в документе OWL Semantics and Abstract Syntax [ OWL S&AS ].Основная идея заключается в том, что мы определяем привязки , расширения интерпретаций OWL, которые также сопоставьте переменные с элементами предметной области. Правилу удовлетворяет интерпретация тогда и только тогда, когда каждое связывание, удовлетворяющее антецеденту, также удовлетворяет консеквенту. Семантические условия, относящиеся к аксиомам и онтологии неизменны, например, интерпретация удовлетворяет онтологии тогда и только тогда, когда она удовлетворяет каждой аксиоме (включая правила) и факту в онтология.

3.1. Интерпретация Правил

Из документа OWL Semantics and Abstract Syntax мы помним, что для карты типа данных D абстрактная интерпретация OWL представляет собой кортеж формы

I =

где R — множество ресурсов, LV ⊆ R — множество буквальных значений, EC — это отображение классов и типов данных в подмножества R и LV соответственно, ER — это отображение свойств в бинарные отношения на R, L является отображением типизированных литералов в элементы LV, а S — отображение отдельных имен на элементы EC(сова:Вещь).Чтобы обрабатывать встроенные отношения, мы расширяем карту типов данных до карты встроенные отношения к кортежам над соответствующими множествами. То есть op:numeric-add отображается в тройки числовых значений, которые правильно интерпретируют числовое сложение.

Обратите внимание, что изменение карты типов данных позволяет реализации SWRL для реализации различных встроенных отношений. Если реализация SWRL реализует определенный тип данных, он также должен реализовать встроенные модули для этого типа данных из Раздел 8.

Учитывая абстрактную интерпретацию OWL Ι, привязка B(I) является абстрактной интерпретация OWL, которая расширяет Ι таким образом, что S отображает i-переменные в элементы EC(owl:Thing) и L отображает d-переменные в элементы LV соответственно. Атом удовлетворяет интерпретация I при условия, указанные в Условиях интерпретации Стол, где C — описание OWL DL, D — диапазон данных OWL DL, P является индивидуальным значением свойства OWL DL, Q — это свойство данных OWL DL, f является встроенным отношением, x,y — переменные или отдельные лица OWL, и z является переменной или значением данных OWL.

7
Условия интерпретации Таблица
Атом Условия интерпретации
C(x) S(x) ∈ EC(C)
D(z) S(z) ∈ EC(D)
P(x,y) ∈ ER(P)
Q(x,z) ∈ ER(Q)
тот же As(x,y) S(x) = S(y)
отличный от(x,y) S(x) ≠ S(y)
встроенный(r,z1,…,zn) ∈ D(r)

Обратите внимание, что эта интерпретация встроенных отношений очень разрешающий. Для встроенного отношения необязательно иметь фиксированное арность, а также не является ошибкой использование встроенного отношения с фиксированной арностью с неправильным количеством аргументов. Например встроенный(op:numeric-add ?x 5) просто невыполнимой, а не синтаксической ошибкой.

Связывание B(I) удовлетворяет антецеденту A тогда и только тогда, когда A пусто или B(I) удовлетворяет каждому атому в A.Связывание B(I) удовлетворяет консеквенту C тогда и только тогда, когда C непусто и B(I) удовлетворяет каждому атому в C. Выполняется правило интерпретацией I тогда и только тогда, когда для любого связывания B такого, что B(I) удовлетворяет антецеденту, B(I) также удовлетворяет консеквенту.

Обратите внимание, что аннотации к правилам не имеют семантических последствий, равно как и сами правила. Ссылки URI, связанные с правилами. Это отличается от ситуации для самого OWL, где аннотации не имеют семантических последствий.

Семантические условия, относящиеся к аксиомам и онтологиям, неизменны.В В частности, интерпретация удовлетворяет онтологии тогда и только тогда, когда она удовлетворяет всем аксиома (включая правила) и факт в онтологии; онтология непротиворечива если оно удовлетворяется хотя бы одной интерпретацией; онтология O 2 следует из онтологии O 1 тогда и только тогда, когда все интерпретация, удовлетворяющая O 1 , также удовлетворяет O 2 .


.

Leave a Reply