Statistiques sur les (sous-)domaines (aol data)

[Serious]

Toujours a partir des donnees fournies par AOL, quel sous-domaine est utilise?

Code: Tout sélectionner

6.59% n'utilisent pas de sous-domaine (domaine.tld)
17.38% utilisent un sous-domaine autre que www (truc.domaine.tld)
76.04% utilisent www (www.domaine.tld)

TLDs utilises:
(suprematie du .com, le .org est preferre au .net)

Code: Tout sélectionner

1059490   com   66,50%
179260   org   11,25%
83807   net   5,26%
42262   uk   2,65%
41604   info   2,61%
33930   edu   2,13%
21006   us   1,32%
15736   au   0,99%
14826   ca   0,93%
11545   de   0,72%
7376   gov   0,46%
5148   pl   0,32%
4899   it   0,31%
4657   nl   0,29%
4106   biz   0,26%
3995   jp   0,25%
3931   be   0,25%
3857   nz   0,24%
3679   ru   0,23%
2855   fr   0,18%

On aussi notera la percee du .info (a cause de la politique tarifaire tres agressive).

88% des noms d'hotes ont une extension generique (gTLD .com, .org, ...)
12% ont une extension nationale.

Les domaines qui ont le plus de sous-domaines:

Code: Tout sélectionner

17579 blogspot
9943 tripod
2154 typepad
2025 areaconnect
1578 homestead
1494 deviantart
1374 worldpages-ads
1284 alibaba

Estimation du nombre de noms d'hote servant au webspam: 99%
(ce chiffre est non argumente, il est base sur le rapport entre le nombre de chiffres presents)

Nombre de sous-domaines par domaine (estimation gTLD):

Code: Tout sélectionner

0 ou 1   97,12%
2   1,66%
3   0,43%
4+   0,79%

Tous ces chiffres sont a prendre avec des pincettes, ils sont directement dependant du referencement des sites.

[2dm]

Estimation du nombre de noms d'hote servant au webspam: 99%
(ce chiffre est non argumente, il est base sur le rapport entre le nombre de chiffres presents)

Tu peux expliquer ce que tu entends par là ?

[Serious]

Parmi tous les hotes listes, un grand nombre sert au webspam (c'est a dire des sites generes destines uniquement a afficher de la publicite). Quand je dis 99%, c'est la proportion sur les noms d'hotes. Si on rapporte ca au nombre de requetes ca represente peut-etre 1% (je n'ai pas calcule pour l'instant).
Exemple (extrait des donnees):

Code: Tout sélectionner

13508   taj mahal restaurant brooklyn ny 11209  2006-05-14 17:25:26     5       http://2899.0yhsnw.info

Souvent les noms d'hotes utilises pour le webspam contiennent beaucoup de chifres (ici 5 dans 2899.0yhsnw).