การค้นหาความหมาย – สายลมแห่งการเปลี่ยนแปลง

Semantic Search คืออะไร?

ภายใต้ศัพท์เทคนิคดิบๆ นั้นมีความปรารถนาที่ไร้เดียงสา ซึ่งเก่าแก่พอๆ กับมนุษยชาติ

เรามักจะพยายามมองข้ามสิ่งที่ปรากฏออกมาและเข้าถึงความหมายที่ลึกซึ้งยิ่งขึ้นของสิ่งที่อยู่รอบตัวเรา

บางครั้งสิ่งนี้ได้นำเราไปสู่การตระหนักรู้อย่างลึกซึ้ง ในบางครั้ง เราเคยล้มเหลวอย่างน่าทึ่ง

ตอนนี้เรามีเทคโนโลยีที่จะเพิ่มพลังและทำให้การแสวงหาความหมายของเราลึกซึ้งยิ่งขึ้น

ป้อนการค้นหาเชิงความหมาย

ความมหัศจรรย์ของคำและการค้นหาความหมาย

ความหมายคือด้านที่น่าสนใจของภาษาศาสตร์ โดยมีหน้าที่ในการหาความหมาย

ความหมายของคำและความสัมพันธ์ระหว่างกัน ความหมายต้องอธิบายว่าทำไมเราจึงเลือกคำและวลีบางคำเพื่ออธิบายสิ่งต่างๆ

สิ่งที่ กำหนดความหมาย เป็นส่วนสำคัญของการค้นหาเชิงความหมายคือความโหยหาที่เราต้องแสวงหาและสร้างการเชื่อมต่อ

ลองนึกภาพการมองหาเข็มในกองหญ้า – ประสบการณ์ที่น่าปวดหัวอย่างปฏิเสธไม่ได้

คุณกำลังมองหาสิ่งต่างๆ บนอินเทอร์เน็ตที่ประสบความสำเร็จในระดับเดียวกันโดยไม่ต้องใช้เครื่องมือเพื่อให้ได้รับผลลัพธ์ที่รวดเร็วและเป็นธรรมชาติ

โชคดีที่แรงผลักดันที่จะทำให้ชีวิตของเรามีโครงสร้างและเชื่อมโยงกันแปลได้แม้ในวิธีที่เราค้นหาสิ่งต่างๆ บนเว็บ นี่คือที่มาของการค้นหาเชิงความหมาย

เราได้รับคำอธิบายโดยละเอียดเพิ่มเติมเกี่ยวกับ ความหมายของการค้นหา จากสิ่งพิมพ์โดย Hannah Bast และผู้เขียนร่วม

ตามคำอธิบาย การ ค้นหาเชิงความหมาย คือ "การค้นหาที่มีความหมาย" และเราสามารถค้นหาความหมายได้อย่างน้อยสองสามส่วนของกระบวนการค้นหา

อันดับแรกในแบบสอบถามเอง ในที่นี้ เราต้องค้นหาเจตนาที่แท้จริงเบื้องหลังคำขอ

จากนั้น เราต้องพิจารณาข้อมูลที่เราต้องดึงออกมา และถ้ามันตรงกับสิ่งที่เรากำลังมองหาจริงๆ

หรือหากเรานำเสนอข้อมูลอย่างเหมาะสมเพื่อให้มีความหมายในการค้นหา

การทำลายความหมายของการค้นหาเชิงความหมาย

การค้นหาความหมายของ Layman คือการทำความเข้าใจภาษาธรรมชาติในแบบที่มนุษย์เข้าใจ และให้ ผลลัพธ์การ ค้นหาเว็บที่มีความหมาย ที่เหมาะสม

นั่นหมายความว่าอย่างไร?

ดี, L et ว่าผมพิมพ์ในช่องค้นหาของ Google“ซึ่งเป็นเลี้ยงลูกด้วยนมที่เล็กที่สุด.”

เป็นที่เข้าใจกันว่าเสิร์ชเอ็นจิ้นจะตอบคำถามของฉันโดยอิงตามสมมติฐานที่ฉันต้องการค้นหาว่าสัตว์เลี้ยงลูกด้วยนมที่ตัวเล็กที่สุดคือตัวใด แทนที่จะมองหาการจับคู่ที่ตรงกันทุกประการของวลีที่ฉันพิมพ์

นี่เป็นวิธีแรกที่ฉันได้รับบทความชื่อ "สัตว์เลี้ยงลูกด้วยนมที่เล็กที่สุดในโลก 6 ตัว" ตามด้วยภาพถ่ายของอีทรัสคันซึ่งเป็นสัตว์เลี้ยงลูกด้วยนมที่เล็กที่สุดในโลก

การทำความเข้าใจความหมายของข้อความค้นหาของฉันจะช่วยให้ เครื่องมือค้นหาเชิงความหมายสามารถ แนะนำการแก้ไขคำที่สะกดผิดได้เช่นกัน

ดังนั้น ถ้าฉันสะกดคำว่าสัตว์เลี้ยงลูกด้วยนมผิด Google จะแนะนำว่าแทนที่จะใช้คำว่า "สัตว์เลี้ยงลูกด้วยนม" ฉันอาจกำลังมองหา "สัตว์เลี้ยงลูกด้วยนม"

Semantic Search เกิดขึ้นได้อย่างไร?

