نوشته قبلی نوشته بعدی الگوریتم جدید Google ممکن است رتبه بندی صفحه را بروز کند

الگوریتم جدید Google ممکن است رتبه بندی صفحه را بروز کند

الگوریتم جدید Google ممکن است رتبه بندی صفحه را بروز کند منتشر شده در آوریل 6, 2020ارسال دیدگاه

علاقه مند به حوزه Seo & Sem

مقاله تحقیقاتی جدیدی که توسط Google منتشر شده است ، روش جدیدی را برای بهبود نحوه رتبه بندی صفحات وب شرح می دهد. این الگوریتم ادعا می کند پیشرفت های قابل توجهی در الگوریتم های شبکه عصبی عمیق که محاسبه ارتباط است.

این الگوریتم جدید در مورد روش رتبه بندی صفحات وب موسوم به " توابع نمره گذاری گروه بندی" بحث می کند.

تبلیغات
ادامه خواندن زیر

بدون تأیید از طرف Google ، ما نمی توانیم به طور مشخص بدانیم که آیا این مورد در حال استفاده است. اما از آنجا که پیشرفت های چشمگیری توسط محققان ادعا شده است ، به نظر من دور از ذهن نیست که در نظر بگیریم که این الگوریتم ممکن است توسط گوگل مورد استفاده قرار گیرد.

آیا Google از الگوریتم های منتشر شده استفاده می کند؟

گوگل در گذشته اظهار داشته است كه: "مقالات تحقیق Google به طور كلی نباید تصور شود كه چیزی است كه در حقیقت در حال جستجو است."

Google به ندرت تأیید می کند که الگوریتم های توصیف شده در حق ثبت اختراع یا مقالات تحقیقاتی در حال استفاده هستند. در مورد این الگوریتم هم همینطور است.

آیا این الگوریتم بخشی از به روزرسانی هسته اصلی مارس ۲۰۱۹ است؟

این مقاله تحقیق نشان می دهد که چگونه گوگل بر درک سؤالات جستجو و فهمیدن صفحات وب تمرکز دارد. این نمونه ای از تحقیقات اخیر Google است.

تبلیغات
ادامه خواندن زیر

گوگل اخیراً یک بروزرسانی اصلی را ارائه داده است که گزارش می شود در بین سالهای بزرگترین. آیا این الگوریتم بخشی از آن تغییر است؟ ما نمی دانیم و احتمالاً هرگز نمی دانیم. گوگل به ندرت در مورد الگوریتم های خاص بحث می کند.

به نظر من ، این امکان وجود دارد که چیزی شبیه به این بتواند بخشی از بروزرسانی چند بخشی از الگوریتم رتبه بندی جستجوی گوگل باشد. من اعتقاد ندارم که تنها من معتقدم الگوریتم Core Ranking March March 2019 شامل یک سری پیشرفت است.

چرا این الگوریتم مهم است

مقاله تحقیق با ذکر این نکته که الگوریتم های یادگیری ماشین شروع به کار می کند و به صفحات وب به صورت جداگانه ، هر صفحه وب به صورت جداگانه از سایر صفحات وب ، مقادیر می دهد. سپس الگوریتم ها صفحات وب را در رقابت با سایر صفحات وب قرار می دهند تا دریابند کدام صفحه وب بیشترین ارتباط را دارد.

تبلیغات
ادامه خواندن زیر

در اینجا نحوه کار الگوریتم های فعلی توضیح داده شده است:

"در حالی که در یک طبقه بندی یا رگرسیون تنظیمات ، برچسب یا مقدار به هر یک از اسناد جداگانه اختصاص می یابد ، در یک رتبه بندی ترتیب مربوط به ترتیب کل لیست اسناد ورودی را تعیین می کنیم."

مقاله تحقیق سپس پیشنهاد می کند که با توجه به سن همه صفحات وب مربوطه می تواند سرنوشت آنچه کاربران می خواهند ارائه دهد. بنابراین به جای این که همه صفحات وب را در برابر دیگری قرار دهید ، با مرور سن صفحات وب ، الگوریتم رتبه بندی بهتر می تواند آنچه را که کاربر می خواهد بفهمد و یک صفحه وب بهتر را انتخاب کند.

پیشنهاد ویژه  7 تاکتیک وحشتناک و بدون SEO برای رها کردن برای همیشه لطفا برای

این روش مقاله الگوریتم جدید را شرح می دهد:

اکثریت الگوریتمهای یادگیری به مرتبه موجود ، چنین نسبیتی را در سطح تلفات با استفاده از توابع از دست دادن به صورت جفت یا لیست بندی مدل می کنند. با این حال ، آنها به توابع نمره گذاری نقطه ای محدود می شوند ، یعنی نمره مربوط به یک سند صرف نظر از سایر اسناد موجود در لیست ، براساس خود سند محاسبه می شود.

… نمره ارتباط یک سؤال با یک پرس و جو مستقل از سایر اسناد موجود در لیست محاسبه می شود. این تنظیم به دلایل مختلف می تواند برای رتبه بندی مشکلات بهینه تر باشد. "

تبلیغات
ادامه خواندن زیر

مقایسه متقابل اسناد

مقاله تحقیق سپس نشان می دهد كه چگونه روش فعلی رتبه بندی صفحات وب فرصتی برای بهبود ارتباط نتایج جستجو را از دست نمی دهد.

این مثالی است که مقاله تحقیق برای نشان دادن مسئله و راه حل استفاده می کند:

"یک سناریوی جستجو را در نظر بگیرید که کاربر در جستجوی نام یک هنرمند موسیقی است. اگر تمام نتایج برگشت داده شده توسط پرس و جو (به عنوان مثال ، کالوین هریس) اخیر باشد ، ممکن است کاربر به آخرین اخبار یا اطلاعات تور علاقه مند باشد.

اگر از طرف دیگر ، بیشتر نتایج پرس و جو قدیمی تر باشد (به عنوان مثال ، sinatra صریح) ، بیشتر محتمل است که کاربر بخواهد درباره دیسکوگرافی یا بیوگرافی هنرمند اطلاعاتی کسب کند. بنابراین ، ارتباط هر سند به توزیع کل لیست بستگی دارد. "

تبلیغات
ادامه خواندن زیر

در این مثال ، سن صفحات وب مربوط به جستجوی جستجو می تواند به تصحیح کدام پاسخ بهترین پاسخ کمک کند.

پیشنهاد ویژه  سایت گوگل کیت آسیب پذیری های پلاگین وردپرس

الگوبرداری از رفتار انسان برای دقت بیشتر

در این مقاله تحقیق آمده است كه كاربران موتورهای جستجو تمایل دارند نتایج جستجو را نسبت به سایر صفحات وب مقایسه كنند. آنها سپس پیشنهاد می کنند که یک مدل رتبه بندی که همان کار را انجام می دهد ، دقیق تر است.

"… تعامل کاربر با نتایج جستجو الگوهای مقایسه قوی را نشان می دهد. تحقیقات قبلی نشان می دهد که قضاوت های ترجیحی با مقایسه یک جفت اسناد سریعتر به دست می آیند و نسبت به رتبه های مطلق سازگارتر هستند. "

همچنین ، قابلیت پیش بینی بهتر زمانی حاصل می شود که اقدامات کاربر به صورت نسبی الگوبرداری شود … این نشان می دهد که کاربران قبل از کلیک ، سند کلیک شده را با اسناد اطراف آن مقایسه می کنند ، و یک مدل رتبه بندی که از مکانیزم مقایسه مستقیم استفاده می کند ، می تواند موثرتر باشد. رفتار کاربر را با ایمان تر تقلید می کند. "

تبلیغات
ادامه خواندن زیر

الگوریتم جدید کار می کند

هنگام بررسی الگوریتم ، توجه به این نکته ضروری است که آیا محققان اظهار داشته اند که این وضعیت باعث بهبود و پیشرفت وضعیت هنر شده است.

