BERT SEO 및 자연어 처리란 무엇입니까?

BERT로 인해 자연어 처리(NLP)는 모든 모바일 SEO 캠페인 에서 새로운 필수 요소가 되었습니다.

"말이 운명을 결정한다"는 속담을 들어본 적이 있을 것입니다. 마찬가지로 검색 마케팅에서는 페이지에서 단어를 사용하는 방법이 중요합니다. Google의 BERT는 검색 결과 구성에 대한 통찰력을 제공합니다. 단어 엔터티와 언어 사용 간의 관계가 SEO의 미래를 어떻게 형성하는지 보여줍니다.

모바일 우선 인덱싱은 검색자의 물리적(GPS/Google 지도) 위치에 대한 Google의 의존도 증가에 영향을 줍니다. 또한 휴대전화와 Google 계정에서 검색자의 언어 설정을 알고 있습니다. 이는 반환된 검색 결과를 알리고 보다 개인화된 검색 결과를 제공하는 데 도움이 됩니다.

Google이 BERT 알고리즘이 검색 형식에 영향을 미친다는 성명을 발표하자마자 우리는 이것이 시간과 주의를 기울일 가치가 있다는 것을 알았습니다. 복잡한 롱테일 검색어의 해석을 개선하고 관련성 높은 검색 결과를 표시하는 것을 목표로 하기 때문에 5년 만에 가장 큰 검색 업데이트입니다. BERT가 포함하는 단어가 실제로 의미하는 바를 내면화해야 검색 마케팅을 더 잘할 수 있습니다.

여기까지가 오늘 현재 도착한 것입니다.

BERT는 무엇입니까?

BERT는 Bidirectional Encoder Representations from Transformers의 약자입니다. 자연어 처리 사전 훈련을 위한 신경망 기반 기술입니다. 간단히 말해서 검색 엔진이 검색 쿼리에서 단어의 컨텍스트를 더 잘 해독하도록 돕는 데 사용할 수 있습니다.

BERT 모델은 이전 기능을 능가합니다. 그들은 앞과 뒤에 오는 두 단어를 모두 살펴봄으로써 단어의 전체 문맥을 평가합니다. 이는 검색 쿼리를 촉발한 의도를 이해하는 데 특히 유용한 컨텍스트를 수집하는 데 도움이 됩니다.

Google 법인이란 무엇입니까?

Google은 2016년 10월 25일 특허 번호 US 9,477,759 B2를 부여받았습니다. Google 법인은 "단일하고 고유하며 잘 정의되고 구별 가능한 사물 또는 개념"으로 정의됩니다. 또한 비정형 데이터의 엔터티 참조에 의존하는 질문 답변 기능도 다룹니다. 이 특허는 Google이 웹 페이지 내에서 관련 정보를 찾는 방법을 설명합니다.

엔터티가 물리적 개체일 필요는 없으며 색조, 날짜, 향기 등이 될 수도 있음을 이해하는 것이 중요합니다. 엔터티는 다음과 같은 모든 것입니다. Singular. 예를 들어, 개체는 개인, 물리적 건물, 지리적 위치, 제품 항목, 사운드, 인지적 아이디어, 추상적 개념, 사실적 요소 또는 기타 존재하는 것일 수 있습니다. 또한 Google이 사이트를 크롤링하고 색인을 생성하는 방법을 돕기 위해 이들의 조합을 사용할 수도 있습니다.

엔터티는 상위 노드에 속하지 않습니다. 오히려 그 자손은 읽기 전용입니다. Entity의 이름은 nodeName 속성에 보관됩니다. 또한 Entity는 Node 개체이므로 일부 속성과 메서드를 상속합니다.

엔티티 인식이란 무엇입니까?