สายพันธุ์ของเราถูกดึงดูดให้มองหาระเบียบ และหากขาดสิ่งนี้ เราก็อดไม่ได้ที่จะพยายามสร้างมันขึ้นมา

ดังนั้นจึงเข้าใจได้ว่าเรากำลังสร้างโลกเสมือนจริงที่ตอบสนองความต้องการด้านการสั่งซื้อและเวลาที่เหมาะสมที่สุดของเรา

นอกจากการให้คำตอบที่ถูกต้องแล้ว เครื่องมือค้นหายังเพิ่มความรู้สึกให้กับพวกเขาด้วยความช่วยเหลือของปัญญาประดิษฐ์

พวกเขาใช้ การเรียนรู้ของเครื่องค้นหาเชิงความหมาย เพื่อช่วยประมวลผลและจัดอันดับข้อมูล และยังสามารถเข้าใจคำพูดของมนุษย์ตามธรรมชาติได้อีกด้วย

ในที่สุด ทั้งหมดนี้ก็ให้ผลลัพธ์ที่เพียงพอสำหรับข้อสงสัยของเรา

แต่พวกเขาจะตอบคำถามอย่าง “โดนัทที่ใหญ่ที่สุดในโลกได้อย่างไร”

การค้นหาเชิงความหมายได้เกิดขึ้นจากเว็บเชิงความหมาย เพื่อให้เป็นจริงกับลักษณะการค้นหาคำสั่งของฉันเอง เรามาดูกัน ว่าเว็บเชิงความหมายคืออะไร ก่อน

ความหมายกำเนิดเว็บ

กล่าวโดยย่อ: Semantic Web เป็นส่วนขยายของเวิลด์ไวด์เว็บ

และตามรายงานของ World Wide Web Consortium (W3C) ก็มีกรอบงานทั่วไปสำหรับข้อมูลที่จะแบ่งปันและนำกลับมาใช้ใหม่

สิ่งนี้ใช้ได้กับแอปพลิเคชัน องค์กร และชุมชน

กรอบการทำงานหรือ "ภววิทยา" ตามที่เป็นที่รู้จักในด้านสารสนเทศศาสตร์ รวบรวมข้อเท็จจริงและข้อมูลซึ่งในที่สุดก็กลายเป็นระบบความรู้

พูดง่ายๆ คือ โครงสร้างเว็บเชิงความหมายและข้อมูลแท็กในลักษณะที่คอมพิวเตอร์อ่านได้

เว็บความหมายช่วยให้วิเคราะห์อินพุตเฉพาะตามเครือข่ายหรือปัจจัยที่เกี่ยวข้อง ใช้ชุด คุณสมบัติ และความสัมพันธ์เพื่อให้เข้าใจถึงข้อมูลจำนวนมหาศาลที่ประกอบด้วยเว็บ

ฉันจะเปรียบเทียบกับฉันกำลังพยายามสร้างแผนภูมิต้นไม้ครอบครัวของฉัน

ฉันจะคิดไม่ออกเลยว่าใครที่คุณยายอ้างว่าเป็นลูกพี่ลูกน้องที่อยู่ฝั่งแม่ของฉัน ฉันขาดบริบทเพราะฉันไม่รู้จักพวกเขา

อย่างไรก็ตาม Semantic Web ทำงานได้ดีกว่าในการแยกแยะสิ่งต่างๆ

วิสัยทัศน์สำหรับเว็บความหมาย

ความทะเยอทะยานสูงสุดของ Semantic Web ตามที่เห็นโดยผู้ก่อตั้ง Tim Berners-Lee คือการทำให้คอมพิวเตอร์จัดการข้อมูลในนามของเราได้ดียิ่งขึ้น

แนวคิดของสิ่งที่เว็บความหมายจะมีการพัฒนาเป็นสองประเภทที่สำคัญของข้อมูลที่เป็นวันนี้ - ข้อมูลที่เชื่อมโยงเปิดและความหมายของเมตาดาต้า

สั่งซื้อในความโกลาหล - จัดระเบียบด้วย Semantic Search Tools

Linked Open Data (LOD) ถูกสร้างแบบจำลองเป็นกราฟและเผยแพร่ในลักษณะที่ช่วยให้สามารถเชื่อมโยงข้ามเซิร์ฟเวอร์ได้

มันเป็นหลักหมายถึงข้อมูลที่มีโครงสร้าง ในปี 2549 Tim Berners-Lee ได้กำหนด กฎสี่ข้อของข้อมูลที่เชื่อมโยง อย่างเป็นทางการดังนี้:

1. ใช้ตัวระบุทรัพยากรสากล (URI) เป็นชื่อของสิ่งต่างๆ
2. ใช้ HTTP URI เพื่อให้ผู้คนสามารถค้นหาชื่อเหล่านั้นได้
3. เมื่อมีคนค้นหา URI ให้ระบุข้อมูลที่เป็นประโยชน์โดยใช้การจัดรูปแบบมาตรฐาน (RDF, SPARQL)
4. รวมลิงก์ไปยัง URI อื่นๆ เพื่อให้พวกเขาสามารถค้นพบสิ่งต่างๆ ได้มากขึ้น

LOD ช่วยให้ทั้งบุคคลและเครื่องจักรสามารถเข้าถึงข้อมูลข้ามเซิร์ฟเวอร์ต่างๆ และตีความความหมายของข้อมูลได้ง่ายขึ้น

ด้วยเหตุนี้ Semantic Web จึงเปลี่ยนจากช่องว่างที่ประกอบด้วยเอกสารที่เชื่อมโยงไปยังพื้นที่ที่ประกอบด้วยข้อมูลที่เชื่อมโยง

ในทางกลับกัน ทำให้เกิดเครือข่ายความหมายที่เชื่อมต่อถึงกัน ซึ่งสามารถประมวลผลได้ด้วยเครื่อง

มีชุดข้อมูลหลายพันรายการซึ่งเผยแพร่เป็น LOD ในภาคส่วนต่างๆ

ตัวอย่างบางส่วน ได้แก่ สารานุกรม ข้อมูลทางภูมิศาสตร์ ข้อมูลของรัฐบาล ฐานข้อมูลและบทความทางวิทยาศาสตร์ ความบันเทิง การเดินทาง ฯลฯ

เนื่องจากเชื่อมโยงกัน ชุดข้อมูลเหล่านี้จึงสร้างเว็บข้อมูลขนาดยักษ์หรือ กราฟความรู้

กราฟเชื่อมโยงคำอธิบายจำนวนมากเกี่ยวกับเอนทิตีและแนวคิดที่มีความสำคัญทั่วไป

A Game of Tag – Semantic Search Tools ฉบับที่ 2

เครื่องมือสำคัญอันดับสองของเว็บเชิงความหมายคือ Semantic Metadata

นี่เป็นแท็กเชิงความหมายโดยพื้นฐาน ซึ่งเพิ่มลงในหน้าเว็บปกติเพื่ออธิบายความหมายได้ดียิ่งขึ้น

ตัวอย่างเช่น หน้าแรกของรางวัลโนเบลสามารถใส่คำอธิบายประกอบโดยอ้างอิงถึงแนวคิดและหน่วยงานที่เกี่ยวข้องหลายประการ เช่น สวีเดน ความก้าวหน้าทางวิชาการ วัฒนธรรม และรางวัล และอื่นๆ

ความสัมพันธ์ที่มีการกำหนดไว้อย่างดีระหว่างอาสาสมัครและผลลัพธ์ที่สอดคล้องกันนี้ นำเสนอได้ดีที่สุดผ่านโครง ร่าง ข้อมูลเมตาที่มีโครงสร้าง เช่น Schema.org

ข้อมูลเมตาช่วยให้ค้นหาหน้าเว็บตามเกณฑ์ทางความหมายได้ง่ายขึ้นมาก

ด้วยการเรียนรู้จากผลลัพธ์ที่ผ่านมาและการสร้างลิงก์ระหว่างเอนทิตี เครื่องมือค้นหาอาจสรุปคำตอบของข้อความค้นหาของผู้ค้นหา แทนที่จะให้ลิงก์หลายลิงก์ที่อาจมีหรือไม่มีคำตอบที่ถูกต้อง

เมตาดาต้าช่วยแก้ความกำกวมที่อาจเกิดขึ้นและสร้างความมั่นใจว่าเมื่อเราค้นหาเจ้าชาย (ดนตรี) เราจะไม่ได้รับหน้าใด ๆ เกี่ยวกับเจ้าชายหลายคนที่มีพระบรมวงศานุวงศ์เช่น

คุณสามารถขอบคุณ เว็บความหมาย สำหรับสิ่งนั้น

ตอนนี้.

โครงสร้างของเว็บเชิงความหมายทำให้เราเข้าใจ ว่าการค้นหาเชิงความหมายคืออะไร มันยังบอกเราว่าเสิร์ชเอ็นจิ้นกำหนดว่าโดนัทที่ใหญ่ที่สุดในโลกคืออะไร

แต่

มาดูประวัติของมันกัน

ผู้มีวิสัยทัศน์ในด้านการค้นหาความหมาย

เช่นเดียวกับการเคลื่อนไหวขนาดใหญ่ มีผู้นำอยู่เบื้องหลังการเปลี่ยนแปลง เราได้พูดถึงชื่อ Tim Berners-Lee แล้ว ซึ่งหลายคนโต้แย้งว่าเป็นผู้อยู่เบื้องหลังการค้นหาเชิงความหมาย

ในปี 1998 ระหว่างช่วงเริ่มต้นของเว็บสมัยใหม่ Berners-Lee ได้พูดถึงแนวคิดนี้แล้วในรายงานที่เขาตีพิมพ์ชื่อ Semantic Web Road Map

21 ปีต่อมา ความคิดของเขาถูกนำมาใช้และการค้นหาเชิงความหมายก็เป็นจริง

Google เป็น บริษัท ที่นำเกี่ยวกับการเปลี่ยนแปลงและวิธีที่จะทำให้การเพิ่มขึ้นของการค้นหาความหมาย

"เครื่องจักรควรจะสามารถสื่อสารกันได้เช่นเดียวกับที่มนุษย์สามารถทำได้" Berners-Lee กล่าว

Google กำลังทำงานเพื่อบรรลุวิสัยทัศน์ของเขา

ยังไง?

จุดเปลี่ยนสำหรับการค้นหาเชิงความหมาย

แม้ว่าจะมีสิ่งต่างๆ มากมายเกิดขึ้นตั้งแต่ปี 2541 แต่ปี 2555 เป็นจุดเปลี่ยนสำหรับการค้นหาเชิงความหมาย

ในช่วงปีนี้ 20% ของการค้นหาใน Google ทั้งหมดเป็นการค้นหาใหม่ ไม่เพียงเท่านั้น แต่คำหลักหางยาวคิดเป็น 70% ของการค้นหาทั้งหมด

สิ่งนี้บอก Google ว่าผู้ใช้เริ่มสนใจที่จะใช้เครื่องมือค้นหาเป็นเครื่องมือในการตอบคำถามและแก้ไขปัญหา

ไม่ใช่แค่การค้นหาข้อเท็จจริงและค้นหาแต่ละเว็บไซต์อีกต่อไป

และทำให้ขั้นตอนแรกในการปรับปรุงความหมายที่ถูกสร้างขึ้น

กราฟความรู้

กราฟความรู้เปิดตัวในปี 2555 ทำเครื่องหมายการเปลี่ยนแปลงของ Google ในการทำความเข้าใจเอนทิตีและบริบท แทนที่จะเปรียบเทียบสตริงของคำหลักโดยไม่สนใจ

หรือตามที่ Google ใช้วลี "สิ่งของ ไม่ใช่สตริง"

กราฟความรู้คืออะไร?

Wikipedia ระบุว่า Google และบริการต่างๆ ใช้กราฟความรู้เพื่อปรับปรุงผลลัพธ์ของเครื่องมือค้นหาด้วยข้อมูลจากแหล่งต่างๆ

กล่าวอีกนัยหนึ่ง กราฟความรู้คือวิธีการทางโปรแกรมในการสร้างแบบจำลองโดเมนความรู้ ด้วยความช่วยเหลือจากผู้เชี่ยวชาญในหัวข้อ การเชื่อมโยงข้อมูล และอัลกอริธึมการเรียนรู้ของเครื่อง

สิ่งที่ทำให้กราฟนี้เป็น เครื่องมือค้นหาเชิงความหมาย คือวิธีการรวบรวมข้อมูล

รวบรวมข้อมูลซึ่งถือเป็นสาธารณสมบัติ (เช่น จากขนาดโลกถึงชื่อสมาชิกวงดนตรี) ร่วมกับคุณสมบัติของแต่ละหน่วยงาน (วันเกิด พี่น้อง ผู้ปกครอง อาชีพ – ทุกสิ่งที่สามารถเชื่อมโยงได้ นิติบุคคล)

หรือ

เราสามารถพูดได้ว่าสร้างขึ้นจากฐานข้อมูลที่มีอยู่เพื่อเชื่อมโยงข้อมูลจำนวนมหาศาลเข้าด้วยกัน โดยรวมทั้งข้อมูลที่มีโครงสร้าง (รายการ) และข้อมูลที่ไม่มีโครงสร้าง

กราฟความรู้รวบรวมข้อมูลที่เครื่องมือค้นหาต้องการเพื่อให้คำตอบที่สมเหตุสมผล

กราฟของ Google กำหนดขั้นตอนสำหรับการเปลี่ยนแปลงอัลกอริธึมขนาดใหญ่ที่จะเกิดขึ้น และในไม่ช้าก็ตามด้วย Hummingbird

เร่งสู่ความสำเร็จกับ Hummingbird

นกฮัมมิงเบิร์ดเป็นจุดเปลี่ยน อัลกอริทึมส่งผลกระทบต่อการค้นหาประมาณ 90% ทั่วโลก

ได้รับการออกแบบมาให้แม่นยำและรวดเร็ว และหลายคนเรียกมันว่าเป็นเครื่องมือที่แนะนำ "การค้นหาการสนทนา" ในกิจกรรมการค้นหา

เป็น ดาวเด่นของ เทคโนโลยีการค้นหาเชิงความหมาย

อย่างไรก็ตาม Hummingbird ทำมากกว่าแค่ให้คำตอบสำหรับคำถามในการสนทนา

อัลกอริทึมให้ความสำคัญกับแต่ละคำในแบบสอบถาม

จากนั้นฉัน จึงทำให้แน่ใจว่าคำค้นหาทั้งหมด ประโยคทั้งหมดหรือความหมายถูกนำมาพิจารณา มากกว่าที่จะพิจารณาเฉพาะคำบางคำ

ความตั้งใจคือการได้หน้าที่ตรงกับความหมายที่ลึกซึ้งมากกว่าแค่คำจริง

ยังมีอีก.

นอกเหนือจากการปรับปรุงความเร็วและความแม่นยำของการอัปเดต Hummingbird แล้ว Google ยังทำให้แน่ใจว่าได้รวมการค้นหาเชิงความหมายไว้ด้วย

พวกเขาปรับปรุงความเข้าใจในคำค้นหาอย่างมีนัยสำคัญ แม้กระทั่งการค้นหาแบบหางยาว และด้วยเหตุนี้ผู้ใช้จึงมีความตั้งใจ

ผลที่ตามมา:

ข้อความค้นหาทั้งหมดและความสัมพันธ์ของกลุ่มคำภายในคำค้นหาถูกระบุ กำหนดเป้าหมาย และตีความ

ผลกระทบของอัลกอริธึม Hummingbird

การปรับปรุง Hummingbird มุ่งเน้นไปที่การค้นหาตามบริบทและการสนทนาโดยเฉพาะ

ทั้งสองส่วนมีการเชื่อมโยงอย่างมากกับความหมายพื้นฐานและความสัมพันธ์ระหว่างคำ

ตอนนี้.

อัลกอริธึมประมวลผลภาษาธรรมชาติเพื่อดึงผลลัพธ์เฉพาะสำหรับการค้นหาทั้งในระดับหัวและหาง

กล่าวอีกนัยหนึ่ง ฉัน ไม่ได้ใช้การค้นหาตามบริบทโดยที่ Google ส่งคืนผลลัพธ์ที่ตรงกับความตั้งใจที่อยู่เบื้องหลังข้อความค้นหามากขึ้น

ผลลัพธ์ไม่ได้จำกัดอยู่แค่ตัวคำอีกต่อไปแต่รวมถึงการตีความเจตนาสำหรับข้อความค้นหา

ว่าอย่างไร?

