La SEO passa dalle parole chiave alle ontologie e ai modelli di query

Dalle parole chiave alle ontologie utilizzando i modelli di query

Quando chiediamo a Google, "Quanto è alto Barack Obama", non stiamo cercando pagine che corrispondono a determinate parole chiave, ma invece informazioni fattuali sulla persona che è stata il 44esimo presidente degli Stati Uniti. I tipi di ricerche che stiamo eseguendo e i modi in cui i motori di ricerca raccolgono informazioni, le indicizzano e restituiscono risposte con esse stanno cambiando. Questa trasformazione è un processo in corso e Google sta ancora abbinando le parole chiave nelle query alle parole chiave nei documenti web; quindi la ricerca per parole chiave continua ad avere senso. Ma capire come sta avvenendo questo cambiamento ci consente di pianificare il futuro e dove potrebbero andare i motori di ricerca.

Abbiamo visto i brevetti di Google che ci parlano di cose come come le entità della Knowledge Base possono essere utilizzate nelle ricerche. Quando Google ha introdotto il suo grafico della conoscenza nel 2012, ci ha detto che stava iniziando a concentrarsi sulle cose invece che sulle stringhe. Quelle stringhe sono stringhe di testo, come nelle parole chiave immesse in una casella di ricerca che vengono trovate sui documenti. Una trasformazione della ricerca incentrata sugli elementi significa che un motore di ricerca esegue la scansione delle pagine Web raccogliendo informazioni sugli attributi e le proprietà delle entità. Troverebbe più importanza su cose come un'ontologia, che è definita così:

Un'ontologia è una denominazione formale e una definizione dei tipi, delle proprietà e delle interrelazioni delle entità che esistono in un particolare dominio del discorso.

Modelli di query

Vediamo che Google utilizza i grafici delle domande per visualizzare le domande correlate nei risultati di ricerca e ciò presta attenzione a come le entità in tali domande potrebbero essere collegate. Ho scritto di quelli in, Le domande correlate sono unite da "Le persone cercano anche" perfezionamenti; Ora utilizzando un grafico delle domande.

Un brevetto di Google concesso di recente descrive come potrebbero essere create query su entità specifiche che rispondono a domande che potrebbero avere gli utenti e comprendono modelli di query che possono portare a rispondere a più domande. Come ci dice il riassunto del brevetto:

In generale, un aspetto innovativo dell'oggetto descritto in questa specifica può essere incorporato in metodi che includono il crowdsourcing, la generazione di uno o più modelli di query testuali relativi a uno o più fatti su una particolare persona, luogo o cosa. Ad esempio, gli utenti di un sistema basato su Internet possono ricevere una dichiarazione che afferma un fatto su una cosa particolare, come "Barack Obama è 6'1"." In risposta, gli utenti del sistema basato su Internet possono generare e inviare una o più query che potrebbero essere utilizzate per recuperare il fatto, come la domanda "Quanto è alto Barack Obama?" o una query che include i termini della query "Altezza di Barack Obama".

Biperpedia: un approccio alla costruzione di un'ontologia basata su flussi di query

C'era un documento di Google che copre parte di questo territorio chiamato Biperpedia: An Ontology for Search Applications, che è altamente raccomandato per trascorrere del tempo con. Le idee di questo brevetto sembrano essere linee guida su come è stata sviluppata la Biperpedia Ontology. L'obiettivo dell'ontologia Biperpedia è aiutare a costruire un'ontologia che può essere utilizzata per aiutare a restituire i risultati della ricerca. Vediamo quanto descritto nel sommario al brevetto qui:

Le query possono essere valutate da altri utenti del sistema basato su Internet per rimuovere query che includono una grammatica scadente, utilizzano una struttura della frase scomoda, non sono dirette al fatto fornito nell'istruzione o sono comunque meno utili di altre query nel sollecitare il particolare fatto. Le query rimanenti possono essere normalizzate in modelli di query, ad esempio rimuovendo la punteggiatura da ciascuna query, correggendo errori di ortografia, convertendo i termini della query in ciascuna query in una rappresentazione minuscola, rimuovendo le cosiddette "parole di stop" da ciascuna query, e utilizzando altre tecniche di normalizzazione.

I modelli di query possono essere generalizzati in modelli di query generalizzati che possono essere associati a uno o più fatti archiviati da un sistema di ricerca. Queste associazioni possono essere utilizzate in seguito quando un utente invia una query che sollecita un fatto dal sistema di ricerca. Ad esempio, la query "Quanto è alto Barack Obama?" può essere memorizzato come modello di query [quanto è alto Barack Obama], che può essere generalizzato nel modello di query generalizzato [quanto è alto/Persona/] e associato a ciascun valore di altezza per ogni persona memorizzato dal sistema di ricerca. Quindi, quando il sistema di ricerca riceve la query "Quanto è alto Abraham Lincoln?" il sistema di ricerca può ottenere la risposta abbinando i termini della query al pattern di query generalizzato. Ad esempio, i termini della query possono essere normalizzati a [quanto è alto Abraham Lincoln] e abbinati a un modello di query generalizzato [quanto è alto/Persona/].

Il brevetto ci dice che cerca i modelli di query nelle query degli utenti per vedere se ne riconosce. La maggior parte dei brevetti sono creati per risolvere problemi particolari. Questo afferma esattamente perché esiste in questi termini:

Particolari forme di realizzazione dell'oggetto descritto in questa descrizione possono essere implementate per realizzare uno o più dei seguenti vantaggi. I dati e l'efficienza computazionale possono essere realizzati perché è possibile identificare un numero relativamente elevato di fatti su un'ampia gamma di argomenti ricevendo un numero relativamente piccolo di modelli di query. I modelli di query ricevuti possono essere convalidati o altrimenti filtrati prima di essere associati a fatti o argomenti, migliorando l'accuratezza complessiva dei fatti che possono essere forniti dal sistema in risposta a una domanda.

Comprendere i modelli di query che potrebbero essere chiesti su particolari tipi di entità è il percorso per rispondere a query fattuali poste da un ricercatore. Il brevetto dei modelli di query concesso il mese scorso è:

Apprendimento del modello di query effettivo
Inventori: Junli Xian, Engin Cinar Sahin, John Blitzer ed Emma S. Persky
Assegnatario: Google Inc.
Brevetto USA: 9,898,512
Concesso: 20 febbraio 2018
Archiviato: 13 maggio 2015

Astratto

Metodi, sistemi e apparati, compresi programmi per computer codificati su un supporto di memorizzazione per computer, per fornire una dichiarazione che fa riferimento a un particolare attributo di un particolare argomento, in risposta alla fornitura della dichiarazione, ottenendo uno o più modelli di query che includono ciascuno uno o più termini di query utilizzati nelle query inviate a un sistema di ricerca per ottenere un valore per l'attributo particolare di un determinato argomento, generalizzando uno o più modelli di query e associando uno o più modelli di query generalizzati a uno o più altri argomenti che includere il particolare attributo.

Asporto

Anticipare le domande che il tuo pubblico target potrebbe avere su ciò che le tue pagine coprono può essere un esercizio che vale la pena intraprendere. Se conosci le entità di cui trattano le tue pagine e le rendi le stelle delle tue pagine e rispondi alle domande su di esse che le persone potrebbero avere e diventi la fonte autorevole di informazioni su di esse, è probabile che il percorso verso il successo sotto un'ontologia approccio basato su query che trae vantaggio da modelli di query e un'ontologia basata sul flusso di query. Di cui ho scritto di più su: 3 Ways Query Stream Ontologies Change Search