SEO wechselt von Keywords zu Ontologien und Abfragemustern

Von Schlüsselwörtern zu Ontologien mit Abfragemustern

Wenn wir Google fragen, „Wie groß ist Barack Obama“, suchen wir nicht nach Seiten, die mit bestimmten Schlüsselwörtern übereinstimmen, sondern nach sachlichen Informationen über den 44. US-Präsidenten. Die Arten von Suchen, die wir durchführen, und die Art und Weise, wie Suchmaschinen Informationen sammeln, indizieren und damit Antworten zurückgeben, ändern sich. Diese Transformation ist ein fortlaufender Prozess, und Google gleicht immer noch Schlüsselwörter in Abfragen mit Schlüsselwörtern in Webdokumenten ab. Daher ist eine Keyword-Recherche weiterhin sinnvoll. Aber zu verstehen, wie diese Veränderung stattfindet, ermöglicht es uns, für die Zukunft zu planen und wohin Suchmaschinen gehen könnten.

Wir haben Patente von Google gesehen, die uns über Dinge wie die Verwendung von Wissensdatenbank-Entitäten in Suchen informieren. Als Google 2012 seinen Wissensgraphen einführte, sagte er uns, dass es sich auf Dinge statt auf Zeichenketten konzentriert. Bei diesen Zeichenfolgen handelt es sich um Textzeichenfolgen, wie bei den in ein Suchfeld eingegebenen Schlüsselwörtern, die in Dokumenten abgeglichen werden. Eine Transformation der Suche, die sich auf Dinge konzentriert, bedeutet, dass eine Suchmaschine Webseiten durchsucht, um Informationen über die Attribute und Eigenschaften von Entitäten zu sammeln. Es würde mehr Bedeutung für Dinge wie eine Ontologie finden, die wie folgt definiert ist:

Eine Ontologie ist eine formale Benennung und Definition der Typen, Eigenschaften und Wechselbeziehungen der Entitäten, die in einem bestimmten Diskursbereich existieren.

Abfragemuster

Wir sehen, dass Google Fragendiagramme verwendet, um verwandte Fragen in den Suchergebnissen anzuzeigen, und das achtet darauf, wie Entitäten in diesen Fragen verbunden sein könnten. Ich schrieb über diese in, Verwandte Fragen werden ergänzt durch 'Personen suchen auch nach' Verfeinerungen; Verwenden Sie jetzt ein Fragendiagramm.

Ein kürzlich erteiltes Google-Patent beschreibt, wie Abfragen zu bestimmten Entitäten erstellt werden können, die Fragen beantworten, die Suchende möglicherweise haben, und Abfragemuster verstehen, die zur Beantwortung weiterer Fragen führen können. Wie die Zusammenfassung des Patents uns sagt:

Im Allgemeinen kann ein innovativer Aspekt des in dieser Spezifikation beschriebenen Gegenstands in Verfahren verkörpert werden, die das Crowdsourcing der Erzeugung eines oder mehrerer textueller Abfragemuster in Bezug auf einen oder mehrere Fakten über eine bestimmte Person, einen bestimmten Ort oder eine bestimmte Sache umfassen. Zum Beispiel können Benutzer eines internetbasierten Systems eine Aussage erhalten, die eine Tatsache zu einer bestimmten Sache ausdrückt, wie zum Beispiel „Barack Obama ist 6'1“. Als Reaktion darauf können die Benutzer des internetbasierten Systems eine oder mehrere Abfragen generieren und senden, die verwendet werden könnten, um die Tatsache abzurufen, wie beispielsweise die Frage „Wie groß ist Barack Obama?“ oder eine Abfrage, die die Abfragebegriffe „Barack Obama Größe“ enthält.

Biperpedia: Ein Ansatz zum Aufbau einer Ontologie basierend auf Abfrageströmen

Es gab ein Google-Papier, das einen Teil dieses Gebiets abdeckt, namens Biperpedia: An Ontology for Search Applications, mit dem Sie dringend Zeit verbringen sollten. Ideen aus diesem Patent scheinen Richtlinien für die Entwicklung der Biperpedia-Ontologie zu sein. Der Schwerpunkt der Biperpedia-Ontologie besteht darin, beim Aufbau einer Ontologie zu helfen, die verwendet werden kann, um Suchergebnisse zurückzugeben. Das sehen wir in der Zusammenfassung zum Patent hier beschrieben:

Die Abfragen können von anderen Benutzern des internetbasierten Systems bewertet werden, um Abfragen zu entfernen, die eine schlechte Grammatik enthalten, eine umständliche Satzstruktur verwenden, nicht auf die in der Aussage angegebene Tatsache gerichtet sind oder anderweitig weniger nützlich sind als andere Abfragen, um das Besondere zu erbitten Tatsache. Die verbleibenden Abfragen können in Abfragemuster normalisiert werden, z. B. durch Entfernen von Satzzeichen aus jeder Abfrage, Korrigieren von Rechtschreibfehlern, Konvertieren der Abfragebegriffe in jeder Abfrage in eine Kleinschreibung, Entfernen der sogenannten „Stoppwörter“ aus jeder Abfrage, und unter Verwendung anderer Normalisierungstechniken.

Die Abfragemuster können in verallgemeinerte Abfragemuster verallgemeinert werden, die einem oder mehreren von einem Suchsystem gespeicherten Tatsachen zugeordnet werden können. Diese Zuordnungen können später verwendet werden, wenn ein Benutzer eine Abfrage sendet, die einen Fakt vom Suchsystem abfragt. Zum Beispiel die Abfrage „Wie groß ist Barack Obama?“ kann als Abfragemuster [wie groß ist Barack Obama] gespeichert werden, das in das verallgemeinerte Abfragemuster [wie groß ist/Person/] verallgemeinert und jedem vom Suchsystem gespeicherten Höhenwert für jede Person zugeordnet werden kann. Wenn das Suchsystem dann die Abfrage „Wie groß ist Abraham Lincoln?“ erhält? das Suchsystem kann die Antwort erhalten, indem es die Begriffe der Abfrage mit dem verallgemeinerten Abfragemuster abgleicht. Beispielsweise können die Abfragebegriffe auf [wie groß ist Abraham Lincoln] normalisiert und mit einem verallgemeinerten Abfragemuster [wie groß ist/Person/] abgeglichen werden.

Das Patent sagt uns, dass es nach Abfragemustern in Benutzerabfragen sucht, um zu sehen, ob es welche erkennt. Die meisten Patente werden geschaffen, um bestimmte Probleme zu lösen. Dieses sagt genau, warum es in diesen Begriffen existiert:

Bestimmte Ausführungsformen des in dieser Beschreibung beschriebenen Gegenstands können implementiert werden, um einen oder mehrere der folgenden Vorteile zu realisieren. Daten- und Recheneffizienz können realisiert werden, da eine relativ große Anzahl von Fakten zu einem breiten Themenspektrum identifiziert werden kann, indem eine relativ kleine Anzahl von Abfragemustern empfangen wird. Die empfangenen Abfragemuster können validiert oder anderweitig gefiltert werden, bevor sie mit Fakten oder Themen verknüpft werden, wodurch die Gesamtgenauigkeit der Fakten verbessert wird, die vom System als Antwort auf eine Frage bereitgestellt werden können.

Das Verständnis von Abfragemustern, die nach bestimmten Arten von Entitäten gefragt werden könnten, ist der Weg, um sachliche Abfragen eines Suchenden zu beantworten. Das im letzten Monat erteilte Abfragemusterpatent lautet:

Lernen von sachlichen Abfragemustern
Erfinder: Junli Xian, Engin Cinar Sahin, John Blitzer und Emma S. Persky
Rechtsnachfolger: Google Inc.
US-Patent: 9,898,512
Bewilligt: ​​20. Februar 2018
Gespeichert: 13. Mai 2015

Abstrakt

Verfahren, Systeme und Vorrichtungen, einschließlich Computerprogrammen, die auf einem Computerspeichermedium codiert sind, zum Bereitstellen einer Aussage, die auf ein bestimmtes Attribut eines bestimmten Themas verweist, als Reaktion auf die Bereitstellung der Aussage, Erhalten eines oder mehrerer Abfragemuster, die jeweils eines oder mehrere enthalten Abfragebegriffe, die in Abfragen verwendet werden, die an ein Suchsystem gesendet werden, um einen Wert für das bestimmte Attribut des bestimmten Themas zu erhalten, eines oder mehrere der Abfragemuster zu verallgemeinern und das eine oder die mehreren verallgemeinerten Abfragemuster einem oder mehreren anderen Themen zuzuordnen, die das jeweilige Attribut einschließen.

Mitnehmen

Es kann eine lohnende Übung sein, zu antizipieren, welche Fragen Ihre Zielgruppe zu dem, was Ihre Seiten abdecken, haben könnte. Wenn Sie die Entitäten kennen, um die es auf Ihren Seiten geht, und Sie sie zu den Stars Ihrer Seiten machen und Fragen dazu beantworten, die die Leute möglicherweise haben, und die maßgeblichen Quellen für Informationen über sie werden, ist dies wahrscheinlich der Weg zum Erfolg unter einer Ontologie -basierter Ansatz, der von Abfragemustern und einer auf Abfragestrom basierenden Ontologie profitiert. Worüber ich mehr geschrieben habe unter: 3 Ways Query Stream Ontologies Change Search