<стр>Понимание основных систем актуальности Google и их значение для стратегий SEO
<п>Актуальность в отношении алгоритмов ранжирования поиска стала представлять интерес для SEO после того, как недавний подкаст Google Search Off The Record упомянул существование основных систем актуальности как части алгоритмов ранжирования, поэтому может быть полезно подумать о том, какими могут быть эти системы. и что это значит для SEO.
Мало что известно о том, что может быть частью этих основных систем актуальности, но можно сделать вывод, что это за системы. Документация Google для их коммерческого облачного поиска предлагает определение актуальности, которое, хотя и не в контексте их собственной поисковой системы, все же дает полезное представление о том, что Google может иметь в виду, когда ссылается на Core Topicality Systems.
Вот как в облачной документации определяется актуальность:
“Актуальность — это релевантность результата поиска исходным условиям запроса.”
Это хорошее объяснение связи веб-страниц с поисковыми запросами в контексте результатов поиска. Нет никаких причин усложнять задачу.
Как добиться релевантности?
Отправной точкой для понимания того, что может быть компонентом системы актуальности Google, является понимание того, как поисковые системы понимают поисковые запросы и представляют темы в документах веб-страниц.
<ул>
Понимание поисковых запросов
Понимание того, что имеют в виду пользователи, можно назвать пониманием темы, которая интересует пользователя. Существует таксономическое качество того, как люди выполняют поиск, поэтому пользователь поисковой системы может использовать неоднозначный запрос, когда они на самом деле имеют в виду что-то более конкретное.
<п>Первой системой искусственного интеллекта, развернутой Google, была RankBrain, которая была использована для лучшего понимания концепций, присущих поисковым запросам. Слово «концепция» шире слова «тема», поскольку понятия — это абстрактные представления. Система, которая понимает концепции поисковых запросов, может помочь поисковой системе возвращать релевантные результаты по правильной теме.
Google объяснил работу RankBrain следующим образом:
“RankBrain помогает нам находить информацию, которую мы не могли найти раньше, путем более широкого понимания того, как слова в поиске соотносятся с концепциями реального мира. Например, если вы ищете «как зовут потребителя на самом высоком уровне пищевой цепочки», ” Увидев эти слова на разных страницах, наши системы узнают, что концепция пищевой цепи может иметь отношение к животным, а не к людям-потребителям. Понимая и сопоставляя эти слова с связанными с ними понятиями, RankBrain понимает, что вы ищете то, что обычно называют «высшим хищником».
BERT — это модель глубокого обучения, которая помогает Google понимать контекст слов в запросах, чтобы лучше понять общую тему текста.
Понимание тем
<п>Я не думаю, что современные поисковые системы больше используют тематическое моделирование из-за глубокого обучения и искусственного интеллекта. Однако в прошлом поисковые системы использовали метод статистического моделирования, называемый тематическим моделированием, чтобы понять, о чем веб-страница, и сопоставить ее с поисковыми запросами. Скрытое распределение Дирихле (LDA) было революционной технологией середины 2000-х годов, которая помогла поисковым системам понимать темы.
Примерно в 2015 году исследователи опубликовали статьи о нейронной вариационной модели документа (NVDM), которая была еще более мощным способом представления основных тем документов.
<стр>Одна из самых последних исследовательских работ называется «За гранью да и нет: улучшение нулевых рейтингов LLM посредством оценки детальных меток релевантности». Эта исследовательская статья посвящена расширению использования больших языковых моделей для ранжирования веб-страниц, процесса оценки релевантности. Это предполагает выход за рамки двоичного ранжирования «да» или «нет» и переход к более точному способу использования таких ярлыков, как «Высокая релевантность», «Несколько релевантный». и “Нерелевантно”
В этой исследовательской работе говорится:
“Мы предлагаем включить детальные метки релевантности в подсказку для специалистов по ранжированию LLM, что позволит им лучше различать документы с разными уровнями релевантности запросу и таким образом, вы получите более точный рейтинг.”
Избегайте редукционистского мышления
<п>Поисковые системы выходят за рамки поиска информации и (в течение длительного времени) движутся в направлении ответов на вопросы, и эта ситуация ускорилась в последние годы и месяцы. nbsp; Это было предсказано в статье 2001 года под названием Переосмысление поиска: превращение дилетантов в экспертов в предметной области, где они предложили необходимость в полной мере участвовать в возвращении ответов на человеческом уровне. <стр>Начало статьи: <блоковая цитата><п>“При возникновении потребности в информации пользователи хотят обратиться к эксперту в предметной области, но вместо этого часто обращаются к системе поиска информации, например к поисковой системе. Классические системы поиска информации не отвечают на информационные потребности напрямую, а вместо этого предоставляют ссылки на (надеюсь, авторитетные) ответы. Успешные системы ответов на вопросы предлагают ограниченный корпус, создаваемый по запросу экспертами, который не является ни своевременным, ни масштабируемым. Предварительно обученные языковые модели, напротив, способны напрямую генерировать прозу, которая может реагировать на информационную потребность, но в настоящее время они являются скорее дилетантами, чем экспертами в предметной области – у них нет истинного понимания мира…”
Основной вывод заключается в том, что применять редукционистский подход к тому, как Google ранжирует веб-страницы, делая что-то вроде преувеличенного акцента на ключевых словах, элементах заголовков и заголовках, обречено на провал. Базовые технологии быстро приближаются к пониманию мира, поэтому, если задуматься о базовых системах актуальности, то полезно поместить это в контекст, выходящий за рамки традиционного “классического” информационно-поисковые системы.
Методы, которые Google использует для понимания тем на веб-страницах, соответствующих поисковым запросам, становятся все более изощренными, и хорошей идеей будет ознакомиться с тем, как Google делал это в прошлом и как они могут быть изменены. делаю это в настоящем.