엔터티 인식은 검색을 문자열에서 사물로 향상시키는 것입니다. 이는 Google 검색 어플라이언스가 문서에서 흥미로운 항목을 식별 및 분류한 다음 라이브러리 또는 검색 색인에 이러한 항목을 저장하는 데 도움이 됩니다. SEO는 메타데이터가 부족한 콘텐츠를 보강하여 NLP를 사용하여 텍스트로 풍부한 결과를 얻을 수 있는 기회를 높일 수 있습니다. 용어는 엔터티의 이름이 될 수 있으며 이후에는 "명명된 엔터티"라고 합니다.

엔터티 쿼리 일치란 무엇입니까?

Entity-Query Matching은 Google의 고급 콘텐츠 인식 능력을 확장합니다. 현장 최적화에서 NLP를 사용하는 방법은 2020년의 주요 질문이 되었습니다. 광범위한 시장 조사를 통해 모든 콘텐츠 마케팅 캠페인을 시작하십시오. 이것은 검색 엔진이 각 주제에 대한 사용자 쿼리와 연관시킬 수 있는 컨텍스트를 이해하는 데 도움이 됩니다.

NLP 최적화로 결과를 볼 수 있을 만큼 신뢰할 수 있는 페이지를 어떻게 알 수 있습니까?

주제에 대한 양질의 콘텐츠를 이미 가지고 있고 순위를 매기면 더 나은 기회가 있습니다. 콘텐츠가 취약하지만 인바운드 링크로 인해 순위가 매겨질 수 있는 페이지를 찾아 해당 페이지를 개선하는 것부터 시작하십시오. 귀하의 콘텐츠는 자연어로 작성되면 실제 시청자의 요구에 더 잘 부응할 것입니다.

컨텍스트 기반 자연어 처리란 무엇입니까?

컨텍스트 기반 자연어 처리는 검색 엔진이 특정 사용자 요청을 일치시키는 데 사용할 수 있는 컨텍스트를 식별하는 방법으로 시작합니다. 여기에는 컨텍스트에 의존하는 Dialog System Engine을 활용하여 이러한 사용자 요청을 처리하는 작업이 포함됩니다. 이는 일반적으로 저장 및 분류되는 일련의 사용자 요청 또는 대화 시스템 응답을 소싱하는 음성 컨텍스트를 참조합니다.

검색 마케팅 담당자는 NLP를 사용하여 수익을 창출할 수 있습니까?

구조화된 데이터는 콘텐츠의 내용을 반영합니다. 올바르게 구현되고 최신 상태로 유지된다면 그렇게 해야 합니다. 전자 상거래 사이트의 경우 구매 의도가 있는 검색어에 답변할 수 있는 컨텍스트 콘텐츠를 포함합니다. "우울한" 또는 "미친"과 같이 부정적인 의미를 가질 수 있는 NLP 엔터티를 피하십시오. 가치 자체와 비교하여 큰 그림을 그리는 것이 필요합니다. 이렇게 하면 엔터티의 세부적인 차이를 해독하는 데 도움이 됩니다.

SERP로 알려진 검색 결과 페이지는 매우 인기가 있습니다. 올바른 콘텐츠는 Google의 로컬 패키지 및 추천 스니펫과 같은 기능에서 비즈니스를 표시하는 데 도움이 될 수 있습니다. BERT 중심 사고 방식을 채택하면 클릭이 없는 검색에서도 고객의 전화를 받을 수 있습니다. 콘텐츠 게시 워크플로에 의미론적 처리를 추가하려면 자연어 처리를 사용하여 콘텐츠를 설명하는 의미론적으로 구조화된 유용한 정보를 추가해야 합니다. 수많은 검색 전략에는 SEO 및 사용자 참여를 개선하기 위한 NLP가 포함될 수 있습니다.

자연어 처리 분야는 엄청난 속도로 성장하고 있습니다. 머신 러닝과 결합되고 딥 러닝 기술에 의해 구동되는 단어 사용 패턴이 나타납니다. 엔터티와 노드는 방대한 텍스트에서 콘텐츠 구조를 생성합니다. 그런 다음 Google은 원하는 방식을 선택합니다.

Google 지식 정보는 관련 항목을 표시합니다. 널리 알려진 사람의 지식 패널은 검색어에 맞게 해당 개인과 다른 개인 간의 연결을 표시할 수 있습니다. "연결 보기"를 클릭하면 두 사람을 포함한 더 많은 정보가 채워집니다. 자신을 실험하려면 좋아하는 유명인을 검색한 다음 "사람들이 또한 검색하는 대상" SERP 결과에서 추천 유명인을 선택합니다. 이것은 이러한 관련 엔터티 노드를 트리거하는 한 가지 방법입니다.

대화형 AI 챗봇과 음성 도우미는 비즈니스가 불가능할 때 사람들의 질문에 답하기 위해 최첨단 자연어 모델에 의존합니다. 이러한 모델은 자주 묻는 질문에 대답하는 소비자 중심 접근 방식을 용이하게 하도록 훈련될 수 있습니다.

모든 기업이 Google 검색 항목에 관심을 가져야 합니까?

예, 자연 검색에서 찾고자 하는 사람들. 콘텐츠에서 엔터티를 사용하는 방법의 목표에는 사람들이 비즈니스 목표와 직접 관련된 조치를 취하도록 동기를 부여하는 것이 포함되어야 합니다.

귀하의 비즈니스 이름과 법인을 정확하게 나타내면 고객이 온라인에서 귀하의 비즈니스를 찾는 데 도움이 됩니다. 모든 항목이 채워진 완전히 최적화된 Google 마이 비즈니스 목록으로 시작됩니다.

그들은 아마 이런 식으로 생각하지 않았을 것입니다. 전화기의 마이크는 항상 듣고 있습니다. 백그라운드에서 머신 러닝은 픽업하는 엔터티로부터 듣는 내용을 평가합니다. 최신 버전의 iPhone 및 Android는 사용자가 말하는 것을 마지막으로 들은 장소까지의 거리를 보여줍니다. 또는 당신이 듣는 라디오/TV 광고에서 마지막으로 들은 영화를 볼 수 있는 곳. 그것은 또 무엇을 듣고 있습니까?

내 컴퓨터에 설치된 Cortana는 최근 몇 번이고 "당신이 말하는 방식에 익숙해지면 당신을 훨씬 더 잘 이해하는 법을 배울 수 있습니다."라고 말했습니다. 그러나 나는 그것에 대해 이야기하지 않았고 그것이 "듣는" 것이라고 생각하지 않았습니다.

지난 몇 개월 동안 Google의 Mobile-First Indexing이 기본 크롤러의 변경일 뿐만 아니라 정보 구성 및 쿼리 처리에 대한 Google 전략의 주요 변경이라는 증거가 점점 더 많아지고 있습니다. Mobile-First Indexing, 'Entity-First Indexing'에서 언어와 엔터티의 관계는 아무리 강조해도 지나치지 않습니다.” – Mobile Moxie의 Cindy Krum

콘텐츠에서 단어와 구문을 사용하는 가장 좋은 방법은 무엇입니까?

콘텐츠의 단어는 엔터티의 쌍이 됩니다.

웹 콘텐츠의 단어는 사람들이 말하는 것과 같은 방식으로 흘러야 하지만 BERT가 찾고 있는 용어로 의미적으로 정확해야 합니다. 이는 SERP에서 가장 포괄적인 결과를 얻는 데 도움이 됩니다.

헤드 검색 구문과 가장 관련이 있는 단일 엔터티를 찾습니다. 엔티티를 올바르게 사용하여 독자에게 컨텍스트 값을 추가하는 방법을 확인하십시오. 현재 Google은 알고리즘 학습에 도움이 되는 최고의 데이터 세트를 보유하고 있습니다.

