Что такое BERT SEO и обработка естественного языка?

Благодаря BERT обработка естественного языка (NLP) стала новым обязательным компонентом каждой мобильной SEO-кампании .

Возможно, вы слышали пословицу «ваши слова определяют вашу судьбу». Точно так же в поисковом маркетинге важно то, как мы используем слова на странице. BERT от Google предлагает информацию об организации результатов поиска. Он иллюстрирует, как отношения между словесными единицами и использованием языка формируют будущее SEO.

Mobile-First Indexing влияет на повышенную зависимость Google от физического (GPS/карты Google) местонахождения искателя. Он также знает языковые настройки искателя на его телефоне и в его учетной записи Google. Это помогает информировать возвращаемые результаты поиска и предлагает более персонализированные результаты поиска.

Как только Google выпустила заявление о том, что алгоритм BERT повлиял на формат поиска, мы поняли, что это заслуживает времени и внимания. Поскольку он направлен на улучшение интерпретации сложных поисковых запросов с длинным хвостом и отображение более релевантных результатов поиска, это самое большое обновление поиска за 5 лет. Только после того, как мы поймем, что на самом деле означают слова, которые включает в себя BERT, мы сможем улучшить поисковый маркетинг.

Вот к чему мы пришли на сегодняшний день.

Что такое БЕРТ?

BERT — это аббревиатура от двунаправленного кодировщика от Transformers. Это метод на основе нейронной сети для предварительного обучения обработке естественного языка. Проще говоря, его можно использовать, чтобы помочь поисковым системам лучше расшифровать контекст слов в поисковых запросах.

Модели BERT превосходят предыдущие возможности. Они оценивают полный контекст слова, рассматривая оба слова, которые стоят ДО и ПОСЛЕ него. Это помогает ему собирать контекст, который особенно полезен для понимания намерения, вызвавшего поисковый запрос.

Что такое организация Google?

25 октября 2016 г. компания Google получила патент № US 9 477 759 B2. В нем сущность Google определяется как «вещь или концепция, которая является единственной, уникальной, четко определенной и различимой». В нем также рассматриваются возможности ответа на вопросы, основанные на ссылках на сущности в неструктурированных данных. Патент объясняет, как Google находит нужную информацию на веб-страницах.

Важно понимать, что сущность не обязательно должна быть физическим объектом, она также может быть цветовым оттенком, датой, ароматом и многим другим. Сущность — это все, что есть: Единственное число. Например, объект может быть человеком, физическим зданием, географическим местоположением, продуктом, звуком, когнитивной идеей, абстрактной концепцией, фактическим элементом или другими существующими вещами. Это также может быть любая их комбинация, чтобы помочь Google сканировать и индексировать сайт.

Entity не принадлежит родительскому узлу; скорее, его потомки доступны только для чтения. Имя сущности хранится в свойстве nodeName . Кроме того, Entity является объектом Node и, следовательно, наследует от него некоторые свойства и методы.

Что такое распознавание сущности?

Распознавание сущностей — это то, что поднимает поиск от строк к вещам. Это помогает Google Search Appliance идентифицировать и классифицировать интересные объекты в документах, а затем сохранять эти объекты в своей библиотеке или поисковом индексе. SEO может обогатить контент с бедным метаданными, чтобы увеличить шансы на получение богатых результатов с помощью текста с использованием НЛП. Термин может быть именем объекта, который после этого упоминается как «именованный объект».

Что такое сопоставление сущности и запроса?

Сопоставление Entity-Query расширяет возможности Google по восприятию контента. Как использовать НЛП для внутренней оптимизации стало главным вопросом в 2020 году. Начинайте каждую контент-маркетинговую кампанию с обширного исследования рынка. Это поможет вам понять контекст, который поисковые системы могут ассоциировать с запросами пользователей по каждой теме.

Как узнать, какие страницы достаточно заслуживают доверия, чтобы увидеть результаты с оптимизацией NLP?

Если у вас уже есть качественный контент по теме и рейтинг для него, у вас больше шансов. Найдите страницу со слабым контентом, которая может занимать высокие позиции в рейтинге благодаря внешним ссылкам, и начните с улучшения этих страниц. Ваш контент будет лучше удовлетворять потребности реальных зрителей, если он написан на естественном языке.

Что такое контекстная обработка естественного языка?

Обработка естественного языка на основе контекста начинается с того, как поисковые системы пытаются идентифицировать контексты, которые могут использоваться для соответствия конкретным запросам пользователей. Он включает в себя обработку таких пользовательских запросов с использованием Dialog System Engine, который опирается на контексты. Обычно они ссылаются на речевые контексты, которые являются источником последовательности пользовательских запросов или ответов диалоговой системы, которые хранятся и классифицируются.

