Wie die Verarbeitung natürlicher Sprache die Art und Weise verändert, wie Sie suchen

Google ist bestrebt, die Relevanz der Einträge auf den Suchmaschinen-Ergebnisseiten (SERPs) mit jedem Algorithmus-Update zu verbessern. Ein aktuelles Update der SERPs ist Googles Bidirectional Encoder Representations from Transformers (BERT), das die Verarbeitung natürlicher Sprache nutzt. BERT gilt als eine der bedeutendsten Änderungen, die Google in den letzten fünf Jahren eingeführt hat – sie wirkt sich direkt auf eine von zehn Suchanfragen aus.

Es zielt darauf ab, relevantere Ergebnisse anzuzeigen, indem komplexe Long-Tail-Suchanfragen richtig interpretiert werden. In diesem Beitrag werden wir diskutieren, was das bedeutet und wie es Ihre Suche verändert.

Was ist BERT?

Es ist eine auf neuronalen Netzwerken basierende Technik für das NLP-Vortraining, die es Google ermöglicht, den Kontext von Wörtern in einer bestimmten Suchanfrage genauer zu identifizieren.

Betrachten Sie zum Beispiel die Ausdrücke „sechs vor 10“ und „viertel vor sechs“, dieselbe Präposition „bis“ hat in jedem Satz eine andere Bedeutung, was für Suchmaschinen möglicherweise nicht offensichtlich ist. Hier wird BERT jedoch nützlich, da es effektiv zwischen dem Kontext der Präposition im ersten Satz und seiner Verwendung im zweiten Satz unterscheiden kann. Durch das Verständnis des Kontexts kann es relevantere Ergebnisse liefern.

Neuronale Netze von Algorithmen erleichtern die Mustererkennung, während auf Datensätzen trainierte neuronale Netze Muster erkennen können. Zu den typischen Anwendungen gehören Bildinhalte, die Vorhersage von Finanzmarkttrends und sogar die Erkennung von Handschriften. Während die Verarbeitung natürlicher Sprache oder NLP ein Teil der künstlichen Intelligenz (KI) ist, die sich mit Linguistik befasst.

• NLP ermöglicht es Computern zu verstehen, wie Menschen natürlich kommunizieren.
• NLP-Algorithmen ermöglichen Interpretation, Verständnis und Erkennung von Sprachmustern.
• NLP-Modelle heben Grammatik und Wörter hervor, um Bedeutungen in endlosen Mengen von Text und Sprache zu finden.

Zu den durch NLP ermöglichten Fortschritten, die Internetnutzer und Online-Unternehmen täglich nutzen, gehören Social-Listening-Tools, Wortvorschläge und Chatbots.

Was bedeutet das?

BERT ist ein NLP-Algorithmus, der neuronale Netze verwendet, um vortrainierte Modelle zu erstellen. Diese Modelle werden mit endlosen Datenmengen trainiert, die im Internet verfügbar sind. Vortrainierte Modelle sind generische NLP-Modelle, die weiter verfeinert werden, um bestimmte NLP-Aufgaben auszuführen. Im November letzten Jahres veröffentlichte Google BERT als Open Source und behauptete, es liefere vollständige und relevante Ergebnisse zu 11 NLP-Aufgaben, einschließlich des Datensatzes zur Beantwortung von Stanford-Fragen.

Die Bidirektionalität von BERT hebt es von anderen Algorithmen ab, da es dadurch in der Lage ist, einem Wort einen Kontext zu geben. Es kann dies tun, indem es nicht nur Teile des Satzes berücksichtigt, die zu diesem Wort führen, sondern auch die Teile, die ihm folgen. Bidirektionalität ermöglicht es Suchmaschinen, die Bedeutung eines Wortes wie „Film“ zu verstehen, das eine andere Bedeutung hat, wenn es in „Fensterfolie“ verwendet wird, als wenn es neben „Blockbuster“ verwendet wird.

Bei der Suche erleichtert BERT das Verständnis der wichtigsten Details einer Suchanfrage, insbesondere wenn es sich um komplexe Konversationsanfragen oder solche mit Präpositionen handelt. In der Abfrage „2021 Indischer Reisender nach Bali braucht ein Visum“ zum Beispiel deutet die Präposition „nach“ darauf hin, dass der Reisende von Indien nach Bali reist. Indem Sie die Präposition ändern, könnten Sie den Satz komplett umdrehen, der wie folgt lauten würde: „2021 Indischer Reisender aus Bali benötigt ein Visum“ und könnte bedeuten, dass die Reisenden aus Bali stammen und ein Visum für Indien benötigen. BERT ermöglicht das Verständnis des kontextuellen Unterschieds zwischen den beiden Sätzen.

Was ist der Unterschied zwischen BERT und RankBrain?