در برخی از مقالات تحقیق آمده است که پیشرفت ها حداقل بوده و هزینه دستیابی به این دستاوردها قابل توجه است (زمان و سخت افزار). من تحقیقات کمتری را بعنوان کاندیدای خوب برای گنجاندن در الگوریتم های جستجوی گوگل می دانم.

وقتی یک مقاله تحقیقاتی پیشرفتهای چشمگیری را به همراه حداقل هزینه گزارش می دهد ، به نظر من این نوع الگوریتم ها احتمال بیشتری برای ورود به الگوریتم های گوگل دارند.

محققان به این نتیجه رسیدند که این روش جدید شبکه عصبی عمیق و مدلهای مبتنی بر درخت را بهبود می بخشد. به عبارت دیگر ، این مفید است. گوگل هرگز نمی گوید الگوریتم مورد استفاده قرار می گیرد یا چگونه از آن استفاده می شود. اما دانستن اینکه یک الگوریتم پیشرفت های چشمگیری را ارائه می دهد و می تواند مقیاس را بهبود بخشد ، احتمال استفاده از این الگوریتم توسط گوگل را در صورتی که در حال حاضر نباشد در آینده در برخی از نقاط ممکن است.

تبلیغات
ادامه خواندن زیر

این ارزش آگاهی در مورد تحقیقات بازیابی اطلاعات است. می دانید چه چیزی ممکن است. درک اینکه چیزی مورد مطالعه قرار نگرفته است سرنخ قوی است که یک نظریه در مورد آنچه گوگل انجام می دهد محتمل نیست.

پیشنهاد ویژه  نحوه قرار دادن داده ردیاب رتبه بندی شده خود را در عمل

به عنوان مثال ، مطالعات همبستگی باعث شد تا جامعه سئو معتقد باشد که لایک فیس بوک یک عامل رتبه بندی است. اما اگر این SEO ها زحمت خواندن مقاله های تحقیقاتی را پیدا کرده بودند ، می دانستند که چنین چیزی بسیار بعید است.

در این مورد ، محققان اظهار داشتند که این روش بسیار موفق است. در نقل قول زیر ، توجه داشته باشید که DNN به معنای شبکه های عصبی عمیق است. GSF به معنای عملکرد نمره گذاری گروهی است.

نتیجه گیری:

"نتایج تجربی نشان می دهد که GSF ها به طور قابل توجهی از چندین مدل برتر DNN و مبتنی بر درخت بهره مند می شوند …"

تبلیغات
ادامه خواندن زیر

چگونه این می تواند به SEO شما کمک کند

رتبه بندی در Google به طور فزاینده ای در مورد عوامل سنتی رتبه بندی کمتر است. عوامل رتبه بندی بیست ساله مانند متن لنگر ، برچسب ها و پیوندها از اهمیت برخوردار می شوند.

این مقاله تحقیق نشان می دهد که در نظر گرفتن مشترکات بین صفحات مربوطه می تواند سرنخ هایی را برای آنچه کاربران می خواهند فراهم کند. حتی اگر Google از این الگوریتم برای رتبه بندی صفحات وب استفاده نمی کند ، این مفهوم هنوز هم برای شما مفید است.

دانستن آنچه کاربران می خواهند می تواند به شما در درک بهتر نیازهای اطلاعاتی کاربر کمک کند و صفحات وب ایجاد کند که این نیازها را بهتر برآورده سازد.

و این ممکن است توانایی شما در رتبه بندی را افزایش دهد. هویج را تعقیب کنید نه چوب.

مقاله تحقیق را اینجا بخوانید:
یادگیری توابع به ثمر رساندن به صورت گروهی با استفاده از شبکه های عصبی عمیق (PDF)

تبلیغات
ادامه خواندن زیر

منابع بیشتر

تصاویر توسط Shutterstock ، اصلاح شده توسط نویسنده

منبع مقاله

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *