欢迎光临2号站|二号站平台-官网注册!二号站平台主管【Q:2347-660】

主页 > 平台资质 > 正文

二号站注册常见问题:关于谷歌搜索中的BERT算法

http://www.nbwangzha 2020-01-03 平台资质 未知
二号站介绍,二号站代理,二号站代理官

谷歌表示,其最新的主要搜索更新,包括BERT算法,将帮助它更好地理解用户搜索查询背后的意图,这应该意味着更多相关的结果。伯特将影响10%的搜索,该公司表示,这意味着它可能会对你的品牌的有机可见性和流量产生一些影响——你可能没有注意到。
 
这是我们到目前为止对谷歌所宣扬的“搜索历史上最大的飞跃之一”所知的高级视角。当你准备好深入探索时,需要在设计过程的每个步骤(包括SEO)中考虑很多不同的指标。二号站网站应具有简洁,易于浏览的界面以及用户友好的界面和内容丰富的内容。可以看看我们的配套作品:《深入研究伯特:伯特如何将火箭发射到自然语言理解中》(A deep dive into BERT: How BERT launch A rocket into natural language understanding),作者是道恩·安德森(Dawn Anderson)。
 
伯特什么时候推出谷歌搜索的?
 
2019年10月21日,伯特开始在谷歌的搜索系统中推出英语查询,包括精选片段。
 
谷歌的丹尼·沙利文(Danny Sullivan)表示,该算法将扩展到谷歌提供搜索的所有语言,但目前还没有设定时间表。伯特模型也被用于改善24个国家的特色片段。
 
伯特是什么?
 
BERT是transformer的双向编码器表示,是一种基于神经网络的自然语言处理预训练技术。在简单的英语中,它可以帮助谷歌更好地识别搜索查询中的单词上下文。
 
例如,在短语“朝九晚五”和“朝四分之一晚五”中,“to”这个词有两种不同的含义,这可能对人类来说很明显,但对搜索引擎来说就不那么明显了。BERT被设计用来区分这些细微差别,以便得到更相关的结果。
 
2018年11月,谷歌开源BERT。这意味着任何人都可以使用BERT来训练自己的语言处理系统来回答问题或完成其他任务。
 
什么是神经网络?
 
简单地说,神经网络算法是为模式识别而设计的。对图像内容进行分类、识别笔迹,当您在特定位置的权威网站上获得反向链接时,您实际上就在利用该网站的某些“ SEO果汁”来推动自己的SEO战略,并使2号站公司在SERP中排名更高。甚至预测金融市场的趋势,这些都是神经网络在现实世界中常见的应用,更不用提点击模型等搜索应用了。
 
他们对数据集进行训练以识别模式。BERT使用维基百科的纯文本语料库进行预训练,谷歌在开源时解释了这一点。
 
什么是自然语言处理?
 
自然语言处理(NLP)是人工智能研究语言学的一个分支,其目的是使计算机能够理解人类自然交流的方式。
 
NLP带来的进步包括社交监听工具、聊天机器人和智能手机上的文字建议。
 
NLP本身并不是搜索引擎的新特性。然而,BERT代表了通过双向训练在NLP方面的进步。
 
伯特是如何工作的?
 
BERT的突破之处就在于它能够基于句子或查询中的整个单词集合来训练语言模型(双向训练),而不是传统的训练单词顺序的方法(从左到右或从左到右和从右到左的组合)。BERT允许语言模型基于周围的单词来学习单词上下文,而不仅仅是紧挨着它的单词。
 
谷歌称伯特为“深度双向”,因为单词的上下文表示是从“深度神经网络的最底部”开始的。
 
“例如,‘bank’这个词在‘bank account’和‘bank of the river’中有相同的上下文无关表达。相反,语境模型会根据句子中的其他单词生成每个单词的表示。例如,在“我访问了银行帐户”这个句子中,单向上下文模型将基于“我访问了‘但没有’帐户”来表示“银行”。然而,BERT同时使用了‘bank’的前一个和下一个上下文——‘我访问了……账户’。”
 
谷歌展示了BERT在搜索中的应用如何影响结果的几个例子。在一个例子中,“成人数学练习册”这一查询曾经将一本6 - 8年级的书列在有机搜索结果的顶部。有了BERT的申请,谷歌将一本名为《成人数学》(Math for Grownups)的书的列表显示在结果的顶部。
 
你可以在这个查询的当前结果中看到,6 - 8年级的书仍然是排名靠前的,但是有两本专门针对成年人的书现在排名在它上面,包括有特色的片段。
 
像上面这样的搜索结果更改反映了使用BERT对查询的新理解。年轻人的内容并没有受到惩罚,相反,针对成年人的列表被认为更符合搜索者的意图。
 
谷歌是否使用BERT来理解所有的搜索?
 
不,不完全是。BERT将提高谷歌对美国大约十分之一英语搜索的理解
谷歌在其博客中写道:“特别是对于更长的、更具有会话性的查询,或者对于‘for’和‘to’这样的介词意义重大的查询,搜索将能够理解查询中单词的上下文。”
 
然而,并不是所有的查询都是会话性的或包含介词。品牌搜索和短短语只是不需要BERT的自然语言处理的查询类型的两个例子。
 
伯特将如何影响我的特色片段?
 
正如我们在上面的例子中看到的,BERT可能会影响在应用它时出现在特征片段中的结果。
 
在下面另一个例子中,谷歌比较查询的功能片段“停车在山上没有限制,”解释说:“在过去,这样的查询会混淆我们的系统,我们过于重视这个词“抑制”,忽视了“不”这个词,不理解适当的关键字是如何应对这个查询。所以我们会把车停在有路缘的小山上。”
 
BERT和RankBrain有什么不同?
 
伯特的一些能力听起来可能类似于谷歌的第一个理解查询的人工智能方法——RankBrain。但是,它们是两个独立的算法,可以用来通知搜索结果。
 
“关于RankBrain,首先要了解的是,它与普通的有机搜索排名算法并行运行,并被用来对这些算法计算出的结果进行调整,”Perficient Digital总经理埃里克·延格(Eric Enge)说。
 
RankBrain通过查看当前查询和查找相似的过去查询来调整结果。然后,它审查这些历史查询的搜索结果的性能。“根据它所看到的,RankBrain可能会调整正常的有机搜索排名算法的结果输出,”Enge说。
 
RankBrain还可以帮助谷歌解释搜索查询,这样它就可以显示可能不包含查询中的准确单词的结果。在下面的例子中,尽管埃菲尔铁塔的名字没有出现在“巴黎地标的高度”的查询中,但谷歌能够计算出用户正在寻找有关埃菲尔铁塔的信息。
 
“伯特的工作方式完全不同,”吉吉说。“传统的算法确实试图查看页面上的内容,以了解它是关于什么的,以及它可能与什么相关。然而,传统的NLP算法通常只能查看单词前的内容或单词后的内容以获得额外的上下文,以帮助它更好地理解单词的含义。伯特的双向性使它与众不同。正如上面提到的,BERT会观察一个单词前后的内容,从而理解这个单词的意义和相关性。“这是自然语言处理的一个重要改进,因为人类交流是自然分层和复杂的。”
 
谷歌使用BERT和RankBrain处理查询和web页面内容,以更好地理解单词的含义。
 
伯特不是来取代兰克大脑的。谷歌可以使用多种方法来理解一个查询,这意味着BERT可以单独应用,与其他谷歌算法一起,与RankBrain协同使用,根据搜索词的不同,可以是其中的任意组合,也可以完全不应用。
 
BERT可能还会影响其他谷歌产品吗?
 
谷歌对BERT的声明只适用于搜索,然而,这也会对助理产生一些影响。当在谷歌Assistant上执行的查询触发它提供来自搜索的特征片段或web结果时,这些结果可能会受到BERT的影响。
 
谷歌告诉Search Engine Land, BERT目前还没有被用于广告,2号站怎么样?在某些情况下,甚至营销机构也需要重塑自己的品牌,以保持领先地位。随着市场逐渐成为数字化市场,但如果它在未来被整合,它可能会帮助缓解一些困扰广告商的糟糕的相近变体。
 
“我怎么才能优化伯特?”“这不是真正的思考方式
 
“和伯特在一起没有什么可以优化的,也没有什么可以让任何人反思的,”沙利文说。“我们寻求奖励优秀内容的基本面没有改变。”
 
谷歌关于排名的建议一直都是把用户放在心上,并创建满足他们搜索意图的内容。既然BERT被设计用来解释这个意图,那么给用户他们想要的东西仍然是谷歌的建议是有意义的。
 
“优化”现在意味着你可以更多地专注于好的、清晰的写作,而不是在为你的读者创造内容和为机器创造线性结构之间妥协。

TAG: 二号站介绍二号站代理二号站代理官

2号站主管Q:2347-660
热门标签