สิ่งที่เครื่องมือทำคือตรวจสอบความสัมพันธ์ที่ยังไม่ได้สร้างแบบจำลองไว้อย่างชัดเจน

กระบวนการนี้รวมไวยากรณ์ สถิติ และพจนานุกรมเข้าด้วยกันเพื่อให้เกิดการติดแท็กเชิงสัมพันธ์

ด้วยการประเมินเจตจำนงในลักษณะที่มีความหมายและมุ่งเน้นไปที่คำพ้องความหมายและหัวข้อที่เกี่ยวข้องกับธีม Hummingbird ช่วยให้ผู้ใช้ค้นหาหัวข้อและหัวข้อย่อยได้อย่างมั่นใจ แทนที่จะพยายาม "abracadabra" เพื่อค้นหา

อัลกอริทึมเป็น คำจำกัดความของการค้นหาเชิงความหมาย ในหลาย ๆ ด้าน

ตัวอย่างที่แสดงให้เห็นว่า Hummingbird ทำงานจริงได้อย่างไร เช่น "President of England"

ตอนนี้.

อังกฤษไม่มีประธานาธิบดี แต่มีนายกรัฐมนตรี ซึ่งเป็นหัวหน้ารัฐบาล อังกฤษยังมีประมุขแห่งรัฐซึ่งเป็นราชินี

และ Google รู้ดีจึงจะแสดงผลลัพธ์ที่เกี่ยวข้องกับนายกรัฐมนตรีหรือราชินี

ในทางหนึ่ง Hummingbird ช่วยให้ผู้คนได้รับคำตอบสำหรับคำถามที่พวกเขาไม่รู้ว่าจะถามอย่างไร และดูแลผลลัพธ์ที่ช่วยให้ผู้ใช้พบสิ่งที่พวกเขากำลังมองหา

เน้นสถานที่

การปรับปรุงอีกประการหนึ่งที่ Hummingbird นำมาคือผลลัพธ์ที่เน้นเฉพาะพื้นที่

ด้วยการใช้บริบท ผลลัพธ์ในท้องถิ่นจึงแม่นยำยิ่งขึ้น

ดังนั้น เมื่อ คุณกำลังมองหาร้านอาหารอิตาเลียนดีๆ Google จะถือว่าคุณต้องการทานอาหารเย็นในเมืองของคุณ

ด้วยเหตุนี้จึงจะใช้ข้อมูลตำแหน่งของคุณเพื่อแนะนำพิซซ่าที่ดีใน พื้นที่ ของคุณ แทนที่จะแสดงรายการร้านอาหารในอิตาลี

เรามักใช้ความแม่นยำเพื่อให้ได้ผลลัพธ์ที่ถูกต้อง

เป็นผลสืบเนื่องมาจากการวิจัยและพัฒนาที่อยู่เบื้องหลังหลายปี

ความฝันของการค้นหาเชิงความหมายเกิดขึ้นจากการผสมผสานระหว่างการประมวลผลภาษาในการสนทนาและการทำความเข้าใจเจตนาของมนุษย์ตามข้อมูลตำแหน่ง

Hummingbird เป็นความก้าวหน้าครั้งสำคัญสำหรับการค้นหาเชิงความหมาย แต่ Google ไม่ได้หยุดเพียงแค่นั้น

การปรับปรุงที่สำคัญอีกอย่างที่พวกเขาแนะนำในภายหลังคือ RankBrain

ปัญญาประดิษฐ์ในโลกเว็บความหมาย

RankBrain เป็น เครื่องมือ การเรียนรู้ของเครื่องค้นหาความหมาย ที่มาเป็นคำตอบสำหรับปัญหาที่ Google พบในขณะที่ตอบคำถามคำหลัก

เมื่อไม่กี่ปีที่ผ่านมา การค้นหาประมาณ 15% ของ Google มาจากคำที่ไม่เคยเห็นมาก่อน

ไม่มีทางรู้แน่ชัดว่าผู้ใช้กำลังมองหาอะไร

ในตอนแรกที่อ่าน 15% อาจดูเหมือนไม่ใช่เรื่องใหญ่

ถึงกระนั้น Google ก็ประมวลผลคำขอนับพันล้านรายการทุกวัน ดังนั้นเปอร์เซ็นต์จึงเป็นตัวเลขที่ค่อนข้างมีนัยสำคัญในแง่สัมบูรณ์

การค้นหา 450 ล้านครั้ง มีคำหลักที่ไม่เคยมีการประมวลผลมาก่อน

ทำอย่างไรเมื่อไม่รู้จะตอบคำถามอย่างไร?

เดา?

นั่นคือสิ่งที่ Google เคยทำเมื่อได้รับคำขอสำหรับคำหลักที่ไม่รู้จักเหล่านั้น

น่าเสียดายที่ t hat ไม่ได้นำไปสู่ผลลัพธ์ที่แม่นยำ เสิร์ชเอ็นจิ้นเพียงแค่มองหาหน้าที่มีคีย์เวิร์ดทั้งหมดที่ผู้ใช้ป้อน โดยไม่เข้าใจเจตนาเบื้องหลัง

ไม่ทราบ วิธีการดำเนินการ และสร้าง การค้นหาเชิงความหมาย สำหรับคำขอที่เครื่องมือค้นหาไม่เคยได้รับมาก่อน

นั่นผลักดันให้ Google ค้นหาวิธีแก้ปัญหาและแนะนำเครื่องมือที่สามารถเรียนรู้ได้ทุกที่ทุกเวลา

ใส่ RankBrain

อัลกอริทึมของเครื่องมือค้นหาเครื่องการเรียนรู้ที่ใช้จะช่วยให้ผลการค้นหาของ Google และกระบวนการให้ผลการค้นหาที่เกี่ยวข้องมากขึ้นสำหรับผู้ใช้

Google ใช้อัลกอริธึม AI ไม่เพียงแต่เพื่อแก้ไขคำค้นหาเหล่านั้น แต่ยังเพื่อประมวลผลและทำความเข้าใจ

RankBrain เปลี่ยนไปอย่างไร?

