Ce este BERT SEO și procesarea limbajului natural?

Datorită BERT, procesarea limbajului natural (NLP) este noul ingredient obligatoriu în fiecare campanie SEO mobilă .

Poate că ați auzit proverbul „cuvintele tale îți determină destinul”. La fel, în Search Marketing, modul în care folosim cuvintele pe o pagină contează. BERT de la Google oferă informații despre organizarea rezultatelor căutării. Acesta ilustrează modul în care relația dintre entitățile cuvântului și utilizarea limbajului modelează viitorul SEO.

Mobile-First Indexing influențează dependența crescută a Google de locația fizică (GPS / Google Maps) a căutării. De asemenea, cunoaște setările de limbă ale utilizatorului de pe telefonul său și din contul său Google. Acest lucru ajută la informarea rezultatelor căutării care sunt returnate și oferă rezultate de căutare mai personalizate.

De îndată ce Google și-a lansat declarația prin care a anunțat formatul de căutare influențat de algoritmul BERT, am știut că acest lucru merită timp și atenție. Deoarece își propune să îmbunătățească interpretarea interogărilor complexe de căutare cu coadă lungă și să afișeze rezultate de căutare mai relevante, este cea mai mare actualizare de căutare din ultimii 5 ani. Numai după ce interiorizăm ceea ce înseamnă de fapt cuvintele pe care le cuprinde BERT, putem face marketing de căutare mai bine.

Iată la ce am ajuns astăzi.

Ce este BERT?

BERT, este un acronim pentru Bidirectional Encoder Representations from Transformers. Este o tehnică bazată pe rețea neuronală pentru pregătirea prealabilă a procesării limbajului natural. În termeni mai simpli, poate fi folosit pentru a ajuta motoarele de căutare să descifreze mai bine contextul cuvintelor din interogările de căutare.

Modelele BERT depășesc capacitățile anterioare. Ei evaluează întregul context al unui cuvânt analizând ambele cuvinte care vin ÎNAINTE și DUPĂ. Acest lucru îl ajută să adune context care este deosebit de util pentru înțelegerea intenției care a determinat interogarea de căutare.

Ce este o entitate Google?

Google a primit brevetul US 9.477.759 B2 pe 25 octombrie 2016. Acesta definește o entitate Google ca: „Un lucru sau concept care este singular, unic, bine definit și distins”. De asemenea, abordează abilitățile sale de răspuns la întrebări care se bazează pe referințele de entități din datele nestructurate. Brevetul explică modul în care Google găsește informații relevante în paginile web.

Este important să înțelegeți că o entitate nu trebuie să fie un obiect fizic, poate fi și o nuanță de culoare, o dată, un parfum și multe altele. O entitate este orice este: Singular. De exemplu, o entitate poate fi un individ, o clădire fizică, o locație geografică, un articol de produs, un sunet, o idee cognitivă, un concept abstract, un element de fapt sau alte lucruri existente. Poate fi, de asemenea, orice combinație a acestora pentru a ajuta la modul în care Google accesează cu crawlere și indexează un site.

O entitate nu aparține unui nod părinte; mai degrabă, descendenții săi sunt doar pentru citire. Numele unei Entități este păstrat în proprietatea nodeName . În plus, o Entitate este un obiect Nod și, prin urmare, moștenește unele proprietăți și metode de la acesta.

Ce este recunoașterea entității?

Recunoașterea entităților este ceea ce ridică căutarea de la șiruri la lucruri. Ajută Google Search Appliance să identifice și să clasifice entitățile interesante în documente și apoi să stocheze aceste entități în biblioteca sa sau indexul de căutare. SEO-urile pot îmbogăți conținutul sărac în metadate pentru a crește șansele de a obține rezultate bogate cu text folosind NLP. Un termen poate fi un nume pentru o entitate, care ulterior este denumită „entitate numită”.

Ce este potrivirea entitate-interogare?

Potrivirea entitate-interogare extinde abilitățile avansate de percepție a conținutului ale Google. Cum să utilizați NLP în optimizarea la fața locului a devenit o întrebare de top în 2020. Începeți fiecare campanie de marketing de conținut cu o cercetare amplă de piață. Acest lucru vă va ajuta să înțelegeți contextul pe care motoarele de căutare îl pot asocia cu interogările utilizatorilor pe fiecare subiect.

Cum să știi ce pagini sunt suficient de credibile pentru a vedea rezultate cu optimizarea NLP?

Dacă aveți deja conținut de calitate pe un subiect și vă clasați pentru acesta, aveți șanse mai mari. Găsiți o pagină care are conținut slab, dar care poate fi clasată din cauza linkurilor de intrare și începeți prin a îmbunătăți acele pagini. Conținutul dvs. va satisface nevoile reale ale spectatorilor mai bine dacă este scris în limbaj natural.

Ce este procesarea limbajului natural bazată pe context?

Procesarea limbajului natural bazat pe context începe cu modul în care motoarele de căutare încearcă să identifice contextele care pot fi folosite pentru a se potrivi cu anumite solicitări ale utilizatorilor. Implica procesarea unor astfel de solicitări ale utilizatorilor prin utilizarea unui motor de sistem de dialog care se bazează pe contexte. Acestea fac referire de obicei la contexte de vorbire care generează o secvență de solicitări ale utilizatorilor sau răspunsuri ale sistemului de dialog care sunt stocate și clasificate.

Cum pot agenții de marketing să utilizeze NLP pentru a genera venituri?

Datele structurate reflectă despre ce este vorba despre conținutul dvs. Dacă este implementat corect și menținut la curent, ar trebui să facă acest lucru. Pentru site-urile de comerț electronic, includeți conținut contextual care poate răspunde la interogări de căutare cu intenția de cumpărare. Evitați entitățile NLP care pot avea o implicație negativă, cum ar fi „deprimat” sau „nebun”. Este nevoie de o imagine de ansamblu versus valorile în sine. Acest lucru va ajuta la descifrarea diferențelor granulare dintre entități.

Pagina cu rezultatele căutării, cunoscută sub numele de SERP, este extrem de populară. Conținutul potrivit vă poate ajuta afacerea să iasă la suprafață în funcții precum pachetele locale Google și fragmentele recomandate. Prin adoptarea unei mentalități centrate pe BERT, afacerea dvs. poate câștiga apeluri de la clienți chiar și din căutări fără clic. Adăugarea procesării semantice în fluxul dvs. de lucru de publicare a conținutului implică utilizarea procesării în limbaj natural pentru a adăuga informații utile structurate semantic care vă descriu conținutul. Numeroase strategii de căutare pot include NLP pentru a îmbunătăți SEO și implicarea utilizatorilor.

Domeniul de procesare a limbajului natural crește cu pași uriași. Combinate cu învățarea automată și conduse de tehnici de învățare profundă, apar modele de utilizare a cuvintelor. Entitățile și nodurile produc o structură de conținut dintr-un volum vast de text. Google alege apoi cum dorește să le folosească.

Google Knowledge Graphs afișează entități asociate. Un panou de cunoștințe al unei persoane larg cunoscute poate afișa o conexiune între acea persoană, așa cum se potrivește interogării dvs. de căutare și o altă persoană. Făcând clic pe „Vedeți conexiunea”, se vor popula mai multe informații, inclusiv ambele persoane. Pentru a experimenta singur, căutați celebritatea preferată și apoi selectați o celebritate sugerată în rezultatele SERP „People Also Search For”. Aceasta este o modalitate de a declanșa aceste noduri de entitate asociate.

Chatbot-urile conversaționale AI și asistenții vocali se bazează pe modele de ultimă generație în limbaj natural pentru a răspunde la întrebările oamenilor atunci când o afacere nu este disponibilă. Aceste modele pot fi instruite pentru a facilita o abordare centrată pe consumator pentru a răspunde la întrebările frecvente.

Fiecare companie trebuie să-i pese de entitățile de căutare Google?

Da, cei care vor să fie găsiți în căutarea organică. Scopul modului în care utilizați entitățile în conținutul dvs. ar trebui să includă motivarea oamenilor să întreprindă acțiuni care au legătură directă cu obiectivele dvs. de afaceri.

Reprezentarea cu acuratețe a numelui și entităților companiei dvs. ajută clienții să vă găsească afacerea online. Aceasta începe cu o înregistrare Compania mea pe Google complet optimizată, cu toate entitățile completate.

Probabil că nu s-ar gândi niciodată la asta. Microfonul de pe telefonul tău ascultă mereu. În fundal, învățarea automată evaluează ceea ce aude de la entitățile pe care le preia. Versiunile recente ale iPhone și Android vă arată distanța până la ultimul loc în care v-a auzit vorbind. Sau unde să vezi filmul pe care l-a auzit ultima dată anunțat în anunțul radio/TV pe care îl asculți. Ce altceva mai ascultă?

Cortana instalat pe computerul meu mi-a spus recent de mai multe ori: „Pot învăța să te înțeleg mult mai bine dacă mă pot familiariza cu felul în care vorbești.” Cu toate acestea, nu vorbeam cu ea și nici nu credeam că „ascultă”.

În ultimele câteva luni, vedem din ce în ce mai multe dovezi că indexarea Google Mobile-First nu este doar o schimbare a crawler-ului principal, ci o schimbare majoră în strategia Google de organizare a informațiilor și procesare a interogărilor. Relația dintre limbi și entități din Mobile-First Indexing, „Entity-First Indexing”, nu poate fi exagerată.” – Cindy Krum de la Mobile Moxie

Care sunt cele mai bune moduri de a folosi cuvinte și expresii în conținut?

Cuvintele din conținutul tău devin perechi de entități.

Cuvintele din conținutul web ar trebui să curgă în același mod în care vorbesc oamenii, dar trebuie să fie corecte din punct de vedere semantic în termenii pe care îi caută BERT. Acest lucru vă va ajuta să obțineți cele mai cuprinzătoare rezultate în SERP-uri.

Căutați entitățile individuale care se referă cel mai bine la expresia dvs. principală de căutare. Verificați cum să utilizați corect entitățile pentru a adăuga valoare de context cititorilor. În prezent, Google are cele mai bune seturi de date pentru a ajuta algoritmii să învețe.

Specialiștii SEO care nu aveau o perspicacitate în afaceri astăzi sunt forțați să înțeleagă strategiile de afaceri și să aibă abilități holistice de marketing digital. Cuvintele sau expresiile de căutare folosite în conținutul și comunicațiile dvs. contează. Fiecare propoziție ar trebui să fie utilă și să conteze.

Importanța unui model de procesare a limbajului natural

De ce ați folosi Procesorul API NLP pentru a îmbunătăți potrivirea entitate-interogare?

Beneficiile trecerii la o abordare a limbajului mai natural sunt practic duble.

• Îți face conținutul mai ușor de citit și de a acționa pentru oameni.
• Vă face conținutul mai ușor de înțeles și catalogat de către motoarele de căutare.

Înapoi la ÎNTREBĂRI RĂSPUNSURI UTILIZAREA REFERENȚELOR ENTITĂȚILOR ÎN patent de DATE NSTRUCTURATE. Ne spune că o entitate este practic ceea ce oamenii caută pe Google. Îmbrățișarea NLP poate fi uriașă pentru site-urile de comerț electronic. Implementați și testați marcarea produsului pentru a vă organiza paginile de destinație într-un mod predefinit.

Luați în considerare ceea ce afirmă brevetul de mai sus:

Luați în considerare ceea ce afirmă brevetul de mai sus:

„Clasarea uneia sau mai multor referințe de entitate pe baza sumelor ponderate respective: selectarea unui rezultat de entitate din una sau mai multe entități la referințe bazate cel puțin parțial pe clasamentul uneia sau mai multor referințe de entitate; și furnizarea unui răspuns la întrebare bazat cel puțin parțial pe rezultatul entității.”

Cum folosește Asistentul Google Procesarea limbajului natural

Un alt brevet Google se concentrează mai mult pe procesarea interogărilor de căutare conversaționale mobile.

Asistentul Google este un asistent virtual alimentat de inteligență artificială care se poate angaja într-o conversație personalizată cu un căutator. Depășește toate celelalte în ceea ce privește răspunsul corect la Interogările de căutare conversaționale. Se bazează parțial pe contextul din sesiunile anterioare de căutare.

Un brevet Google mai recent a fost acordat pe 19 noiembrie 2019, este mai direct despre Asistentul Google. Se intitulează Procesarea limbajului natural bazat pe context și ne informează despre metodele de procesare a limbajului natural (NLP) care implică procesarea multimodală a cererilor utilizatorilor. A fost cronometrat cu anunțul că folosesc BERT pentru a înțelege limbajul natural mai eficient.

Gigantul tehnologic încearcă să-și depășească provocările atunci când se confruntă cu solicitări de interogări care „nu sunt rezonabil de înțeles dacă sunt luate singur sau izolat”. Pandu Nayak Google Fellow și vicepreședintele Căutării a publicat un articol pe 25 octombrie 2019, cu titlul Înțelegerea căutărilor mai bine ca niciodată. El a spus: „Vedem miliarde de căutări în fiecare zi, iar 15% dintre aceste interogări sunt cele pe care nu le-am văzut până acum – așa că am creat modalități de a returna rezultate pentru interogări pe care nu le putem anticipa”.

Cu algoritmul BERT, chiar și cuvintele mici pot ajuta acum ca intenția de căutare să fie mai bine înțeleasă.

„Cuvântul „către” și relația sa cu celelalte cuvinte din interogare sunt deosebit de importante pentru înțelegerea sensului. Este vorba despre un brazilian care călătorește în SUA, și nu invers. Anterior, algoritmii noștri nu înțelegeau importanța acestei conexiuni și am returnat rezultate despre cetățenii americani care călătoreau în Brazilia. Cu BERT, Căutarea este capabilă să înțeleagă această nuanță și să știe că cuvântul foarte comun „pentru” contează foarte mult aici și putem oferi un rezultat mult mai relevant pentru această interogare.” - Google

BERT oferă o mai bună înțelegere a cuvintelor și a limbajului

„Înțelegerea limbii este cheia pentru tot ceea ce facem în căutare”, a spus Pandu Nayak. „Aceasta este singura, cea mai mare și cea mai pozitivă schimbare pe care am avut-o în ultimii cinci ani.”

Google poate descifra mai bine cererile utilizatorilor prin identificarea unui tip de vorbire, a nodurilor de entitate sau a unui context de mediu care merge împreună cu căutarea utilizatorului. Puteți folosi aceste informații despre entități pentru a demonstra experiența dvs. de nișă în industrie. Brevetul face referire la „sisteme de dialog” și aplicații mobile.

„Sistemele de dialog convenționale sunt utilizate pe scară largă în industria tehnologiei informației, în special sub formă de aplicații mobile pentru telefoane fără fir și tablete. În general, un sistem de dialog se referă la un agent bazat pe computer care are o interfață centrată pe om pentru accesarea, procesarea, gestionarea și livrarea informațiilor. Sistemele de dialog sunt cunoscute și sub denumirea de sisteme de informații de chat, sisteme de dialog vorbit, agenți de conversație, roboți de chat, chatterbots, chatbots, agenți de chat, asistenți personali digitali, asistenți online automatizați și așa mai departe.” – Brevet US20160259775A1

Acum aceasta este o listă cuprinzătoare de entități de comunicare care se încadrează în „sistem de dialog”! Brevetul explică modul în care Asistentul Google este conceput pentru a se conecta cu cei care caută prin NLP.

„Un sistem de dialog interacționează cu utilizatorii săi în limbaj natural pentru a simula o conversație inteligentă și pentru a oferi asistență personalizată utilizatorilor. De exemplu, un utilizator poate genera solicitări către sistemul de dialog sub formă de întrebări conversaționale, cum ar fi „Unde este cel mai apropiat hotel?” sau „Cum este vremea în Alexandria?” și primiți răspunsuri corespunzătoare din sistemul de dialog sub formă de mesaje audio și/sau afișabile. Utilizatorii pot oferi, de asemenea, comenzi vocale sistemului de dialog... – Patent US20160259775A1

Acum că avem o înțelegere fundamentală a modului în care Căutarea Google utilizează NLP, este fascinant modul în care acest lucru poate influența abordarea noastră față de crearea de conținut și SEO.

Recunoașterea entității denumite în interogare Brevet Google nr. US9009134B2

Starea aplicației sale este activă începând de astăzi, 11 februarie 2020. Acesta explică în continuare o parte a etichetării vocale în informatică și analiza sentimentelor.

Ce este segmentarea interogărilor?

Acest brevet răspunde și definește ce este segmentarea interogărilor. Știind că se referă de obicei la segmentarea unei anumite interogări în unități de dimensiuni mai mici. Ne spune că „Adesea pot exista limitări ale tipurilor de unități segmentate posibile, rezultând o funcționalitate limitată a metodei. Analiza sintactică se concentrează în general pe identificarea structurii lingvistice a unei interogări. Clasificarea interogărilor se împarte în general în două grupe: clasificarea în funcție de intenția de căutare, cum ar fi informațională, de navigare sau tranzacțională; și clasificarea în funcție de semantica unei interogări.”

Acest lucru ar putea fi aplicat „cumpărătorilor” sau „cumpărătorilor”. Ambele forme de clasificare a interogărilor iau în considerare întreaga interogare. Odată clasificat și, de obicei, nu există diagnostice suplimentare privind structura internă a interogării.

De asemenea, aflăm mai multe despre modul în care încearcă să depășească entitățile tematice ambigue și provocările atunci când se utilizează o metodă de învățare nesupravegheată.

„Deoarece subiectele dintr-un model pot fi predefinite și pot fi date posibile subiecte ale unui document, poate fi folosită o nouă metodă de învățare a unui model de subiect, denumită Alocare Dirichlet Latent Supervizată slab (WS-LDA).

Pentru fiecare cuvânt

A. Desenați atribuirea subiectului zn˜Multinomial(θ)

b. Desenați cuvântul wn˜Multinomial(βZn), o distribuție multinomială condiționată de subiectul zn.””

Aflăm că o sursă de date pentru entitățile care se potrivesc poate fi „date din jurnalul de interogări, cum ar fi un jurnal de interogări de la un motor de căutare web comercial”, sau ceva similar. Brevetul oferă exemple de forme de implementare a diferitelor exemple de realizare pentru a sorta entitățile din medii care pot fi citite de computer. Acesta oferă un parțial care include: „RAM, ROM, EEPROM, memorie flash sau altă tehnologie de memorie, CD-ROM, discuri digitale versatile (DVD) sau alte stocări optice, casete magnetice, bandă magnetică, stocare pe disc magnetice sau alte dispozitive de stocare magnetică , sau orice alt mediu care poate fi folosit pentru a stoca informațiile dorite”.

Ajutorul pentru traducerea automată pentru extragerea entităților poate fi găsit în surse deschise de pe web. Este interesant să sari în modelarea personalizată a entităților – mai ales pentru că înțelegerea entităților ne ajută să comunicăm mai bine cu consumatorii reali. Schema de afaceri locale este fundamentală pentru construirea graficului dvs. de cunoștințe și conectarea cu consumatorii locali. Cindy Krum spune asta cel mai bine, așa că o voi cita din nou.

„În general, entitățile oferă Google o înțelegere mai bună și mai profundă a subiectelor, deoarece îi oferă lui Google capacitatea de a dezvolta cu ușurință conexiuni și relații între diferite subiecte (entități). O înțelegere mai profundă a unei Entități și a relațiilor sale, la rândul său, oferă Google posibilitatea de a difuza informații despre Entitate în orice limbă (cu traducere live din API-urile de limbă Google, dacă este necesar), deoarece acum limba are doar un rol de sprijin pentru interogarea – ca un modificator. Orice înțelegere între entități și relații între entități pe care Google le învață într-o limbă poate fi tradus automat în alte limbi, în special în rezultatele găzduite de Google, cu poziție zero, cum ar fi Knowledge Graph.”

Algoritmii Google BERT încearcă să găsească conexiunile potrivite între paginile dvs. publicate și subiectele pe care le identifică. Puteți ajuta Google să găsească „entitățile” potrivite pe site-ul dvs.

Concluzie:

Datele pot servi ca un nou punct de referință. Tehnologia NLP adevărată de bun simț încorporează noi tehnici, cum ar fi modelele de cunoștințe structurate.

Conversațiile de la om la om pot înțelege cu ușurință întrebările adresate pentru a selecta răspunsul corect cu care să răspundeți. Poziția corpului, gesturile, tonul vocii arată clar despre ce este vorba cu adevărat în conversație. NLP ajută mașinile să facă mai bine la fel. Pe măsură ce învăț și experimentez mai multe, voi actualiza acest articol pentru a-l face mai util. Călătoria dvs. folosind NLP și comentariile sunt binevenite.

Găsiți noi modalități de a vă îmbogăți conținutul.

Solicitați auditul dvs. de marcare a schemei de la un furnizor de căutare Minneapolis Pro