ستساعدك المقالة التالية: جوجل تنشر بحثًا جديدًا للخوارزميات
نشرت شركة Google Research للتو ورقة بحثية توضح بالتفصيل خوارزمية جديدة تقترح طريقة جديدة للإجابة على الاستفسارات. إذا تم تطبيق هذه الخوارزمية في المستقبل، فإنها ستغير تأثير عوامل التصنيف التقليدية لتحديد ما يتم تصنيفه. على المدى القصير، يوفر هذا البحث نظرة ثاقبة لما تعنيه Google عندما يقولون إنه تم إجراء تحديث الخوارزمية لتحسين الملاءمة.
أعلنت شركة Google Research عن ورقة بحثية جديدة عبر Twitter.
الخوارزمية الجديدة باللغة الإنجليزية البسيطة
نشرت شركة Google Research بحثًا جديدًا في المؤتمر الدولي السادس لتمثيلات التعلم. نشر تم الإعلان عن طريق Twitter.
الورقة بعنوان، اطرح الأسئلة الصحيحة: إعادة صياغة الأسئلة النشطة مع التعلم المعزز (بي دي إف).
تناقش الورقة البحثية طريقة إعادة صياغة الاستعلامات ثم عرض تلك الاستعلامات على محرك التصنيف. إعادة صياغة الاستعلام واستخلاصه قيد الاستخدام بالفعل في Google. وهذا شكل من أشكال هذا النهج.
الجديد هو أن هذه خوارزمية تعلم آلي تستخدم نهج التعلم المعزز. علاوة على ذلك، ليس لدى الخوارزمية أي معرفة بكيفية عمل نظام التصنيف. إنه يطرح أسئلة مما تتعلمه خوارزمية الصندوق الأسود بعد ذلك. تستخدم هذه الخوارزمية الجديدة نظامًا تعليميًا يعيد صياغة استعلام المستخدم، ويطرح على محرك التصنيف العديد من الأسئلة، ثم يختار أفضل الإجابات من مجموعات الإجابات المتعددة.
كيف تعمل هذه الخوارزمية
فيما يلي لقطة شاشة لتوضيح من ورقة البحث التي تلخص كيفية عمل خوارزمية التعلم الآلي:
يسأل المستخدم السؤال. تقوم خوارزمية التعلم الآلي (المسمى بالوكيل) بإعادة صياغة هذا السؤال إلى أسئلة متعددة ثم ترسلها إلى خوارزمية التصنيف. تقوم خوارزمية الترتيب بإرجاع مجموعات من النتائج ويختار الوكيل أفضل إجابة.
وإليك ما تنص عليه وثيقة البحث:
“في مواجهة الاحتياجات المعقدة من المعلومات، يتغلب البشر على عدم اليقين من خلال إعادة صياغة الأسئلة، وإصدار عمليات بحث متعددة، وتجميع الاستجابات. مستوحاة من قدرة البشر على طرح الأسئلة الصحيحة، نقدم وكيلًا يتعلم تنفيذ هذه العملية للمستخدم. يقع الوكيل بين المستخدم ونظام ضمان الجودة الخلفي الذي نشير إليه باسم “البيئة”.
نطلق على الوكيل اسم AQA، لأنه ينفذ إستراتيجية نشطة للإجابة على الأسئلة. يهدف AQA إلى تعظيم فرصة الحصول على الإجابة الصحيحة عن طريق إرسال سؤال معاد صياغته إلى البيئة.
يسعى الوكيل للعثور على أفضل إجابة من خلال طرح العديد من الأسئلة وتجميع الأدلة التي تم إرجاعها. إن الأجزاء الداخلية للبيئة غير متاحة للعميل، لذلك يجب أن يتعلم كيفية استكشاف الصندوق الأسود على النحو الأمثل باستخدام سلاسل الأسئلة فقط.
الوجبات الجاهزة: لماذا هذه الخوارزمية مهمة
هذه الخوارزمية عبارة عن طريقة عرض لطريقة للتعلم الآلي تسمى التعلم المعزز. تم استخدام خوارزميات التعلم المعزز لتعلم كيفية لعب Go وCan لعب ألعاب الفيديو مثل Doom.
تعتبر هذه الخوارزمية الخاصة مثيرة للاهتمام بالنسبة إلى تحسين محركات البحث لأنها توضح كيف يمكن للخوارزمية أن تتواجد بين المستخدم وخوارزمية الترتيب العادية وتتخذ القرارات. لذلك بدلاً من أن تحدد خوارزمية الترتيب ما سيتم عرضه في صفحات نتائج محرك البحث (SERPs)، فإن خوارزمية التعلم الآلي هذه هي التي تتخذ القرارات.
يعد هذا النوع من التصنيف خروجًا عن الطريقة التي يعتقد بها مجتمع تحسين محركات البحث (SEO) تقليديًا أن محركات البحث تقوم بتصنيف صفحات الويب. الفهم التقليدي هو أن عوامل التصنيف مثل الروابط والنص في علامة العنوان ونص الرابط وعوامل التصنيف الأخرى هي العوامل الحاسمة لما تم تصنيفه من الأول إلى العاشر في نتائج البحث.
عوامل مثل الروابط هي عامل تصنيف مهم. ولكن مع هذا النوع من الخوارزميات، تساهم الروابط في تحديد صفحات الويب التي سيتم النظر فيها للتصنيف ولكنها ليست العامل الحاسم.
إنها مهمة خوارزمية أخرى تأخذ تلك المجموعات من الصفحات وتقرر أي الصفحات تجيب على السؤال بشكل أفضل.
هل سبق لك أن شاهدت صفحة ويب بها روابط أقل مرتبة فوق الصفحات الأخرى التي تحتوي على روابط أكثر؟ من المحتمل أن تكون هناك خوارزمية بين المستخدم وخوارزمية التصنيف التي تقرر أن نوعًا معينًا من المواقع هو الإجابة الأفضل.
ماذا تفعل بشأن عوامل التصنيف؟
لم تعد خوارزمية التصنيف هي التي تحدد المواقع التي سيتم تصنيفها في المراكز العشرة الأولى. ولهذا السبب قد لا تكون دراسات عوامل الترتيب التي تجمع ملايين نتائج البحث دقيقة. تفترض دراسات عوامل التصنيف أن عوامل التصنيف هي المسؤولة عن النتائج العشرة الأولى.
لكن عوامل التصنيف لا تحدد دائمًا ما هي المراتب العشرة الأولى. ولهذا السبب قد تكون دراسات عامل التصنيف غير موثوقة.
على الرغم من أن هذه الخوارزمية المحددة قد لا تكون قيد الاستخدام حاليًا، إلا أن هناك خوارزميات أخرى موجودة بالفعل تؤدي وظيفة مماثلة عن طريق تنحية نتائج خوارزمية التصنيف جانبًا وإعادة ترتيب نتائج SERP باستخدام عوامل ليست عوامل تصنيف.
على سبيل المثال، لدى جوجل براءة اختراع لطريقة لإعادة ترتيب نتائج البحث تسمى، ترتيب نتائج البحث يذكر استخدام محرك التعديل.
“يتضمن نظام البحث 114 أيضًا أو يمكنه التواصل مع محرك تعديل النتيجة 140 الذي يولد عوامل التعديل التي يطبقها نظام البحث 114 على الدرجات الأولية التي يولدها محرك البحث 130 للموارد التي تطابق الاستعلام 110. محرك تعديل النتيجة 140 يمكن أن تولد عوامل التعديل بناءً على الأقل جزئيًا على بيانات التعديل التي تربط عامل التعديل المعني بكل مجموعة من مجموعات الموارد المتعددة. يتم تخزين بيانات التعديل في مستودع يمكن للنظام الوصول إليه، على سبيل المثال، قاعدة بيانات عامل التعديل 150.”
إعادة ترتيب نتائج البحث ليست فكرة جديدة. نشرت شركة مايكروسوفت ورقة بحثية حول إعادة ترتيب نتائج البحث منذ عام 2005، في ورقة بحثية بعنوان، تحسين نتائج بحث الويب باستخدام الرسم البياني المتقارب. كان الغرض من هذه الخوارزمية هو خدمة نية المستخدم بشكل أكثر دقة لاستعلامات البحث الغامضة.
الوجبات الجاهزة رقم 2: كيف يؤثر هذا على تحسين محركات البحث؟
قد يؤثر هذا على تحسين محركات البحث في المستقبل وقد تكون النتيجة تركيزًا أقوى على تلبية نية المستخدم. هذا هو نوع التحسين الذي يسمى تحسين الملاءمة. لذلك، عندما تعلن Google عن تحديث يتعلق بالملاءمة، فمن الأفضل العثور على الإجابات عن سبب فقدان الموقع للتصنيفات من خلال دراسة الفائزين. بالنسبة لهذه الأنواع من التحديثات، من المحتمل أنك لن تجد أسباب تغيير التصنيف من خلال النظر في المواقع التي فقدت مواقع SERP.