RankBrain war Googles erste KI-Methode, die bei der Suche angewendet wurde. Es läuft parallel zu den Ranking-Algorithmen der organischen Suche und nimmt Anpassungen an den von diesen Algorithmen berechneten Ergebnissen vor. RankBrain passt die von den Algorithmen angebotenen Ergebnisse basierend auf historischen Abfragen an.

RankBrain erleichtert Google auch die Interpretation von Suchanfragen, sodass Ergebnisse angezeigt werden können, die möglicherweise nicht die genauen Wörter der Suchanfrage enthalten. Wenn Sie beispielsweise nach „der Höhe des Wahrzeichens in Dubai“ suchen, werden Ihnen automatisch Informationen zum Burj Khalifa angezeigt.

Andererseits bewirkt die bidirektionale Komponente von BERT, dass es auf eine ganz andere Weise arbeitet. Während herkömmliche Algorithmen den Inhalt der Seite betrachten, um die Relevanz zu messen, gehen NLP-Algorithmen noch einen Schritt weiter, indem sie den Inhalt vor oder nach einem Wort auf zusätzlichen Kontext untersuchen. Da die menschliche Kommunikation normalerweise komplex und vielschichtig ist, macht sie diesen Fortschritt bei der Verarbeitung natürlicher Sprache unerlässlich.

Zusammen werden BERT und RankBrain von Google verwendet, um Anfragen zu verarbeiten und zu verstehen. BERT ist kein Ersatz für RankBrain, sondern kann je nach Suchbegriff neben anderen Google-Algorithmen oder in Kombination mit RankBrain eingesetzt werden.

Verbesserung der Suche in mehr Sprachen

Mit der Fähigkeit, das, was wir von einer Sprache gelernt haben, auf eine andere anzuwenden, wird BERT verwendet, um Suchergebnisse für Internetnutzer auf der ganzen Welt relevanter zu machen. Was wir zum Beispiel aus den am weitesten verbreiteten Sprachen im Web gelernt haben, wie Englisch, wird dann auf andere Sprachen angewendet. Dadurch werden verbesserte Ergebnisse in anderen Sprachen angeboten, in denen auch gesucht wird. Darüber hinaus erhöht das BERT-Modell auch die Relevanz von Featured Snippets über Länder und Sprachen hinweg.

Wie wirkt sich BERT auf Ihr Unternehmen aus?

BERT wirkt sich auch auf Google Assistant aus, indem es ihn dazu veranlasst, hervorgehobene Snippets oder Webergebnisse anzubieten, die vom BERT-Update beeinflusst wurden. NLP-Technologie wie BERT verbessert das maschinelle Verständnis und diese Innovation ist zweifellos für viele Online-Benutzer und Unternehmen von Vorteil. In Bezug auf SEO bleiben die Prinzipien jedoch dieselben. Wenn Sie die besten SEO-Praktiken in Ihre Marketingstrategie integriert haben, können Sie sich Ihres Web-Erfolgs sicher sein. Websites, die konsistent qualitativ hochwertige, relevante und frische Inhalte produzieren, werden am meisten von diesem Algorithmus-Update profitieren.

Das Schreiben hochwertiger Inhalte basierend auf der Keyword-Recherche ist eine Übung, die in allen Suchmaschinen ein priorisierter Ranking-Faktor bleiben wird. Websitebesitzer, die sich darauf konzentrieren, dass ihre Benutzer die informativen und genauen Inhalte erhalten, die sie erwarten, erhalten am Ende ein gutes Ranking in den SERPs. Die Überwachung der Leistung von Seiten bei der Erstellung großartiger Inhalte hilft Websites dabei, relevant zu bleiben.

Löst NLP die Suchabsicht?

Mit BERT sind die Chancen, dass Google die richtigen Ergebnisse liefert, unabhängig von der Sprache oder den Wörtern, die in der Anfrage verwendet werden, höher geworden, aber immer noch nicht 100 Prozent. Selbst mit BERT erhält beispielsweise jeder, der nach „welcher Bundesstaat liegt südlich von Nebraska“ sucht, wahrscheinlich Ergebnisse für „South Nebraska“ anstelle von Kansas, was wahrscheinlich die Antwort ist, nach der der Benutzer sucht.

Maschinen dabei zu helfen, Sprache zu verstehen, bleibt ein ständiges Unterfangen, und die Ableitung einer eindeutigen Bedeutung aus einer gegebenen Anfrage ist ein komplexer Prozess. Wenn Google NLP auf eine Liste mit Schlüsselwörtern anwendet, enthalten die angezeigten Top-Ergebnisse möglicherweise einige oder sogar nur eines der erforderlichen Schlüsselwörter, wodurch diese Ergebnisse irrelevant werden. Mit BERT hat Google sein Spiel verbessert, indem es ein ausgeklügeltes Update seines Algorithmus anbietet, aber die Suche bleibt aufgrund der Komplexität der menschlichen Sprache ein ungelöstes Problem.