自我学习机器人 VS 搜索引擎优化分析

时间:2018-06-22 17:00    分类:seo优化
抖音运营核心操作一步到位

在SEO优化的世界中,了解您正在优化的系统非常重要。

你需要了解如何:

  • 搜索引擎抓取和索引网站。
  • 搜索算法功能。
  • 搜索引擎将用户意图视为排名信号(以及它们可能随之而来的位置)。

另一个需要了解的重要领域是机器学习。

现在,“机器学习”这个词汇近来屡屡出现。

但如何学习机真正影响搜索和搜索引擎优化?

石家庄SEO优化将在本文探讨您需要了解的关于搜索引擎如何使用机器学习的一切。

 

什么是机器学习?

机器学习 VS 搜索引擎优化分析

很难理解搜索引擎如何使用机器学习,而不知道实际的机器学习是什么。

让我们从定义(由斯坦福大学在Coursera的课程描述中提供)开始,然后再进行实际解释:

“机器学习是让计算机在没有明确编程的情况下采取行动的科学。”

在我们继续之前快速拨动...

机器学习与人工智能(AI)不同,但该应用开始变得模糊。

如上所述,机器学习是让计算机根据信息得出结论的科学,但没有专门针对如何完成所述任务编程。

另一方面,人工智能是创建系统的科学,它或者拥有或者似乎拥有类似于人类的智能和以类似方式处理信息。

想想这种差异:

机器学习是一个旨在解决问题的系统。它以数学方式生成解决方案。该解决方案可以专门编程或由人工编制,但如果没有这种需求,解决方案会更快。

一个很好的例子就是设置一台机器,通过数据描述肿瘤的大小和位置,而不用编程寻找它。该机器将被给出已知的良性和恶性结论的列表。因此,我们会要求系统为未来与肿瘤的接触产生一个预测模型,以提前根据所分析的数据产生可能性。

这纯粹是数学的。

几百名数学家可以做到这一点 - 但需要他们多年(假设一个非常大的数据库),并希望他们都不会犯任何错误。或者,这个相同的任务可以通过机器学习完成 - 时间要少得多。

另一方面,当我开始思考人工智能时,我开始思考一个涉及创意的系统,因此变得不太可预测。

在同一个任务上设置的人工智能可以简单地引用关于该主题的文档并从以前的研究中得出结论。或者它可能会将新数据添加到混合中。或者可能开始工作在一个新的电动引擎系统上,在最初的任务之前。它可能不会在Facebook上分心,但你会得到我要去的地方。

关键词是情报。虽然是人为的,但为了达到标准,它必须是真实的,从而产生变量和未知数,类似于我们在与我们周围的人互动时遇到的情况。

 

返回机器学习和搜索引擎

目前,搜索引擎(以及大多数科学家)正在努力发展的是机器学习。

谷歌有一个免费的课程,已经使其机器学习框架TensorFlow开源,并且正在硬件上投入大量资金来运行它。

基本上,这是未来,所以最好理解它。

尽管我们不可能在Googleplex上列出(甚至不知道)机器学习的每一个应用,但让我们看看几个已知的例子:

 

RankBrain

关于Google上的机器学习的文章是完整的,而没有提及他们在搜索中首次实现机器学习算法并且仍然高度相关?

没错,我们正在谈论RankBrain。

从本质上讲,系统只是通过对实体的理解(一种事物或概念是单一的,独特的,明确定义和可区分的),并且负责理解这些实体如何在查询中连接以帮助更好地理解查询和一套已知的好答案。

这些是对实体和RankBrain的粗暴简化解释,但它符合我们的目的。

因此,谷歌给了系统一些数据(查询),并可能有一组已知的实体。我将猜测下一个过程,但逻辑上,系统将根据实体的种子集来训练自己如何识别遇到的未知实体。如果系统无法理解新的电影名称,日期等,该系统将毫无用处。

一旦系统有了这个过程并取得了令人满意的结果,那么他们就会责成自己如何理解实体之间的关系以及隐含或直接要求的数据,并在索引中寻找适当的结果。

该系统解决了困扰Google的许多问题。

在有关替换页面的页面中包含关键字(如“我如何替换我的S7屏幕”)的要求不应该是必需的。如果包含“替换”,在这种情况下,您也不应该包含“修复”,因为它们通常意味着相同的事情。

RankBrain使用机器学习来:

 

  • 不断了解实体及其关系的连通性。
  • 了解单词何时是同义词,何时不是(在这种情况下,替换和修复可能是同义词,但如果我正在查询“如何修理我的车”)。
  • 指导算法的其他部分产生正确的SERP。

 

在第一次迭代中,RankBrain在Google之前从未遇到过的查询中进行了测试。这非常合理,是一个很好的测试。

如果RankBrain可以提高可能未针对优化的查询结果,并且会涉及到新老实体和服务组合,那么一组可能会开始出现低效结果的用户应该在全球部署。

而且它是在2016年。

让我们来看看我在上面引用的两个结果(值得注意的是,我正在写这篇文章和这个例子,然后想要获得屏幕截图 - 这只是它的工作原理和自己尝试的方法......几乎适用于所有情况在不同的措辞意味着同样的事情):

 

机器学习 VS 搜索引擎优化分析

 