Как поисковые маркетологи могут использовать НЛП для увеличения доходов?

Структурированные данные отражают содержание вашего контента. Если он реализован правильно и поддерживается в актуальном состоянии, он должен это делать. Для сайтов электронной коммерции включите контекстный контент, который может отвечать на поисковые запросы с намерением совершить покупку. Избегайте сущностей НЛП, которые могут иметь негативное значение, например, «подавленный» или «сумасшедший». Требуется иметь общую картину в сравнении с самими ценностями. Это поможет расшифровать мелкие различия в сущностях.

Страница результатов поиска, известная как SERP, чрезвычайно популярна. Правильный контент может помочь вашему бизнесу появиться в таких функциях, как локальные пакеты Google и избранные фрагменты. Приняв образ мышления, ориентированный на BERT, ваша компания может получать звонки от клиентов даже при поиске с нулевым кликом. Добавление семантической обработки в рабочий процесс публикации контента включает использование обработки естественного языка для добавления полезной семантически структурированной информации, описывающей ваш контент. Многочисленные стратегии поиска могут включать NLP для улучшения SEO и вовлечения пользователей.

Область обработки естественного языка развивается огромными шагами. В сочетании с машинным обучением и методами глубокого обучения появляются шаблоны использования слов. Сущности и узлы создают структуру контента из огромных массивов текста. Затем Google выбирает, как он хочет их использовать.

Графики знаний Google отображают связанные объекты. Панель знаний широко известного человека может отображать связь между этим человеком в соответствии с вашим поисковым запросом и другим человеком. Нажав «Просмотреть связь», появится дополнительная информация, включая обоих лиц. Чтобы поэкспериментировать, найдите свою любимую знаменитость, а затем выберите предложенную знаменитость в результатах поисковой выдачи «Люди также ищут». Это один из способов запуска этих связанных узлов сущностей.

Разговорные чат-боты с искусственным интеллектом и голосовые помощники полагаются на современные модели естественного языка, чтобы отвечать на вопросы людей, когда бизнес недоступен. Эти модели можно обучить, чтобы облегчить ориентированный на потребителя подход к ответам на часто задаваемые вопросы.

Должен ли каждый бизнес заботиться о поисковых объектах Google?

Да, те, кто хочет, чтобы его находили в органическом поиске. Цель того, как вы используете объекты в своем контенте, должна включать мотивацию людей к действиям, которые непосредственно связаны с вашими бизнес-целями.

Точное представление названия и юридических лиц вашей компании помогает клиентам найти вашу компанию в Интернете. Это начинается с полностью оптимизированного списка Google My Business со всеми заполненными объектами.

Они, вероятно, никогда бы не подумали об этом таким образом. Микрофон на вашем телефоне всегда слушает. В фоновом режиме машинное обучение оценивает то, что оно слышит от сущностей, которые оно улавливает. Последние версии iPhone и Android показывают расстояние до места, где вы в последний раз слышали ваш разговор. Или где посмотреть фильм, который в последний раз звучал в объявлении по радио/телевидению, которое вы слушаете. Что еще слушает?

Кортана, установленная на моем компьютере, недавно несколько раз говорила мне: «Я смогу научиться понимать вас намного лучше, если смогу познакомиться с тем, как вы говорите». Однако я не разговаривал с ним и не думал, что он «слушает».

В последние несколько месяцев мы видим все больше и больше доказательств того, что Google Mobile-First Indexing — это не просто смена основного поискового робота, а серьезный сдвиг в стратегии Google по организации информации и обработке запросов. Взаимосвязь между языками и сущностями в Mobile-First Indexing, «Entity-First Indexing», невозможно переоценить». – Синди Крам из Mobile Moxie

Как лучше всего использовать слова и фразы в контенте?

Слова в вашем контенте становятся парами сущностей.

Слова в веб-контенте должны звучать так же, как люди говорят, но они должны быть семантически правильными в терминах, которые ищет BERT. Это поможет вам получить наиболее полные результаты в поисковой выдаче.

Ищите отдельные объекты, которые лучше всего связаны с вашей поисковой фразой. Проверьте, как правильно использовать сущности, чтобы добавить значение контекста для читателей. В настоящее время у Google есть лучшие наборы данных, которые помогают алгоритмам учиться.

SEO-специалисты, которым раньше не хватало деловой хватки, сегодня вынуждены понимать бизнес-стратегии и обладать комплексными навыками цифрового маркетинга. Слова или поисковые фразы, используемые в вашем контенте и сообщениях, имеют значение. Каждое предложение должно быть полезным и важным.

