پرش به محتوا

الگوریتم RankBrain گوگل را به صورت کامل بشناسید

گوگل اخیراً بیش از قبل به آپدیت الگوریتم‌های خود همت گماشته است و به‌سرعت می‌خواهد الگوریتم‌های سئوی خود را توسط راهکارهای جدید آپدیت کند و هر دوره، نسخه‌های جدید خود را به بازار عرضه می‌نماید.

در سال‌های اخیر روش‌های AI یا Artificial Intelligence بیش از پیش توسعه یافت اما با آشکار شدن پدیده‌ای به نام سئو سایت و اهمیت رتبه بندی به‌وسیله الگوریتم‌های گوگل، به وجود آمدن نسل جدیدی از روش‌های هوش مصنوعی با نام AIO یا Artificial Intelligence Optimization را می‌توانیم مشاهده نماییم.

جدیداً گوگل اعلام نموده است که عملیات رتبه بندی به‌وسیله روش‌های AI را دیگر انجام نمی‌دهد و در عوض فراموش مصنوعی AIO را به کار می‌برند.

الگوریتم RankBrain هم یکی از روش‌های AIO است که گوگل به‌دفعات آن را آپدیت نموده است. هنگامی که

HTTPS و سئو موبایل معرفی شدن در همان ابتدا مورد توجه زیادی قرار گرفتند اما با نمایان شدن الگوریتمی مثل RankBrain این الگوریتم بیشتر از همه مورد توجه قرار گرفت.

 تبلیغ: فروش بک لینک ارزان

به‌منظور درک بهتر مفهوم AIO نمونه‌ای را بیان می‌کنیم. گوگل را بچه‌ای در نظر بگیرید. نیازهای این بچه شامل آموزش، مراقبت و پرستاری است. به کسب علم و دانش نیز احتیاج دارد و باید منابع و کتاب‌هایی را داشته باشد. اکنون فکر کنید که اگر این منابع مناسب بچه نباشند، چه رخ خواهد داد؟ آیا این کودک می‌تواند خود را اصلاح کند و با داشتن اطلاعات و منابع جدید بروز کردن خود را انجام دهد؟

AIO هم به‌طور کامل مثل همین کودک بوده و اطلاعات مورد نیاز خود را از منابع گوگل تهیه می‌نماید.

Gary Illyes، از مدیران ارشد گوگل محسوب می‌شود که در تاریخ 27 ژوئن 2017 در توییتی بیان داشت که اغلب سایت‌ها قادرند به‌وسیله این الگوریتم سئو شوند، زیرا آن‌ها طرز استفاده از این الگوریتم می‌دانند (البته وی نامفهوم صحبت کرد.)

بهینه سازی به‌وسیله این الگوریتم فعالیت تازه و پیچیده‌ای نیست. بررسی الگوریتم RankBrain را در این تحقیق انجام می‌دهیم تا چیستی و چگونگی آن را دریابیم.

RankBrain

این الگوریتم یک الگوریتم پیچیده یادگیرنده به زبان ماشین می‌باشد که به‌وسیله گوگل جهت پردازش اطلاعات کیفی (محتوای مکتوب) به اطلاعات کمی (محتوای ریاضیات و آماری) و مبدل شدن آن‌ها به زبان قابل درک برای کامپیوتر، به کار گرفته می‌شود.

15 درصد فرایندهای بازجست گوگل، تازه و بدیع می‌باشند؛ بنابراین کاملاً مشخص و آشکار است که از این الگوریتم در بازجست های گوگل قبلاً استفاده نشده و کاملاً نظریه‌ای بدیع و تازه می‌باشد. این الگوریتم همچنین بعد از اعلام رسمی شرکت گوگل به‌صورت آزمایشی برای مدتی به کار گرفته شده است.

تعداد بازجست (Query) ها نیز در مقایسه با سال 2007 میلادی 25 درصد افت داشته است. ولی با بالا رفتن به‌کارگیری اسمارت فون ها، میزان نفوذ اینترنت در سراسر جهان با رشد زیادی همراه است.

الگوریتم RanBrain گوگل در سه بخش ارائه می‌شود:

  • بررسی تمایلات جستجوی کاربران
  • تفسیر و تحلیل پژوهش‌های کاربران
  • انتخاب نتایج (آیتم‌ها) از دیتاسنتر

یادگیری ماشینی یا Machine Learning

یادگیری ماشین از علوم مربوط به کامپیوتر به شمار می‌رود و در سال 1959 میلادی توسط آرتور ساموئل توضیح و تفسیر شد. یادگیری ماشین برای رایانه‌ها این قابلیت را فراهم می‌کند که بدون استفاده از روش‌های برنامه نویسی می‌توانند برنامه ریزی کرده و آموزش ببینند.

ساموئل تحقیقات زیادی در این حوزه صورت داد که پیدا کردن الگوهای تازه و ارائه نظریه یادگیری محاسباتی تکامل یافته را سبب شد.

به‌طور خلاصه ماهیت یادگیری ماشین بر مبنای الگوریتم، پیش بینی طرح‌های داده‌ای و فرکانس‌های آماری است. الگوریتم RankBrain قبلاً تعداد زیادی نرم افزار را جهت رنکینگ به کار می‌برد که این نرم افزارها به شکل یک سیستم جامع اطلاعاتی و هماهنگ به کار می‌رفتند ولی درست از وقتی که فرایند الگوریتم RankBrain با در نظر گرفتن فرمت جدید AIO رونمایی شد طرز رتبه بندی و تشخیص اطلاعات کاملاً با تغییر مواجه شد.

بعضی از این نرم افزارها را می‌توانید در ذیل ببینید:

  • Intruder Detection
  • Spam E-mail
  • Filtering
  • OCR یا Optical Character Recognition
  • و …

به این دلیل که این یک تکنیک هوش مصنوعی می‌باشد ولی با مشاهده این نرم افزارها آگاه خواهید شد که تکنیک‌های قبل از آن به نسبت هوش مصنوعی جدید عملکرد آن چنان زیادی نداشته‌اند.

قواعد یادگیری ماشین:

ARL یا Association Rule Learning یک تکنیک یادگیری ماشین به‌منظور کشف روابط بین متغیرها در دیتاسنترهای گسترده به‌وسیله ضوابط و طرح‌های پیشنهادی تازه است.

این روش در گذشته معمولاً برای استفاده‌ی بازاریابان و جهت تعیین رفتار خرید مصرف کنندگان به کار برده می‌شود. این راهکار همچنین اندازه وفاداری آن‌ها را تعیین می‌نماید.

مثلاً در حال حاضر این روش از مسیرهای مختلف مورد بررسی قرار می‌گیرد؛ برای نمونه با در نظر گرفتن کارت وفاداری به کاربران و تعیین میزان مصرف در دوره‌های زمانی گوناگون الگوهای رفتار خرید مشتریان را مورد ارزیابی و تحلیل قرار می‌دهد.

جهت پیش بینی اشتراک پذیری (Association) هم می‌توانید از ARL استفاده نمایید. جهت آگاهی بیشتر درباره این موضوع فکر کنید فردی تولیداتی از قبیل پیاز، گوجه و … را خریده است، پیش بینی می‌شود این فرد یا کاربر به چیزهای دیگری مثل خیار یا کاهو هم احتیاج دارد. چون ما پیش بینی نمودیم که کاربر مثلاً با داشتن پیاز و گوجه قصد دارد سالاد درست کند …

در این صورت ما اشتراک پذیری محصولات خریداری شده را برای درخواست خرید دیگر محصولات در آینده پیش بینی و بررسی نمودیم. در کل به این موضوع اصل اشتراک پذیری یا Association Rule اطلاق می‌شود.

این مطلب مهم توسط الگوریتم RankBrain در ارائه نتایج جستجوی هوشمند خود استفاده می‌نماید، به‌خصوص هنگامی که این الگوریتم ارزش اصلی خود را بروز می‌دهد که عبارت معنایی چندگانه‌ای داشته باشد و وظیفه پیش بینی و جستجو در بازجست ها سخت و پیچیده گردد.

مفهوم ARL یا Association Rule Learning:

اصلی‌ترین ایده و مفهوم مهم ARL حمایت و اطمینان است.

حمایت:

حمایت در ARL با هدف مقیاس گیری المان‌ها و ضوابطی انجام می‌شود که در دیتاسنتر به کار گرفته می‌شود. البته توجه داشته باشید که این معیار یا ضابطه با بحث چگالی لغات کلیدی و نیز تعداد نمایش کلمات کلیدی کاملاً متفاوت می‌باشد.

قابلیت اطمینان:

این قابلیت در ARL عاملی می‌باشد که درستی قوانین در یک بازه زمانی خاص را بررسی و ارزیابی می‌کند. برای نمونه امکان این وجود دارد که زمان موجب تغییر یک قانون می‌شود. به‌منظور کسب اطمینان از صحت قوانین، به بررسی و ارزیابی آن‌ها در زمان‌های مختلف می‌پردازیم.

این عامل در پاره‌ای اوقات می‌تواند پیچیده باشد و در ارائه پاسخ صحیح به کاربران با پیچیدگی همراه است. مثلاً:

هنگامی که در دیتاسنتر درباره بخش و موضوعی (مثلاً X) تحقیق می‌کنیم در جواب چندین پاسخ برای مسئله شما پیدا شود، (مثلاً Y، Z) یعنی چندین پاسخ صحیح، برای یک مسئله، صحیح به نظر می‌آید.

در الگوریتم RankBrain ارتباطات و اصول و قوانین ویژه می‌باشد که جهت ارتباط با کاربرانشان هم آن‌ها به کار می‌برد. RankBrain، الگوریتم تازه گوگل در بخش حمایت به دو پروسه مبنایی تقسیم می‌شود:

  1. حداقل حمایت جهت بخش‌هایی که به شکل تکراری در دیتاسنتر ایجاد شده است.
  2. حداقل قابلیت اطمینان جهت بخش‌هایی که به شکل تکراری از قوانین و ضوابط پیروی می‌کنند.

یکپارچگی و اعتماد کاربران و مشتریان توسط این دو قانون بالا می‌رود. ناگفته نماند حمایت و اطمینان حداقلی به دلیل بخش‌های تکراری است که این عمل موجب بالا رفتن سرعت در دسترس بودن و یکپارچگی دیگر داده‌های دیتاسنتر انجام می‌شود.

2 دیدگاه دربارهٔ «الگوریتم RankBrain گوگل را به صورت کامل بشناسید»

  1. گوگل داره تبدیل به یه هوش مصنوعی میشه
    فک می کنم به زودی دیگه کار سئو معنی نداشته باشه با این همه هوشی که این گوگل داره به خرج میده که وب سایت های سئو شده رو شناسایی کنه

دیدگاهتان را بنویسید

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