与排名第一和第二的网站排名有些非常细微的差异,但在核心,这是相同的结果。

现在让我们看看我的汽车示例:

 

机器学习 VS 搜索引擎优化分析

 

机器学习有助于Google不仅了解查询中的相似之处,而且我们还可以看到它确定如果我需要修理我的汽车,我可能需要一名机械师(称呼Google),而替换它可能指的是零件或需要政府文件来取代整个事情。

我们也可以在这里看到机器学习并没有完全想到它。

当我问它如何更换我的汽车时,我可能是指整个事情,或者我已经列出了我想要的部分。但它会学习......它仍处于起步阶段。另外,我是加拿大人,所以DMV并不适用。

所以我们在这里看到了机器学习在确定查询意义,SERP布局以及可能的必要行动路线以满足我的意图的例子。

并非所有这些都是RankBrain,但它都是机器学习。

 

垃圾邮件

如果您使用Gmail或几乎任何其他电子邮件系统,您也可以在工作中看到机器学习。

据谷歌称,他们现在阻止了99.9%的垃圾邮件和网络钓鱼电子邮件,误报率仅为0.05%。

他们使用相同的核心技术来完成这一任务 - 为机器学习系统提供一些数据并让其发挥作用。

如果要手动编程所有可以在垃圾邮件过滤中获得99.9%成功率的排列,并在新技术上动态调整,那么如果可能的话,这将是一项繁重的任务。当他们以这种方式做事时,他们以97%的成功率和1%的误报率(意味着1%的真实消息被发送到垃圾邮件文件夹 - 如果重要的话不可接受)。

输入机器学习 - 设置所有可以确认的垃圾信息,让它建立一个围绕它们相似之处的模型,输入一些新的信息并给它一个成功选择垃圾信息的奖励,而不是很多),它会学到更多的信号,并且反应速度远远超过人类所能做到的。

将其设置为监视用户与新电子邮件结构的交互情况,并在获知正在使用新的垃圾邮件技术时,将其添加到混合中,并且不仅过滤这些电子邮件,还会使用类似技术将电子邮件过滤到垃圾邮件文件夹。

 

那么机器学习如何工作?

本文承诺是机器学习的解释,而不仅仅是一个例子列表。

然而,这些例子对于说明一个相当容易解释的模型是必要的。

让我们不要将此与易于构建相混淆,只需简单了解我们需要知道的内容。

通用的机器学习模型遵循以下顺序:

 

  • 为系统提供一组已知数据。也就是说,一组具有大量可能变量的数据与已知的正面或负面结果相关联。这被用来训练系统并给它一个起点。基本上,它现在理解如何基于过去的数据来识别和权衡因素以产生积极的结果。
  • 设定成功的奖励。一旦系统与起始数据一起调节,它将被输入新的数据,但没有已知的正或负结果。系统不知道新实体的关系或电子邮件是否为垃圾邮件。当它选择正确时,它会得到奖励,但显然不是巧克力棒。一个例子就是给系统一个奖励值,其目标是达到可能的最高数量。每次选择正确答案时,都会添加此分数。
  • 把它放松。一旦成功度量足够高以超过现有系统或达到另一个阈值,机器学习系统就可以作为一个整体与算法集成。

 

这个模型被称为监督学习,如果我的猜测是正确的,那么它就是大多数Google算法实现中使用的模型。

机器学习的另一个模型是无监督模型。从Coursera关于机器学习的伟大课程中使用的示例中,可以看出这是用于在Google新闻中对类似故事进行分组的模型,并且可以推断出它在其他地方使用,如识别和分组包含相同或Google图片中类似的人。

在这个模型中,系统没有被告知它在寻找什么,而是简单地指示将实体(图像,文章等)按类似的特征(它们包含的实体,关键词,关系,作者等)分组成组,

 

为什么这很重要?

了解什么是机器学习将是至关重要的,如果你想了解为什么以及如何布置SERP以及为什么页面排名在他们的位置。

理解一个算法因素是一回事 - 这是一件很重要的事情 - 但要理解这些因素加权的系统即使不是更重要,也是同等重要的。

例如,如果我是为一家出售汽车的公司工作,那么我会特别注意SERP结果中缺少可用的相关信息,以上所示的查询。结果显然不是成功的。发现哪些内容会成功并生成它。

关注Google认为可能满足用户意图的内容类型(帖子,图片,新闻,视频,购物,特色片段等)并努力提供。

我喜欢考虑机器学习及其演变,相当于让一位Google工程师坐在每位搜索者身后,在发送到设备之前调整他们看到的内容以及他们的看法。但更好 - 那个工程师像Borg那样和其他工程师学习全球规则。

但我们会在用户意图的下一部分中进一步讨论。

 

今天跟大家分享到这里,感谢阅读,我是石家庄SEO的负责人赵泽杨,提供网站建设,优化排名,营销推广服务,有需要的朋友可以加我

唯心/QQ:1057425140

by一个帅气的男孩儿

您可能感兴趣的文章

本文地址:http://www.boyseo.cn/629.html
文章标签:
版权声明:本文为原创文章,版权归 石家庄SEO 所有,欢迎分享本文,转载请保留出处!

文件下载

抖音最新变现秘籍

上一篇:
下一篇: