SEO는 키워드에서 온톨로지 및 쿼리 패턴으로 이동합니다.

쿼리 패턴을 사용하여 키워드에서 온톨로지로

Google에 "Barack Obama의 키가 얼마입니까?"라고 물으면 특정 키워드와 일치하는 페이지가 아니라 44대 미국 대통령에 대한 사실 정보를 검색합니다. 우리가 수행하는 검색 유형과 검색 엔진이 정보를 수집하고 색인을 생성하고 이에 대한 답변을 반환하는 방식이 변화하고 있습니다. 이 변환은 진행 중인 프로세스이며 Google은 여전히 ​​쿼리의 키워드를 웹 문서의 키워드와 일치시키고 있습니다. 따라서 키워드 연구를 하는 것은 계속해서 의미가 있습니다. 그러나 이러한 변화가 어떻게 일어나고 있는지 이해하면 미래에 대해 계획하고 검색 엔진이 어디로 갈 수 있는지 알 수 있습니다.

지식 기반 엔터티를 검색에 사용할 수 있는 방법과 같은 항목에 대해 알려주는 Google의 특허를 보았습니다. Google이 2012년 지식 그래프를 도입했을 때 문자열 대신 사물에 초점을 맞추기 시작했다고 말했습니다. 이러한 문자열은 문서에서 일치하는 검색 상자에 입력된 키워드에서와 같이 텍스트 문자열입니다. 사물에 초점을 맞춘 검색의 변환은 검색 엔진이 엔터티의 속성 및 속성에 대한 정보를 수집하는 웹 페이지를 크롤링함을 의미합니다. 다음과 같이 정의되는 온톨로지와 같은 것에 더 중요성을 찾을 것입니다.

온톨로지는 특정 담론 영역에 존재하는 엔티티의 유형, 속성 및 상호 관계에 대한 형식적인 명명 및 정의입니다.

쿼리 패턴

Google은 검색 결과에 관련 질문을 표시하기 위해 질문 그래프를 사용하며 이러한 질문의 엔터티가 연결되는 방식에 주의를 기울입니다. 나는 관련 질문에 '사람들이 또한 검색하는 항목이 결합되어 있음'에 대해 썼습니다. 이제 질문 그래프를 사용합니다.

최근에 부여된 Google 특허는 검색자가 가질 수 있는 질문에 답하고 더 많은 질문에 답하도록 유도할 수 있는 쿼리 패턴을 이해하는 특정 엔티티에 대한 쿼리가 생성되는 방법을 설명합니다. 특허 요약은 다음과 같이 알려줍니다.

일반적으로, 본 명세서에 기술된 주제의 한 가지 혁신적인 측면은 특정 사람, 장소 또는 사물에 대한 하나 이상의 사실과 관련된 하나 이상의 텍스트 쿼리 패턴의 생성을 크라우드소싱하는 것을 포함하는 방법으로 구현될 수 있습니다. 예를 들어, 인터넷 기반 시스템의 사용자는 "Barack Obama is 6'1"과 같이 특정 사물에 대한 사실을 기술하는 진술을 수신할 수 있습니다. 이에 대한 응답으로 인터넷 기반 시스템의 사용자는 "버락 오바마의 키는 얼마입니까?"와 같은 사실을 검색하는 데 사용할 수 있는 하나 이상의 쿼리를 생성하고 보낼 수 있습니다. 또는 "버락 오바마 키"라는 검색어를 포함하는 쿼리입니다.

Biperpedia: 쿼리 스트림을 기반으로 하는 온톨로지 구축에 대한 접근 방식

Biperpedia: An Ontology for Search Applications라고 불리는 이 영역의 일부를 다루는 Google 문서가 있었습니다. 이 문서는 시간을 할애할 것을 적극 권장합니다. 이 특허의 아이디어는 Biperpedia Ontology가 어떻게 개발되었는지에 대한 지침으로 보입니다. Biperpedia 온톨로지의 초점은 검색 결과를 반환하는 데 사용할 수 있는 온톨로지를 구축하는 것입니다. 특허 요약에 설명된 내용은 다음과 같습니다.

쿼리는 인터넷 기반 시스템의 다른 사용자에 의해 평가되어 잘못된 문법을 포함하거나, 어색한 문장 구조를 사용하거나, 문장에 제공된 사실과 관련이 없거나, 특정 질문을 요청하는 데 다른 쿼리보다 덜 유용한 쿼리를 제거할 수 있습니다. 사실. 나머지 쿼리는 쿼리 패턴으로 정규화될 수 있습니다. 예를 들어, 각 쿼리에서 구두점 제거, 철자 오류 수정, 각 쿼리의 쿼리 용어를 소문자 표현으로 변환, 각 쿼리에서 소위 "중단어" 제거, 및 기타 정규화 기술을 사용합니다.

쿼리 패턴은 검색 시스템에 의해 저장된 하나 이상의 사실과 연관될 수 있는 일반화된 쿼리 패턴으로 일반화될 수 있습니다. 이러한 연결은 나중에 사용자가 검색 시스템에서 사실을 요청하는 쿼리를 제출할 때 사용할 수 있습니다. 예를 들어 "버락 오바마의 키는 얼마입니까?"라는 쿼리입니다. 쿼리 패턴[바락 오바마의 키]로 저장될 수 있으며, 이는 일반화된 쿼리 패턴[키/사람/]으로 일반화될 수 있고 검색 시스템에 의해 저장되는 각 사람에 대한 각 키 값과 연관될 수 있습니다. 그런 다음 검색 시스템이 "Abraham Lincoln의 키가 얼마입니까?"라는 쿼리를 수신하면 검색 시스템은 쿼리의 용어를 일반화된 쿼리 패턴과 일치시켜 답을 얻을 수 있습니다. 예를 들어 쿼리 용어는 [에이브러햄 링컨의 키]로 정규화되고 일반화된 쿼리 패턴 [키/사람/]과 일치될 수 있습니다.

특허에 따르면 사용자 쿼리에서 쿼리 패턴을 찾아 인식하는지 확인합니다. 대부분의 특허는 특정 문제를 해결하기 위해 만들어집니다. 이것은 다음 용어로 그것이 존재하는 이유를 정확하게 설명합니다.

본 명세서에 기술된 주제의 특정 실시예는 다음 이점 중 하나 이상을 실현하도록 구현될 수 있다. 비교적 적은 수의 쿼리 패턴을 수신하여 광범위한 주제에 대해 비교적 많은 사실을 식별할 수 있으므로 데이터 및 계산 효율성을 실현할 수 있습니다. 수신된 쿼리 패턴은 사실 또는 주제와 연결되기 전에 유효성을 검사하거나 필터링할 수 있으므로 질문에 대한 응답으로 시스템에서 제공할 수 있는 사실의 전반적인 정확도가 향상됩니다.

특정 유형의 엔터티에 대해 질문할 수 있는 쿼리 패턴을 이해하는 것은 검색자가 제기한 사실적 쿼리에 응답하는 경로입니다. 지난 달에 부여된 쿼리 패턴 특허는 다음과 같습니다.

사실 쿼리 패턴 학습
발명가: Junli Xian, Engin Cinar Sahin, John Blitzer 및 Emma S. Persky
양수인: Google Inc.
미국 특허: 9,898,512
부여: 2018년 2월 20일
출원일: 2015년 5월 13일

추상적 인

컴퓨터 저장 매체에 인코딩된 컴퓨터 프로그램을 포함하는 방법, 시스템 및 장치로서, 특정 주제의 특정 속성을 참조하는 명령문을 제공하고, 명령문 제공에 응답하여 각각 하나 이상의 쿼리 패턴을 포함하는 하나 이상의 쿼리 패턴 획득 특정 주제의 특정 속성에 대한 값을 얻고, 하나 이상의 쿼리 패턴을 일반화하고, 하나 이상의 일반화된 쿼리 패턴을 특정 속성을 포함합니다.

테이크 어웨이

타겟 청중이 귀하의 페이지에서 다루는 내용에 대해 어떤 질문을 할 것인지 예상하는 것은 가치 있는 작업이 될 수 있습니다. 페이지에 대한 엔터티를 알고 있고 이를 페이지의 스타로 만들고 사람들이 가질 수 있는 질문에 답하고 이에 대한 정보의 권위 있는 출처가 되면 온톨로지에서 성공하는 길이 될 것입니다. 쿼리 패턴 및 쿼리 스트림 기반 온톨로지의 이점을 기반으로 하는 접근 방식입니다. 3가지 방법으로 쿼리 스트림 온톨로지 변경 검색에 대해 자세히 썼습니다.