Важность модели обработки естественного языка

Зачем вам использовать обработчик NLP API для улучшения сопоставления сущностей и запросов?

Преимущества перехода к более естественному языковому подходу в основном двоякие.

• Это облегчает людям чтение и действия с вашим контентом.
• Это облегчает понимание и каталогизацию вашего контента поисковыми системами.

Вернуться к патенту на ВОПРОС-ОТВЕТ ИСПОЛЬЗОВАНИЕ ССЫЛОК НА СУЩНОСТИ В НЕСТРУКТУРИРОВАННЫХ ДАННЫХ. Это говорит нам о том, что сущность — это то, что люди ищут в Google. Использование НЛП может иметь огромное значение для сайтов электронной коммерции. Внедрите и протестируйте разметку вашего продукта, чтобы упорядочить целевые страницы заданным образом.

Рассмотрим, что говорится в вышеуказанном патенте:

Рассмотрим, что говорится в вышеуказанном патенте:

«Ранжирование одной или нескольких ссылок на объекты на основе соответствующих взвешенных сумм: выбор результата объекта из одного или нескольких объектов в ссылки по меньшей мере частично на основе ранжирования одной или нескольких ссылок на объекты; и предоставление ответа на запрос, основанный, по крайней мере, частично на результате сущности».

Как Google Assistant использует обработку естественного языка

Другой патент Google больше ориентирован на обработку мобильных разговорных поисковых запросов.

Google Assistant — это виртуальный помощник на базе искусственного интеллекта, который может вести персонализированный разговор с пользователем. Он превосходит все остальные в правильном ответе на диалоговые поисковые запросы. Он частично зависит от контекста предыдущих сеансов поиска.

Более свежий патент Google, выданный 19 ноября 2019 года, более непосредственно касается Google Assistant. Он называется «Обработка естественного языка на основе контекста» и информирует нас о методах обработки естественного языка (NLP), которые включают мультимодальную обработку пользовательских запросов. Это было приурочено к объявлению о том, что они используют BERT для более эффективного понимания естественного языка.

Технологический гигант стремится преодолеть свои проблемы, когда сталкивается с запросами запросов, которые «недостаточно понятны, если их рассматривать по отдельности или изолированно». 25 октября 2019 г. стипендиат Google и вице-президент по поиску Панду Наяк опубликовал статью под названием "Понимание поиска лучше, чем когда-либо прежде". Он сказал: «Каждый день мы видим миллиарды поисковых запросов, и 15% из них — это запросы, которых мы раньше не видели, поэтому мы разработали способы возврата результатов для запросов, которые мы не можем предвидеть».

Благодаря алгоритму BERT теперь даже небольшие слова могут помочь лучше понять цель поиска.

«Слово «к» и его связь с другими словами в запросе особенно важны для понимания смысла. Речь идет о бразильце, путешествующем в США, а не наоборот. Раньше наши алгоритмы не понимали важность этой связи, и мы возвращали результаты о гражданах США, путешествующих в Бразилию. С помощью BERT поиск может уловить этот нюанс и понять, что очень распространенное слово «кому» на самом деле имеет здесь большое значение, и мы можем предоставить гораздо более релевантный результат для этого запроса». - Google

BERT обеспечивает лучшее понимание слов и языка

«Понимание языка — это ключ ко всему, что мы делаем в поиске, — сказал Панду Наяк. «Это единственное, самое большое и самое позитивное изменение за последние пять лет».

Google может лучше расшифровывать запросы пользователей, определяя тип речи, узлы сущностей или контекст среды, сопровождающий поиск пользователя. Вы можете использовать эти сведения о сущностях, чтобы продемонстрировать свои знания в отраслевой нише. В патенте упоминаются «диалоговые системы» и мобильные приложения.

«Обычные диалоговые системы широко используются в индустрии информационных технологий, особенно в виде мобильных приложений для беспроводных телефонов и планшетных компьютеров. Как правило, диалоговая система относится к компьютерному агенту, имеющему ориентированный на человека интерфейс для доступа, обработки, управления и доставки информации. Диалоговые системы также известны как информационные системы чата, голосовые диалоговые системы, диалоговые агенты, чат-роботы, чат-боты, чат-боты, чат-агенты, цифровые персональные помощники, автоматизированные онлайн-помощники и так далее». – Патент US20160259775A1

Вот полный список коммуникационных объектов, подпадающих под «систему диалога»! Патент объясняет, как Google Assistant предназначен для связи с поисковиками через NLP.

