Qué es Google RankBrain y cómo funciona - Profit Hunter

Qué es Google RankBrain y cómo funciona - Profit Hunter

Contenido del artículo

  1. Concepto de Google RankBrain
  2. Hummingbird
  3. Movimiento desde "cadenas de caracteres "a" objetos "
  4. Consultas complejas y su impacto en la salida
  5. Ejemplos del funcionamiento del algoritmo

Concepto de Google RankBrain

RankBrain es el nuevo sistema de creación de problemas de autoaprendizaje de Google, que busca respuestas relevantes a la solicitud de un usuario en función de factores como el historial de consultas, el comportamiento del usuario, el contexto de la página (más información sobre la tecnología de indexación LSI).

A finales de octubre, surgieron noticias sobre el nuevo sistema de autoaprendizaje Google RankBrain, que, junto con otros factores de clasificación, ayuda a determinar las páginas más relevantes para las consultas de búsqueda de usuarios.

Para ser más específicos, RankBrain procesa y refina las solicitudes utilizando patrones de reconocimiento para frases clave complejas y ambiguas (ambiguas) y definiéndolas en temas específicos.

Esto le permite a Google mostrar mejores resultados de búsqueda, especialmente cuando se trata de cientos de millones de consultas por día. Los ingenieros de búsqueda señalaron que RankBrain es uno de los factores de clasificación más importantes que el algoritmo tiene en cuenta.

RankBrain es una de las cientos de señales que determina qué resultados deberían aparecer en los resultados y cómo se clasificarán. Es un intento de mejorar los resultados de búsqueda basados ​​en la tecnología del Knowledge Graph y la búsqueda de objetos:

Qué es Google RankBrain y cómo funciona - Profit Hunter

Qué es Google RankBrain y cómo funciona - Profit Hunter

Entonces, ¿qué es una búsqueda objetiva? ¿Cómo funciona con RankBrain y en qué dirección va Google? Para entender esto, necesitas volver hace unos años.

Hummingbird (Hummingbird)

El lanzamiento de este algoritmo fue un cambio radical. Fue una reconstrucción de cómo Google procesó las consultas orgánicas: desde la búsqueda de cadenas de caracteres hasta la búsqueda de los propios objetos, para lo cual se definen un valor específico, propiedades y relaciones con otros objetos.

¿Cómo apareció el colibrí? Un nuevo algoritmo nació de los intentos de los desarrolladores de incrustar una búsqueda semántica en el motor de búsqueda de Google. En otras palabras, querían hacer una máquina de autoaprendizaje que pudiera comprender el lenguaje natural humano (tecnología NLP). Se asumió que el motor de búsqueda entenderá lo que quiere decir cuando escribe su consulta.

El propósito de la búsqueda semántica es mejorar la precisión del resultado al reconocer las intenciones del usuario y el significado contextual de los términos para generar resultados más relevantes. Los sistemas de búsqueda semántica tienen en cuenta diversos parámetros (incluidos el contexto, los objetivos del usuario, las variaciones de palabras, los sinónimos, las consultas generalizadas y temáticas específicas) para dar las respuestas más precisas.

Han pasado dos años, pero todos los que usan Google entienden que el sueño de la búsqueda semántica aún no se ha hecho realidad. Aunque ya se están realizando algunos intentos en esta dirección. Por ejemplo, las bases de datos se utilizan para definir y agrupar objetos en grupos por valor. Sin embargo, el motor semántico debe comprender cómo afecta el contexto a las palabras y poder determinar e interpretar su significado.

Google aún no puede entender el lenguaje natural (humano), aunque puede percibir objetos y relaciones conocidos a través de definiciones.

Por supuesto, un motor de búsqueda puede aprender muchos conceptos y relaciones después de un tiempo, si es suficiente la gente busca una combinación de términos. Aquí es donde la máquina RankBrain entra en juego. Sobre la base de la experiencia adquirida, trata de hacer el supuesto más relevante al plantear el problema.

Entonces, por definición, Google no es un motor de búsqueda semántico. Entonces, ¿qué es?

El movimiento de "cadenas de caracteres" a "objetos"

El motor de búsqueda de hoy tiene excelentes habilidades para mostrar información específica. ¿Necesita un pronóstico del tiempo? Información de tráfico? Opiniones de restaurantes? Google puede proporcionar esta información, eliminando la necesidad de visitar sitios de terceros. A partir de solo da la respuesta al principio del número de página. Esto es posible gracias a la gráfica del conocimiento.

El movimiento de "líneas" a "objetos" es excelente, cuando necesita encontrar una respuesta a las preguntas que comienzan con Quién, qué, dónde, cuándo, por qué y "Me gusta" . Además, guiado por la información de Knowledge Graph, Google puede proporcionar a los usuarios información que ni siquiera conocían, pero que podría ser útil para ellos.

Sin embargo, este salto hacia "objetos" tiene inconvenientes. Si bien el PS es bueno para proporcionar información específica basada en bases de datos, aún no es tan exitoso en encontrar las respuestas más relevantes para las consultas compuestas complejas. Tales consultas a menudo consisten en términos que están débilmente acoplados. Google es difícil de combinarlos en un "objeto".

Como resultado, cuando especifica un determinado conjunto de términos complejos en su búsqueda, es muy probable que obtenga solo unos pocos resultados relevantes, y el grado de esta relevancia no será muy alto. En su mayor parte, la emisión es una colección de opciones aleatorias, pero no respuestas directas. Pero, ¿por qué sucede esto?

Las solicitudes complejas y su impacto en el problema de

Como hemos dicho, es difícil para Google encontrar respuestas adecuadas en las consultas que tienen algunos términos mal relacionados. PS no es capaz de entender y establecer relaciones. En este caso, la tecnología RankBrain hace una suposición sobre la relación entre estos términos, los adivina.

Intente imprimir una consulta compuesta usando la lista desplegable de opciones. Elige el más adecuado de ellos. Verá que las consultas propuestas por Google dan resultados más precisos en el problema. Esto se debe a que los propios objetos en la solicitud y las conexiones entre ellos son conocidos por el motor de búsqueda.

Por cierto, ¿qué significa la palabra "objeto"?

Estos son sustantivos: personas / lugares / cosas / ideas, etc. Su significado se define en las bases de datos a las que se refiere Google. PS actúa como una enorme enciclopedia digital. Sin embargo, si los dos objetos en él no están relacionados entre sí, la máquina tiene dificultades para comprender la solicitud del usuario. Ella solo hace una conjetura.

Ejemplos del algoritmo

  • Ingresemos a la consulta "Té helado, limón, vidrio" (té helado, limón, vidrio). Se compone de objetos que tienen una relación comprensible. El motor de búsqueda nos dará muchos resultados altamente relevantes.
  • Ahora lo cambiaremos: "Té helado, Rooibos, Vaso" (Té helado, rooibos, vidrio). Todavía hay suficiente relevancia, pero ya está disminuyendo. Por que Porque rooibos se usa raramente para hacer té helado.
  • "Té helado, Goji, vidrio" (Té helado, Goji, vaso). Observamos una relevancia parcial. Algunos objetos se caen. Google está ligeramente confundido.
  • "Té helado, Azúcar disuelto, Vidrio ”(Té helado, azúcar disuelto, un vaso). No solo las páginas con recetas de té, sino también con una descripción de los procesos químicos están incluidas en el tema.

Qué es Google RankBrain y cómo funciona - Profit Hunter

  • Pero, si usamos la sugerencia de Google desplegable y escribimos "Vaso de té helado con azúcar", nuevamente obtendremos un problema de alta calidad que responde a nuestra pregunta

Qué es Google RankBrain y cómo funciona - Profit Hunter

Google está intentando traducir las palabras que aparecen en las páginas a "objetos" que significan algo y tienen propiedades. Esto es lo que generalmente hace el cerebro humano, pero en el caso de una computadora, esto se llama "inteligencia artificial".

Esta es una tarea difícil, pero el trabajo ya está en marcha. " Google construye su propia comprensión de lo que esos o los objetos y lo que la gente debería saber sobre ellos ", dijo Amit Singhal, ingeniero de software en

¿Le gustan los artículos? ¡Suscríbase al boletín!

Buscar

Artículos relacionados