کمپانی گوگل همواره به دنبال نمایش نتایج مرتبطتر به کاربران بوده و در چند سال اخیر الگوریتمی را برای موتور جستجو GOOGLE عرضه کرد که موجب تأثیری قابل توجه در نتایج SERP شد.
این الگوریتم که با نام الگوریتم برت گوگل یا همان Google Bert Algorithm عرضه شد،
یکی از جدیدترین به روز رسانیهای این شرکت به منظور درک بهتر اهداف کاربران است.
به گفته این شرکت، آپدیت bert گوگل چیزی در حدود 10% نتایج جستجو را تحت تأثیر قرار خواهد داد.
بنابراین احتمالاً گوگل برت برای جذب ترافیک ارگانیک به هر نوع از وب سایتی مهم خواهد بود.
به این شکل بود که در 21 اکتبر سال 2019 الگوریتم bert گوگل برای بهینه سازی هرچه بیشتر جستجوهای انگلیسی منتشر شد.
همچنین بخوانید : افزایش ترافیک ارگانیک وب سایت
BERT که مخفف Representations Encoder Bidirectional from Transformers است، یک تکنیک مبتنی بر شبکه عصبی برای پیش آموزش پردازش زبان طبیعی است.
به بیان سادهتر، میتوان از الگوریتم برت گوگل برای کمک به این موتور جستجو عظیم جهت تشخیص بهتر بافت کلمات در جستوجوها استفاده کرد.
به عنوان مثال هنگامی که شما عبارت “بلیط هواپیما به کیش” را جستجو میکنید، گوگل کلمات بلیط، هواپیما و کیش را مورد پردازش قرار داده و نتایج مرتبط با این کلمات را نمایش میدهد.
در حقیقت اگر شما عبارت “بلیط هواپیما از کیش” را جستجو کنید، نتایج SERP تغییر چندانی نخواهد کرد.
این موضوع به دلیل عدم توانایی موتور جستجو GOOGLE در تشخیص عبارات بدون معنایی چون “به” و “از” و نقش آنها در جملات است.
آپدیت BERT گوگل ساخته شد تا بتواند چنین تمایزی را در عبارتها تشخیص داده و نتایج مرتبطتری را به شما نمایش دهد.
البته با این که در ابتدا الگوریتم BERT گوگل برای زبان بین المللی انگلیسی عرضه شد،
اما دنی سالیوان از کمپانی گوگل اظهار کرد که این الگوریتم به همه زبانهایی که گوگل جستجو را در آنها ارائه میکند گسترش خواهد یافت.
بنابراین با اینکه جدول زمانی مشخصی از ارائه گوگل برت برای زبان فارسی وجود ندارد، آشنایی و شناخت این الگوریتم همچنان مفید خواهد بود.
همچنین بخوانید : تمام الگوریتم های گوگل در یک نگاه
در واقع پیشرفت الگوریتم برت گوگل در توانایی آن برای یادگیری مدلهای زبانی بر اساس کل مجموعه کلمات در یک جمله یا پرسوجو به جای روش سنتی یادگیری بر اساس ترتیب مرتب کلمات است.
در نتیجه گوگل برت به مدلهای زبانی این امکان را میدهد که معنا و مفهوم یک کلمه را بر اساس کلمات اطراف آن درک کنند،
نه فقط کلمهای که بلافاصله قبل یا بعد از آن میآید.
از همین روی گوگل BERT را “عمیقاً دو جهته” مینامد زیرا بازنمایی متنی کلمات “از ته یک شبکه عصبی عمیق” شروع میشود.
به عنوان مثال در جستجو انگلیسی کلمه “BANK” به تنهایی چندین معنا دارد،
به طوری که در عبارت “RIVER BANK” به عنوان کنار رودخانه و در عبارت “Bank Account” به عنوان حساب بانکی شناخته میشود.
پس در جمله من به bank دسترسی داشتم، تنها با در نظر داشتن کل کلمات به کار رفته در جمله است که میتوان مفهوم اصلی کلمه بانک را درک کرد.
در چنین شرایطی است که الگوریتم BERT گوگل وارد عمل شده و با کمک بافت کلی عبارت جستجو شده، نتایجی را به کاربران نمایش میدهد.
حتماً برایتان سوال پیش آمده که آیا در تمامی جستجوها، از گوگل برت جهت معنا بخشیدن به کلمات استفاده میشود؟
دقیقاً نه!
کمپانی گوگل در پست وبلاگ خود اعلام کرد که GOOGLE BERT در موارد خاصی مانند جست و جوهای مکالمهای طولانیتر،
یا جستجوهایی که در آن حروف اضافه مانند «برای» و «به» اهمیت زیادی برای معنا دارند، از این الگوریتم استفاده میکند تا قادر به درک متن کلمات باشد.
چرا که همه پرسوجوها محاورهای یا شامل حروف اضافه نیستند.
به طور مثال جستجوهای مارک دار و عبارات کوتاهتر دو نمونه از انواع پرس و جو هستند که ممکن است به پردازش زبان طبیعی آپدیت BERT گوگل نیاز نداشته باشند.
برای آن که بدانید گوگل برت چگونه عمل میکند و بر چه اساسی ساخته شده است، بهتر است تا ابتدا با شبکههای عصبی آشنا شوید.
شبکههای عصبی در علوم کامپیوتری، مدلهایی الهام گرفته شده از سیستم عصبی مرکزی حیوانات هستند که میتوانند یک سری از الگوها را یاد گرفته و از یکدیگر تشخیص دهند.
در حقیقت این علم بخشی از دانش یادگیری ماشین محسوب میشود.
در حوزه الگوریتم bert گوگل نیز ما با یک شبکه عصبی روبرو هستیم که قادر به یادگیری اشکال بیان زبان انسانی است.
این الگوریتم بر اساس مدلی از پردازش زبان طبیعی (NLP) به نام Transformer است که روابط بین کلمات را در یک جمله درک میکند، نه اینکه تنها به ترتیب و یک به یک معنا کند.
در واقع NLP به شاخهای از هوش مصنوعی اطلاق میشود که با زبانشناسی سروکار دارد و هدف آن این است که رایانهها نحوه ارتباط طبیعی انسانها را درک کنند.
هرچند NLP به خودی خود یک ویژگی جدید برای موتورهای جستجو نیست اما امروزه کاربرد بیشتری پیدا کرده است.
بله!
امروزه مردم جستجوهای بیشتری را از سراسر دنیا در موتور جستجو google انجام میدهند که به زبانهای مختلف و سبکهای گوناگونی نوشته میشوند.
بنابراین نیاز بیشتری به وجود الگوریتم برت گوگل احساس شد.
به این ترتیب با وجود آپدیت BERT گوگل متن کامل حول یک کلمه را درک کرده و از اصطلاحات قبل و بعد و روابط بین آنها برای درک مطالب بهره میبرد.
به این صورت که مجموعه دادههای مدل در یک مجموعه متن (مانند ویکیپدیا) آموزش داده میشوند و میتوانند برای توسعه سیستمهای مختلف استفاده شوند.
برای مثال میتوان الگوریتمهایی را با تمرکز بر تجزیه و تحلیل سؤالات، پاسخها یا عواطف ایجاد کرد.
پس از برنامه ریزی، الگوریتم به طور مداوم در مورد زبان انسان با پردازش میلیونها دادهای که دریافت میکند، یاد میگیرد.
شاید بتوان یکی از تفاوتها و همچنین مزایای الگوریتم bert گوگل نسبت به سایر سیستمهای پردازش زبان را قابلیت دو جهته بودن آن معرفی کرد.
حتماً میپرسید که دو جهته به چه معناست؟
در واقع سایر سیستمهای پردازش زبان یک طرفه بوده و فقط کلمات را با استفاده از اصطلاحات به کار رفته در سمت چپ یا راست آن کلمه معنا میکنند.
اما آپدیت bert گوگل در هر دو جهت عمل میکند.
یعنی متن موجود در سمت چپ و راست کلمه مذکور را همزمان تجزیه و تحلیل کرده و به این صورت درک عمیقتری را از روابط بین اصطلاحات و جملات به دست میآورد.
از سوی دیگر گوگل برت، میتواند مدل زبانی خود را از یک مجموعه متن کوچک نیز بسازد.
این در حالی است که سایر سیستمهای پردازشی، از مقادیر بالای دادهها جهت یادگیری ماشین استفاده میکنند.
به این ترتیب چنین رویکرد دو جهته و حرفهای از الگوریتم برت گوگل این امکان را میدهد تا سیستم با دقت بیشتری و دادههای بسیار کمتر نیز آموزش ببیند.
در نهایت نتایج بهینهتری با عملکرد ذکر شده مشاهده میکنیم که موجب شده تا این الگوریتم در بسیاری از برنامهها قابل استفاده باشد.
هر چند که در کمپانی گوگل، google bert برای درک اهداف جستجوی کاربران و مطالب مورد استفاده موتور جستجو index استفاده می شود.
همچنین بخوانید : الگوریتم دنس گوگل چیست و چه کاربردی دارد
حال که با اصطلاحات فناوری اطلاعات و نحوه عملکرد الگوریتم bert گوگل آشنا شدید، بیاید ببینیم که این الگوریتم چه نقشی در جستجوهای google خواهد داشت.
همان طور که میدانید، این الگوریتم به گوگل کمک میکند تا زبان انسان را رمزگشایی کند، اما چه تفاوتی با تجربه جستجوی کاربر دارد؟
به یاد داشته باشید مأموریت گوگل این است که تمام محتوای وب را سازماندهی کند تا بهترین پاسخها را به کاربران ارائه دهد.
برای این کار، موتور جستجو google باید بفهمد که مردم به دنبال چه چیزی هستند و صفحات وب در مورد چه چیزی صحبت میکنند.
بنابراین، میتواند تطابق صحیح بین کلمات کلیدی و محتوای وب را ایجاد کند.
بهعنوانمثال، هنگامی که شما برای “شیر پاکتی” جستجو میکنید، گوگل برت متوجه میشود که “شیر” در جستجوی شما به یک حیوان یا یک شیر فلکه آب اشاره نمیکند.
همچنین اگر «شیر باکت» (با املای غلط) یا «پاکتی شیر» (به ترتیب معکوس) را جستجو کنید، باز هم منظور شما را متوجه میشود.
همان طور که متوجه شدید با آپدیت BERT گوگل، معنای کلمات در عبارات جستجوی شما و در محتوای صفحات ایندکس شده درک خواهد شد.
پس هنگامی که یک صفحه با کلمه “شیر” فهرست میشود، الگوریتم برت گوگل شیر خوردنی، شیر حیوان و شیر ابزار را در بخشهای مختلف قرار میدهد.
البته جالب است بدانید که موتور جستجو گوگل، قصد و هدف پشت این جستجو را نیز درک میکند.
در حقیقت با انجام این جستجو، گوگل متوجه میشود که شما در حال جستجوی خرید یا کسب اطلاعات راجع به شیر خوردنی در نزدیکی محل خود هستید.
بنابراین صفحه نتایج احتمالاً فروشگاههایی را نشان میدهد که قابلیت عرضه شیر پاکتی را در منطقه شما خواهند داشت.
در روزهای اولیه گوگل توانایی ارائه تمام موارد مورد نیاز کاربران در جستجوها را نداشت و نتایج serp محدود به تطابق دقیق کلمات جستجو شده بود.
اما با عرضه الگوریتم rankbrain این کمپانی متوجه شده که ارتباط نزدیکی بین کلماتی مانند سئو، بهینه سازی و بهینه سازی سایت وجود دارد.