이전에 비즈니스 통찰력이 부족했던 SEO는 오늘날 비즈니스 전략을 이해하고 전체적인 디지털 마케팅 기술을 보유해야 합니다. 귀하의 콘텐츠 및 커뮤니케이션에 사용된 단어 또는 검색 문구가 중요합니다. 모든 문장은 유용하고 중요해야 합니다.

자연어 처리 모델의 중요성

엔터티 쿼리 일치를 개선하기 위해 NLP API 프로세서를 사용하는 이유는 무엇입니까?

보다 자연스러운 언어 접근 방식으로 전환하는 이점은 기본적으로 두 가지입니다.

• 사람들이 쉽게 읽고 행동할 수 있도록 콘텐츠를 만듭니다.
• 검색 엔진에서 콘텐츠를 더 쉽게 이해하고 분류할 수 있습니다.

구조화되지 않은 데이터 특허에서 엔티티 참조를 사용하여 답변하는 질문으로 돌아가십시오. 엔티티는 기본적으로 사람들이 Google에서 검색하는 것임을 알려줍니다. NLP를 수용하는 것은 전자 상거래 사이트에 큰 도움이 될 수 있습니다. 사전 정의된 방식으로 방문 페이지를 구성하는 데 도움이 되도록 제품 마크업을 구현하고 테스트합니다.

위의 특허 내용을 고려하십시오.

위의 특허 내용을 고려하십시오.

"각각의 가중 합계에 기초하여 하나 이상의 엔티티 참조 순위 지정: 하나 이상의 엔티티 참조의 순위에 적어도 부분적으로 기초하여 하나 이상의 엔티티로부터 참조에 대한 엔티티 결과를 선택하는 단계; 및 엔티티 결과에 적어도 부분적으로 기초하여 질의에 대한 답변을 제공하는 단계를 포함한다."

Google 어시스턴트가 자연어 처리를 사용하는 방법

또 다른 Google 특허는 모바일 대화 검색 쿼리를 처리하는 데 더 중점을 둡니다.

Google 어시스턴트는 검색자와 개인화된 대화에 참여할 수 있는 인공 지능 기반 가상 비서입니다. 대화형 검색 쿼리에 올바르게 응답하는 데 다른 모든 것을 능가합니다. 이전 검색 세션의 컨텍스트에 부분적으로 의존합니다.

2019년 11월 19일에 부여된 보다 최근의 Google 특허는 Google 어시스턴트에 관한 것입니다. 컨텍스트 기반 자연어 처리라는 제목으로 사용자 요청의 다중 모드 처리와 관련된 자연어 처리(NLP) 방법에 대해 알려줍니다. 자연어를 보다 효율적으로 이해하기 위해 BERT를 사용하고 있다는 발표와 함께 시기에 맞춰졌습니다.

이 기술 대기업은 "혼자 또는 개별적으로 취하는 경우 합리적으로 이해할 수 없는" 쿼리 요청에 직면했을 때 문제를 극복하기 위해 노력하고 있습니다. Pandu Nayak Google 동료이자 검색 부사장은 2019년 10월 25일 이전보다 더 나은 검색 이해라는 제목의 기사를 게시했습니다. 그는 "우리는 매일 수십억 건의 검색을 보고 있으며 이러한 쿼리 중 15%는 이전에 본 적이 없는 것이므로 예측할 수 없는 쿼리에 대한 결과를 반환하는 방법을 구축했습니다."라고 말했습니다.

BERT 알고리즘을 사용하면 이제 작은 단어라도 검색 의도를 더 잘 이해하는 데 도움이 됩니다.

“'to'라는 단어와 쿼리의 다른 단어와의 관계는 의미를 이해하는 데 특히 중요합니다. 그것은 미국으로 여행하는 브라질인에 관한 것이지 그 반대가 아닙니다. 이전에는 알고리즘이 이 연결의 중요성을 이해하지 못했고 브라질로 여행하는 미국 시민에 대한 결과를 반환했습니다. BERT를 사용하면 검색에서 이러한 뉘앙스를 파악할 수 있고 매우 일반적인 "to"라는 단어가 실제로 여기서 매우 중요하다는 것을 알 수 있으며 이 쿼리에 대해 훨씬 더 관련성 높은 결과를 제공할 수 있습니다." - Google

BERT는 단어와 언어에 대한 더 나은 이해를 제공합니다

Pandu Nayak은 "언어 이해는 검색에서 수행하는 모든 작업의 ​​핵심입니다."라고 말했습니다. "이것은 지난 5년 동안 우리가 겪은 가장 크고 가장 긍정적인 변화입니다."

Google은 음성 유형, 엔티티 노드 또는 사용자의 검색과 관련된 환경 컨텍스트를 식별하여 사용자 요청을 더 잘 해독할 수 있습니다. 이러한 엔터티 통찰력을 사용하여 업계 틈새 전문성을 입증할 수 있습니다. 특허는 "대화 시스템" 및 모바일 애플리케이션을 참조합니다.

“기존의 대화 시스템은 특히 무선 전화 및 태블릿 컴퓨터용 모바일 애플리케이션의 형태로 정보 기술 산업에서 널리 사용됩니다. 일반적으로 대화 시스템은 정보에 접근하고, 처리하고, 관리하고, 전달하기 위한 인간 중심의 인터페이스를 갖는 컴퓨터 기반 에이전트를 의미한다. 대화 시스템은 채팅 정보 시스템, 음성 대화 시스템, 대화 에이전트, 수다 로봇, 채터봇, 챗봇, 채팅 에이전트, 디지털 개인 비서, 자동화된 온라인 비서 등으로도 알려져 있습니다." – 특허 US20160259775A1

이제 "대화 시스템"에 속하는 통신 엔터티의 포괄적인 목록입니다! 이 특허는 Google Assistant가 NLP를 통해 검색자와 연결하도록 설계된 방법을 설명합니다.

“대화 시스템은 지능적인 대화를 시뮬레이션하고 사용자에게 개인화된 지원을 제공하기 위해 자연 언어로 사용자와 상호 작용합니다. 예를 들어, 사용자는 "가장 가까운 호텔이 어디에 있습니까?"와 같은 대화식 질문의 형태로 대화 시스템에 요청을 생성할 수 있습니다. 또는 "알렉산드리아의 날씨는 어떻습니까?"를 입력하고 음성 및/또는 표시 가능한 메시지의 형태로 대화 시스템에서 해당 답변을 받습니다. 사용자는 또한 대화 시스템에 음성 명령을 제공할 수 있습니다… – 특허 US20160259775A1

이제 Google 검색이 NLP를 사용하는 방법에 대한 기초적인 이해를 얻었으므로 이것이 콘텐츠 제작 및 SEO에 대한 접근 방식에 어떤 영향을 미칠 수 있는지 놀랍습니다.

쿼리 Google 특허 번호 US9009134B2에서 명명된 개체 인식

응용 프로그램 상태는 2020년 2월 11일 오늘 현재 활성 상태입니다. 컴퓨터 과학 및 감정 분석에서 음성 태깅의 일부를 추가로 설명합니다.

쿼리 세분화란 무엇입니까?

이 특허는 Query Segmentation이 무엇인지 답변하고 정의합니다. 일반적으로 특정 쿼리를 더 작은 크기의 단위로 분할하는 것을 의미합니다. "종종 가능한 분할 단위 유형에 제한이 있을 수 있으므로 방법의 기능이 제한될 수 있습니다. 구문 분석은 일반적으로 쿼리의 언어적 구조를 식별하는 데 중점을 둡니다. 쿼리 분류는 일반적으로 정보, 탐색 또는 트랜잭션과 같은 검색 의도에 따른 분류의 두 그룹으로 나뉩니다. 그리고 쿼리의 의미론에 따른 분류."

이는 '구매' 또는 '구매자'에 적용될 수 있습니다. 두 가지 형태의 쿼리 분류 모두 전체 쿼리를 고려합니다. 일단 분류되고 일반적으로 쿼리의 내부 구조에 대한 추가 진단은 없습니다.

또한 비지도 학습 방법을 사용할 때 모호한 주제 엔터티 및 문제를 극복하는 방법에 대해 자세히 알아봅니다.

“모델의 주제가 미리 정의될 수 있고 문서의 가능한 주제가 주어질 수 있기 때문에 WS-LDA(Weakly Supervised Latent Dirichlet Allocation)라고 하는 주제 모델을 학습하는 새로운 방법을 사용할 수 있습니다.

각 단어에 대해

ㅏ. 그리기 주제 할당 zn~다항식(θ)

비. 토픽 zn을 조건으로 하는 다항 분포인 wn~Multinomial(βZn)이라는 단어를 그리세요.”

엔티티를 일치시키기 위한 하나의 데이터 소스는 "상업용 웹 검색 엔진의 쿼리 로그와 같은 쿼리 로그 데이터" 또는 이와 유사한 것일 수 있습니다. 이 특허는 컴퓨터 판독 가능 매체를 형성하는 엔티티를 정렬하기 위해 다양한 실시예를 구현하는 예시적인 형태를 제공합니다. "RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, 디지털 다목적 디스크(DVD) 또는 기타 광학 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치를 포함하는 부분을 제공합니다. , 또는 원하는 정보를 저장하는 데 사용할 수 있는 다른 모든 매체".

엔티티 추출을 위한 기계 번역 도움말은 웹의 오픈 소스에서 찾을 수 있습니다. 사용자 지정 엔터티 모델링에 뛰어드는 것은 흥미로운 일입니다. 특히 엔터티를 이해하면 실제 소비자와 더 잘 소통할 수 있기 때문입니다. 지역 비즈니스 스키마는 지식 정보를 구축하고 지역 소비자와 연결하기 위한 기초입니다. Cindy Krum이 이것을 가장 잘 말하므로 다시 인용하겠습니다.

"전체적으로 엔티티는 Google이 다양한 주제(엔티티) 간의 연결 및 관계를 쉽게 개발할 수 있는 기능을 제공하기 때문에 Google에 주제에 대한 더 깊고 더 나은 이해를 제공합니다. 엔터티와 그 관계에 대한 더 깊은 이해는 Google이 잠재적으로 모든 언어로 엔터티에 대한 정보를 제공할 수 있는 기회를 제공합니다(필요한 경우 Google 언어 API에서 실시간 번역 포함). 쿼리 – 수정자처럼. Google에서 한 언어로 학습한 엔터티 이해 및 엔터티 관계가 무엇이든 특히 Google에서 호스팅하는 지식 정보와 같은 0순위 결과에서 자동으로 다른 언어로 번역될 수 있습니다."

Google BERT 알고리즘은 게시된 페이지와 페이지에서 식별하는 주제 간의 올바른 연결을 찾으려고 합니다. 귀하는 Google이 귀하의 사이트에서 올바른 "엔티티"를 찾도록 도울 수 있습니다.

결론:

데이터는 새로운 벤치마크 역할을 할 수 있습니다. 진정한 상식적인 NLP 기술은 구조화된 지식 모델과 같은 새로운 기술을 통합합니다.

인간 대 인간의 대화는 응답할 정답을 선택하기 위해 묻는 질문을 쉽게 이해할 수 있습니다. 몸짓, 몸짓, 목소리 톤 모두가 대화의 진정한 의미를 분명히 합니다. NLP는 기계가 동일한 작업을 더 잘 수행할 수 있도록 돕습니다. 더 많이 배우고 실험하면서 이 기사를 업데이트하여 더 유용하게 만들 것입니다. NLP를 사용하는 여정과 의견을 환영합니다.

콘텐츠를 풍부하게 하는 새로운 방법을 찾으십시오.

미니애폴리스 프로 검색 제공업체에 스키마 마크업 감사 요청