ก่อน RankBrain 100% ของอัลกอริทึมของ Google ถูกเข้ารหัสด้วยมือ

ดังนั้น กระบวนการนี้จึงอาศัยวิศวกรที่เป็นมนุษย์มากซึ่งพยายามคาดเดาว่าสิ่งใดจะช่วยปรับปรุงผลการค้นหาได้

ทุกวันนี้ วิศวกรของ h uman ยังคงทำงานเกี่ยวกับอัลกอริทึม แต่ RankBrain ก็ทำงานอยู่เบื้องหลังเช่นกัน

กระบวนการ

กล่าวโดยย่อ RankBrain สามารถปรับแต่งอัลกอริธึมของตัวเองเพื่อให้ได้การตอบสนองที่ดีขึ้น

RankBrain จะเพิ่มหรือลดความสำคัญของลิงก์ย้อนกลับ ความใหม่ของเนื้อหา ความยาวเนื้อหา อำนาจโดเมน และตัวแปรการจัดอันดับอื่นๆ ทั้งนี้ขึ้นอยู่กับคำหลัก

จากนั้น ฉัน ไม่สังเกตว่าผู้ใช้โต้ตอบกับผลการค้นหาใหม่อย่างไร หากพวกเขาชอบอัลกอริธึมใหม่มากกว่า

ถ้าไม่เช่นนั้น RankBrain จะย้อนกลับอัลกอริทึมเก่า

ด้วยความช่วยเหลือของการ อัปเดตความหมายที่ ชาญฉลาด Google สามารถเข้าใจสิ่งที่คุณหมายถึงได้ แม้ว่าก่อนหน้านี้จะไม่ได้เชื่อมโยงคำค้นหาของคุณก็ตาม

ยังไง?

โดยจับคู่คีย์เวิร์ดที่ไม่ เคย เห็นมาก่อนของคุณ กับคีย์เวิร์ดที่ เคย เห็นมาก่อน

สำหรับ ตัวอย่าง วิธีการ ทำงานของ เว็บเชิงความหมาย Google RankBrain อาจสังเกตเห็นว่าผู้คนค้นหา "โดนัทที่ใหญ่ที่สุดในโลก"

และได้เรียนรู้ว่าผู้ที่ค้นหาสิ่งนั้นมักจะมองหาโดนัทที่ใหญ่ที่สุดเท่าที่เคยมีมา

ดังนั้นเมื่อมีคนค้นหา "โดนัทที่ใหญ่ที่สุดในโลก" RankBrain จะแสดงผลลัพธ์ที่คล้ายกัน

และในกรณีของโดนัท หน้าเว็บสามหน้าแรกที่คุณได้รับสำหรับการค้นหาทั้งสองจะเหมือนกัน

วิธีการของ RankBrain

Google ได้แสดงความคิดเห็นเกี่ยวกับวิธีที่พวกเขาใช้การเรียนรู้ของเครื่องเพื่อทำความเข้าใจเจตนาของผู้ค้นหาผ่านเทคโนโลยีที่เรียกว่า " Word2vec " ที่เปลี่ยนคำหลักให้เป็นแนวคิด

ตัวอย่างเช่น เฮ้ กล่าวว่า เทคโนโลยี เว็บเชิงความหมาย นี้ “เข้าใจว่าปารีสและฝรั่งเศสมีความเกี่ยวข้องกันแบบเดียวกับที่เบอร์ลินและเยอรมนี (เมืองหลวงและประเทศ) และแตกต่างจากมาดริดและอิตาลี”

และแม้ว่าพวกเขาจะไม่ได้กล่าวถึงอย่างเฉพาะเจาะจงว่านี่คือวิธีการทำงานของ RankBrain เช่นกัน เราสามารถเดาได้ว่ามันใช้เทคโนโลยีที่คล้ายคลึงกัน

ย้อนกลับไปที่แนวคิดเกี่ยวกับการจับคู่คำหลัก – RankBrain พยายามให้ผลลัพธ์ตามความตั้งใจในการค้นหาของคุณ

ความพึงพอใจของผู้ใช้เทียบกับ RankBrain

แน่นอนว่า RankBrain สามารถเสี่ยงดวงเพื่อทำความเข้าใจคำหลักใหม่ๆ และยังสามารถปรับอัลกอริทึมได้ด้วยตัวมันเอง

คำถามอันดับหนึ่งก็คือ:

เมื่อ RankBrain แสดงชุดผลลัพธ์แล้วจะรู้ได้อย่างไรว่าดีหรือไม่?

ดี – มันสังเกต

RankBrain ใช้สัญญาณ UX – อย่างน้อยนั่นคือคำศัพท์ทางเทคนิค

พูดง่ายๆ ก็คือ RankBrain จะแสดงชุดผลการค้นหาที่คุณน่าจะชอบ

หากมีคนจำนวนมากชอบรายการใดรายการหนึ่งโดยเฉพาะ พวกเขาจะให้การจัดอันดับหน้านั้น

เกิดอะไรขึ้นถ้าพวกเขาไม่?

จากนั้นอัลกอริทึมจะลบหน้านั้นและแทนที่ด้วยหน้าอื่น

RankBrain สังเกตอะไรกันแน่?

ให้ความสำคัญกับวิธีที่เราโต้ตอบกับผลการค้นหา

มีสัญญาณหลายอย่างที่กำลังติดตาม:

1. อัตราการคลิกผ่านทั่วไป (CTR)
2. เวลาอยู่
3. อัตราตีกลับ
4. Pogo-ติด

สิ่งเหล่านี้เรียกว่าสัญญาณประสบการณ์ผู้ใช้ (สัญญาณ UX)

มาดู ตัวอย่าง และดูว่า เว็บเชิงความหมาย ของ Google จะตีความการค้นหาของฉันอย่างไร

ถ้าฉันค้นหา "โดรนที่ดีที่สุดสำหรับเด็ก" ผลลัพธ์แรกที่ฉันได้รับคือบทความที่เผยแพร่กลางเดือนมิถุนายน

สิ่งนี้จะย้อนกลับไปสู่ความสดใหม่ของเนื้อหา RankBrain ประเมินเมื่อแนะนำคำตอบสำหรับคำถาม

แต่ขอทิ้งไว้สักครู่

อัลกอริทึมจะให้ความสนใจกับเว็บไซต์ที่ฉันเปิด โดยจะเปรียบเทียบจำนวนครั้งที่เปิดก่อนหน้านี้สำหรับผลลัพธ์ที่คล้ายคลึงกัน ซึ่งจะทำให้ CTR

เมื่อฉันเปิดเพจแล้ว RankBrain จะสังเกตเวลาที่ฉันอยู่ นี่คือเวลาที่ฉันใช้บนเว็บไซต์ ด้วยวิธีนี้ อัลกอริธึมจะประมาณการหากฉันพบว่าข้อมูลมีประโยชน์

ถ้าฉันเปิดดูเนื้อหาที่ไม่เกี่ยวข้องกับข้อความค้นหาของฉันหรือนำเสนอได้ไม่ดี ฉันจะกลับไปที่หน้าผลลัพธ์อย่างรวดเร็ว

ถ้ามีคนทำมากพอ อันดับของเว็บไซต์ก็จะลดลง

และหากหน้าโหลดไม่ตรงเวลา โอกาสในการตีกลับจะเพิ่มขึ้น และอันดับของหน้าก็ลดลงด้วย

ในตอนนี้ สมมติว่าฉันไม่พบสิ่งที่ต้องการเมื่อคลิกครั้งแรกบนหน้าเว็บ ฉันอาจจะตรวจสอบผลลัพธ์ที่ได้รับต่อไปจนกว่าจะพบ

และนั่นเป็นอีกปัจจัยหนึ่งที่ RankBrain ใช้ในการวิเคราะห์ความสำเร็จของงาน – pogo-sticking

ยิ่งฉันกลับไปกลับมา ยิ่งมีโอกาสน้อยที่ RankBrain จะแนะนำหน้าเว็บที่โชคร้ายเหล่านั้นให้กับผู้ใช้รายถัดไปที่มีการค้นหาที่คล้ายกัน

ตอนนี้.

เราได้กล่าวถึง เครื่องมือค้นหาเครื่องมือเชิงความหมาย พื้นฐาน เช่น Google ใช้เพื่อทำความเข้าใจและแนะนำคำตอบที่เพียงพอต่อคำขอของผู้ใช้

ดังนั้น เรามาดูกันว่าเราจะใช้สิ่งเหล่านั้นเพื่อประโยชน์ของเราได้อย่างไร

วิธีเพิ่มประสิทธิภาพเนื้อหาสำหรับ SEO เชิงความหมาย

สำหรับ SEO การทำความเข้าใจการค้นหาเชิงความหมายมีประโยชน์อย่างมาก ส่วนใหญ่คือความสามารถในการเป็นผู้นำในการแข่งขัน

มีหลายขั้นตอนใน กลยุทธ์ SEO เชิงความหมาย ที่ดีที่ ผู้เชี่ยวชาญแนะนำ

และเมื่อการค้นหาเชิงความหมายมีอิทธิพลมากขึ้นเมื่อเวลาผ่านไป ขั้นตอนเหล่านั้นจึงเป็นคำแนะนำที่ดีที่จะช่วยให้ทุกคนเพิ่มประสิทธิภาพเนื้อหาและจัดอันดับเว็บไซต์ของตนได้ดีขึ้น

1. พิจารณาหัวข้อแทนที่จะใช้แค่คำหลัก
2. จับคู่เนื้อหาเพื่อค้นหาความตั้งใจ
3. รวมคำหลักที่เกี่ยวข้องในเนื้อหาของคุณ
4. เพิ่มประสิทธิภาพเนื้อหาของคุณสำหรับตัวอย่างข้อมูลเด่น
5. รวมข้อมูลที่มีโครงสร้างในเนื้อหา
6. พิจารณาหัวข้อแทนที่จะเป็นแค่คำหลัก

ดังที่เราได้เห็นในบทความก่อนหน้านี้ เนื้อหาทั้งหมดเกี่ยวกับหัวข้อ – บริบทของการค้นหา และ Google และเครื่องมือค้นหาอื่นๆ ก็ต้องการให้ผลลัพธ์ที่เกี่ยวข้องมากที่สุดแก่เรา

ดังนั้นเนื้อหาควรมีความครอบคลุมและให้ข้อมูลมากกว่าที่เคย

หากคุณกำลังคิดที่จะสร้างหน้าเนื้อหาสั้นๆ และเรียบๆ สำหรับทุกรูปแบบของคำค้นหาแบบกว้างๆ อย่ากังวล คุณควรสร้างคู่มือที่ครอบคลุมและยาวนานซึ่งครอบคลุมหัวข้อทั้งหมดแทน

คุณควรใช้แนวทางปฏิบัติที่ดีที่สุดในการเพิ่มประสิทธิภาพคำหลักเพื่อให้แน่ใจว่าเนื้อหาได้รับการปรับให้เหมาะสมที่สุดสำหรับทั้งเครื่องมือค้นหาและผู้อ่าน

จับคู่เนื้อหากับความตั้งใจในการค้นหา

ก่อนสร้างเนื้อหาสำหรับคำหลัก SEO ที่คุณต้องการกำหนดเป้าหมาย คุณควรถามว่าทำไมผู้ใช้ถึงค้นหาวลีนั้น กำหนดจุดประสงค์ของคีย์เวิร์ด และคุณ ยัง มีเวลาให้ผู้ชมมีส่วนร่วมได้ง่ายขึ้นอีกด้วย

เจตนาของคำหลักสามารถ:

1. ข้อมูล – ผู้ใช้พยายามเรียนรู้บางสิ่ง ดังนั้นพวกเขาจึงใช้คีย์เวิร์ด “รู้” เพื่อค้นหาข้อมูลและรับคำตอบ
2. การนำทาง – ผู้ใช้พยายามนำทางไปยังไซต์ใดไซต์หนึ่งหรือค้นหารายการใดโดยเฉพาะ ดังนั้นพวกเขาจึงใช้คำหลัก "go" เพื่อค้นหาเว็บไซต์สำหรับแบรนด์ที่คุ้นเคย
3. ธุรกรรม – ผู้ใช้พยายามทำการซื้อ ดังนั้นพวกเขาจึงใช้คีย์เวิร์ด “ทำ” เพื่อค้นหาผลิตภัณฑ์ที่จะซื้อหรือหน้าเพื่อทำธุรกรรม

รวมคำหลักที่เกี่ยวข้องในเนื้อหา

ในการตรวจสอบแถบความหมายของการค้นหาเชิงความหมาย คุณควรเพิ่มคำสำคัญที่เกี่ยวข้องหรือแฝง Semantic Indexing (LSI) ให้กับเนื้อหา

คีย์เวิร์ด LSI คือวลีที่เกี่ยวข้องอย่างใกล้ชิดกับคีย์เวิร์ดเป้าหมาย พวกเขาให้บริบทกับเนื้อหาและช่วยให้เครื่องมือค้นหาเข้าใจความหมายของเนื้อหาได้ดีขึ้นและให้บริการผู้ชมอย่างไร

ดังนั้นเมื่อพูดถึงช็อกโกแลต อย่างน้อยคุณควรเชื่อมโยงมันกับโกโก้

ปรับเนื้อหาให้เหมาะสมสำหรับตัวอย่างข้อมูลเด่น

เสิร์ชเอ็นจิ้นต้องการแสดงผลการค้นหาที่เป็นสื่อสมบูรณ์ซึ่งให้ข้อมูลที่ผู้ใช้ต้องการ – โดยตรงบนหน้าผลลัพธ์

หากต้องการเพิ่มการมองเห็นในการค้นหา คุณอาจต้องการ:

1. ปรับเนื้อหาให้เหมาะสมสำหรับกล่องคำตอบและย่อหน้า รายการ และตัวอย่างตาราง
2. ตอบคำถามชัดเจนในเนื้อหาเน้นคีย์เวิร์ดหางยาว
3. ใช้การจัดรูปแบบเพื่อทำให้ข้อมูลเป็นตัวเลือกที่น่าสนใจสำหรับตัวอย่างข้อมูลเด่น

สุดท้าย รวมข้อมูลที่มีโครงสร้างไว้ในเนื้อหา

อีกวิธีหนึ่งในการช่วยให้เครื่องมือค้นหาเข้าใจความหมายและความเกี่ยวข้องของเนื้อหาของคุณคือการใช้ข้อมูลที่มีโครงสร้าง

ข้อมูลที่มีโครงสร้างหรือ มา ร์กอัป สคี มาเป็นรูปแบบหนึ่งของไมโครดาต้าที่เพิ่มบริบทเพิ่มเติมเพื่อคัดลอกบนหน้าเว็บ

ใช้ชุดโครงสร้างข้อมูลมาตรฐานที่จัดหมวดหมู่เนื้อหาสำหรับเครื่องมือค้นหา

ข้อมูลเพิ่มเติมนี้ช่วยให้เครื่องมือค้นหาสามารถจัดอันดับเนื้อหาและระบุข้อมูลที่สามารถแสดงในผลการค้นหาที่หลากหลาย

ในทางปฏิบัติ ทั้งหมดที่เราได้กล่าวมาจนถึงตอนนี้เป็นประเด็นเดียว

ข้อมูลที่เราเผยแพร่ควรได้รับการจัดระเบียบตามความหมายเพื่อให้เกิดประโยชน์สูงสุดจากการแสดงตนทางออนไลน์ของเรา

บริบทคืออนาคตของการ ค้นหาเว็บเชิงความหมาย ในขณะที่ยังมีชิ้นส่วนของปริศนาให้รวบรวม เว็บความหมายก็ยังมีชีวิตอยู่

บางทีฉันอาจ อยู่ไม่ไกลจากวันที่เครือข่ายอัจฉริยะรุ่นต่อไปจะช่วยเหลือเราด้วยการจัดกำหนดการการนัดหมาย การซื้อของ ค้นหาข้อมูลที่เราต้องการ และเชื่อมโยงเรากับผู้ที่มีความคิดเหมือนกัน

ด้านบนทำด้วยตนเอง

เราจะไม่ต้องถาม ว่าการค้นหาความหมายคืออะไร อย่างแน่นอน มันจะกลายเป็นส่วนหนึ่งที่แยกไม่ออกในชีวิตประจำวันของเรา