بنابراین هنگامی که عبارت سئو را جستجو میکردید امکان داشت صفحاتی با کلمه کلیدی بهینه سازی را نیز به شما نمایش دهد.
به این شکل آپدیت bert گوگل درک میکند که اگر شما به دنبال جستجو کلمه سئو هستید، احتمالاً خواهان نتایجی با عنوان بهینه سازی سایت نیز خواهید بود حتی اگر آن کلمه را دقیقاً جستجو نکنید.
البته در مسیر مدل اولیه گوگل مشکلات بسیاری جهت ایجاد فهرست serp کارآمد وجود داشت.
چرا که ممکن بود شخصی با استفاده از تکنیکهای سئو کلاه سیاه اقدام به استفاده از کلمات کلیدی خاصی در متن محتوای خود کند در حالی که به آن محتوا مرتبط نیست.
حال چنانچه کاربری آن کلمات را جستجو کند، صفحه این سایت به آن شخص نمایش داده خواهد شد.
آیا شما ترجیح میدهید که صفحهای را با مطالب مرتبط با شیر پاکتی بخوانید یا صفحهای که چندین بار بدون معنای خاصی از این کلمه استفاده کرده است؟
بنابراین، تغییر گوگل به سمت درک اهداف جستجو، تجربه خواندن کاربر را نیز بهبود میبخشد.
با این کار، گوگل همچنین با پر کردن کلمات کلیدی مبارزه میکند و جلوی رویه کلاه سیاهی ناقض قوانین موتور جستجو را نقض میگیرد.
همچنین با کمک الگوریتم bert گوگل برای ارائه نتایج مناسب، هوشمندتر میشود.
حال که صحبت از الگوریتم رنک برین گوگل شد، شاید برخی از قابلیتهای BERT را شبیه به اولین روش هوش مصنوعی گوگل برای درک پرسوجوها، یعنی RankBrain بدانید.
اما، این دو الگوریتم جداگانه بوده و هر یک ممکن است به نحوی خاص برای اطلاع رسانی نتایج جستجو مورد استفاده قرار گیرند.
Eric Enge، مدیر کل Perfect Digital گفته اولین چیزی که در مورد RankBrain باید فهمید این است که به موازات الگوریتمهای رتبهبندی جستجوی ارگانیک معمولی اجرا میشود و از آن برای انجام تنظیماتی در نتایج محاسبهشده توسط آن الگوریتمها استفاده میشود.
در حقیقت RankBrain نتایج را با مشاهده جستجوی فعلی و یافتن جستجوهای مشابه قبلی تنظیم میکند.
سپس، عملکرد نتایج جستجو را برای آن جستارهای تاریخی بررسی میکند
از سوی دیگر RankBrain به گوگل کمک میکند که عبارات جستجو را تفسیر کند تا بتواند نتایجی را که ممکن است حاوی کلمات دقیق در جستوجو نباشد، نشان دهد.
در نتیجه هر دو الگوریتم برت گوگل و RankBrain برای پردازش پرس و جوها و محتوای صفحه وب استفاده میشوند تا درک بهتری از معنای کلمات به دست آورند.
اما این به آن معنا نیست که آپدیت bert گوگل جایگزین RankBrain است.
Google به عبارت دیگر ممکن است گوگل از چندین روش برای درک یک پرس و جو استفاده کند.
یعنی شاید گوگل برت به تنهایی، در کنار سایر الگوریتمهای Google،
در کنار RankBrain، یا هر ترکیبی از آنها، بسته به عبارت جستجو شده، اعمال شود.
BERT که مخفف Representations Encoder Bidirectional from Transformers است، یک تکنیک مبتنی بر شبکه عصبی برای پیش آموزش پردازش زبان طبیعی است.
گوگل رسما در تاریخ 21 اکتبر سال 2019 الگوریتم bert گوگل را برای بهینه سازی هرچه بیشتر جستجوهای انگلیسی منتشر کرد.