«Диалоговая система взаимодействует со своими пользователями на естественном языке, имитируя интеллектуальный разговор и предоставляя персонализированную помощь пользователям. Например, пользователь может генерировать запросы к диалоговой системе в виде диалоговых вопросов, таких как «Где ближайшая гостиница?» или «Какая погода в Александрии?» и получать соответствующие ответы от диалоговой системы в виде звуковых и/или отображаемых сообщений. Пользователи также могут давать голосовые команды диалоговой системе… — Патент US20160259775A1.

Теперь, когда у нас есть базовое представление о том, как Google Search использует NLP, удивительно, как это может повлиять на наш подход к созданию контента и поисковой оптимизации.

Распознавание именованных объектов в запросе Патент Google № US9009134B2

Статус его приложения активен на сегодняшний день, 11 февраля 2020 г. Он также объясняет часть тегов речи в информатике и анализе настроений.

Что такое сегментация запросов?

Этот патент отвечает и определяет, что такое сегментация запросов. Зная, что это обычно относится к сегментации конкретного запроса на блоки меньшего размера. Он говорит нам, что «Часто могут быть ограничения на типы возможных сегментированных единиц, что приводит к ограниченной функциональности метода. Синтаксический анализ обычно фокусируется на определении лингвистической структуры запроса. Классификация запросов обычно делится на две группы: классификация по цели поиска, например информационная, навигационная или транзакционная; и классификация в соответствии с семантикой запроса».

Это может быть применено к «покупке» или «покупателям». Обе формы классификации запросов рассматривают весь запрос. После классификации и дальнейшей диагностики внутренней структуры запроса обычно не проводится.

Мы также узнаем больше о том, как он пытается преодолеть неоднозначные темы и проблемы при использовании метода обучения без учителя.

«Поскольку темы в модели могут быть предопределены, а возможные темы документа могут быть заданы, можно использовать новый метод изучения тематической модели, называемый скрытым распределением Дирихле со слабым наблюдением (WS-LDA).

Для каждого слова

а. Назначение темы рисования zn˜Multinomial(θ)

б. Нарисуйте слово wn˜Multinomial(βZn), полиномиальное распределение, обусловленное темой zn».

Мы узнаем, что одним из источников данных для сопоставления сущностей могут быть «данные журнала запросов, такие как журнал запросов из коммерческой поисковой системы в Интернете» или что-то подобное. Патент предлагает примеры форм реализации различных вариантов осуществления для сортировки сущностей на машиночитаемых носителях. Он предоставляет часть, которая включает: «RAM, ROM, EEPROM, флэш-память или другую технологию памяти, CD-ROM, цифровые универсальные диски (DVD) или другое оптическое хранилище, магнитные кассеты, магнитную ленту, хранилище на магнитных дисках или другие магнитные запоминающие устройства. или любой другой носитель, который можно использовать для хранения желаемой информации».

Справку по машинному переводу для извлечения сущностей можно найти в открытых источниках в Интернете. Очень интересно перейти к моделированию пользовательских сущностей, особенно потому, что понимание сущностей помогает нам лучше общаться с реальными потребителями. Местная бизнес-схема является основой для построения сети знаний и связи с местными потребителями. Лучше всего об этом говорит Синди Крам, так что я снова ее процитирую.

«В целом, сущности обеспечивают Google лучшее и более глубокое понимание тем, потому что они дают Google возможность легко устанавливать связи и отношения между различными темами (сущностями). Более глубокое понимание Сущности и ее взаимосвязей, в свою очередь, дает Google возможность потенциально обслуживать информацию о Сущности на любом языке (при необходимости с живым переводом из языковых API Google), поскольку теперь язык играет только вспомогательную роль для запрос – как модификатор. Любое понимание сущностей и отношений сущностей, которые Google изучает на одном языке, может быть автоматически переведено на другие языки, особенно в размещенных Google результатах с нулевой позицией, таких как Knowledge Graph».

Алгоритмы Google BERT пытаются найти правильные связи между вашими опубликованными страницами и темами, которые они определяют. Вы можете помочь Google найти нужные «сущности» на вашем сайте.

Заключение:

Данные могут служить новым эталоном. Настоящая технология НЛП, основанная на здравом смысле, включает в себя новые методы, такие как структурированные модели знаний.

Разговоры между людьми могут легко понять заданные вопросы, чтобы выбрать правильный ответ для ответа. Поза тела, жесты, тон голоса — все это дает понять, о чем разговор на самом деле. НЛП помогает машинам делать то же самое лучше. По мере того, как я буду больше учиться и экспериментировать, я буду обновлять эту статью, чтобы сделать ее более полезной. Ваше путешествие с использованием НЛП и комментарии приветствуются.

Найдите новые способы обогатить свой контент.

Запросите аудит разметки схемы у поставщика поиска Minneapolis Pro