آرشیو وبلاگ

به روزرسانی جدید گوگل: BERT

به روزرسانی جدید گوگل: BERT

bert

 

گوگل در تاریخ ۲۴ اکتبر 2019، بروزرسانی جدیدی را معرفی کرد  به نام BERT!

اما مشخص شد که نحوه عملکرد Google Search با جهشی بزرگ روبرو خواهد شد و این بزرگترین تغییر در الگوریتم جستجوی گوگل تا به الان بوده است( نه تنها در سال ۲۰۱۹ بلکه در پنج سال گذشته است و یکی از ۱۰ نتیجه جستجو را تحت تأثیر قرار می‌دهد.) در ۹ دسامبر، گوگل اعلام کرد که این بروزرسانی اکنون به بیش از ۷۰ زبان در سراسر دنیا تعمیم یافته است.

درک نحوه کار BERT و نحوه تغییر Google Search با توجه به تأثیر بزرگ آن، مسئله مهمی است. در این مقاله، برای شما از مفهوم BERT  و تاثیر آن بر سئوی سایت شما و سایر فرصت‌هایی که برای وب‌سایت شما فراهم می‌کند، صحبت خواهیم کرد.

BERT چیست؟

BERT (Bidirectional Encoder Representations from Transformers)  

تکنیک‌های جدید منبع باز گوگل برای پردازش زبان طبیعی (Natural Language Processing-NLP) است که به کامپیوترها در درک زبان انسانی کمک می‌کند.

نکته خاص در مورد BERT آن است که می‌تواند در یک جمله همزمان قبل و بعد از یک اصطلاح خاص، کلمات را پردازش کند (به این حالت “bidirectionality” گفته می‌شود) در نتیجه امکان تفسیر دقیق‌تری از متن و معنای واقعی آن اصطلاح را فراهم می‌کند. گوگل از این تکنیک برای درک بهتر منظور کاربران در الگوریتم جستجوی خود استفاده می‌کند.

 

بهبود جستجو در گوگل

گوگل در وبلاگ خود، نوشته است کهBERT  موتور جستجوگر خود را قادر می‌سازد تا قدرت درک جستجوهای محاوره‌ای و طولانی‌تر را افزایش دهد. به نمونه ارائه شده درمورد جست‌وجوی عبارت «۲۰۱۹ brazil traveler to usa need a visa» توجه کنید که چگونه به وسیله BERT ، کلمه “to” مهم شناخته شده است و نتایج آن تغییر کرده است:

BERT

 BERT و RankBrain

 گوگل rank brain را در سال ۲۰۱۵، معرفی کرد دقیقا به همان دلایلی که BERT را در سال ۲۰۱۹ ارائه داد:

برای درک بهتر منظور کاربران که واقعا چه چیزی را جستجو می‌کنند تا مناسب‌ترین نتایج جستجو را برای آن‌ها نمایش دهد.

RankBrain  به منظور درک معنای اصطلاحاتی است که کاربران جستجو می‌کنند و همچنین تجزیه و تحلیل محتوای صفحات وب ارائه شد.

ارائهBERT ، RankBrain  را منسوخ نکرد، بلکه به سادگی آن را تکمیل می‌کند. الگوریتم گوگل می‌تواند تصمیم بگیرد که کدام تکنیک برای تفسیر یک جستجوی خاص مناسب است و بر اساس این تصمیم، یکی از آنها را اعمال می‌کند یا حتی آنها را ترکیب می‌کند.

این یک پیشرفت غیرمنتظره برای جستجوهایی معنایی به منظور درک بهتر هدف جستجوگر، رابطه بین کلمات و همچنین مفهوم پرس‌وجو است.

 

BERT  و تاثیر آن بر سئو:

 گوگل BERT را به روزرسانی بزرگی می‌نامد و اظهار می‌کند که از هر ۱۰ عبارتی که جستجو می‌شود بر یکی تأثیر خواهد گذاشت. با این حال، از زمان انتشار  BERT در حوزه SEO هیچ نوسانی در رتبه‌بندی مشاهده نشده است. دلیل این امر آن است که BERT بیشتر بر نمایش نتایج جستجوهای محاوره‌ای و عبارات کلیدی بلند تأثیر می‌گذارد، جایی که تغییر رتبه‌بندی‌ها غالبا موثر نیست و مورد توجه قرار نمی‌گیرند.

 بنابراین همانطور که متوجه شدید، نمی‌توانید وب سایت خود را به طور خاص برای BERT بهینه کنید. به جای آن محتواهای کاربردی و عالی همچنان مهم‌ترین عامل موفقیت سئو خواهد بود که باید روی آن تمرکز کنید که با ورود این الگوریتم اهمیت آن حتی از قبل بیشتر شده‌است. الگوریتم BERT پیرامون جریمه کردن کسی نیست، بلکه در مورد هدف جستجو و درک منظور بهتر کاربران است. پس بهتر است به جای نوشتن محتوای سئو محور برای گوگل، فقط روی ایجاد محتوای باکیفیت برای مخاطب هدف خود تمرکز کنید.

  با این حال، این بدان معنی نیست که BERT برای صاحبان وب‌سایت یک الگوریتم کاملا نامرتبط و بی‌ربط به حساب می‌آید. در حقیقت، فناوری جدید NLP فرصت های بزرگی ایجاد کرده است از قبیل:

  •  ترافیک با کیفیت بالاتر

  BERT  گوگل را قادر می کند نتایج جستجو را متناسب با نیاز کاربران ارائه دهد. این موضوع می‌تواند منجر به ورود ترافیک بیشتر از جستجو به وب سایت شما شود که از کیفیت بالاتری نسبت به گذشته برخوردار میشود.

  • آموزش سیستم پاسخگویی به سؤال 

از آنجا که BERT سورس آزاد است، می‌توانید از آن برای آموزش سیستم پاسخگویی به سؤالاتتان استفاده کنید، به عنوان مثال برای گفتگوی چت در وب سایت یا برنامه‌های مشابه.

  • بهبود کیفیت محتوا 

BERT می‌تواند پیش‌بینی کند که آیا جمله A به دنبال جمله B و مرتبط با آن است یا خیر. و همچنین می‌تواند تجزیه و تحلیل کند که آیا محتوای وب سایت شما از یک رشته منطقی و منسجم پیروی می‌کند یا خیر.

 

یادگیری BERT

BERT چالش و رویکرد دو طرفه‌ای برای یادگیری مدل دارد. رویکردهای هدایت‌کننده و راهنمایی‌دهنده کلاسیک معمولا با نگاه به دنباله متن قبل از کلمه، کلمه بعدی را در یک جمله پیش بینی می‌کند، مثلا: “آموزش سئو از—-” اما از آنجایی که BERT کل متن را در نظر می‌گیرد، از یک استراتژی آموزشی به نام masking استفاده می‌کند.

در مرحله اول یادگیری، BERT با متن‌های کاملی که شامل تمام اطلاعات مربوطه است تغذیه می‌شود. در مرحله بعد، تک کلمه‌ای‌ها در جملات با یک نشان [mask] جایگزین می‌شوند. BERT به کلمات راست و چپ آن نشان نگاه می‌کند و سعی می‌کند کلمه گمشده را پیش‌بینی کند. این کار بارها و بارها انجام می‌شود تا به یک پیش‌بینی درست برسد.

از دیگر استراتژی‌های مهم آموزش BERT پیش‌بینی جمله بعدی (NSP) است، که در آن BERT  از یک جفت جمله تغذیه می‌شود و در این فرآیند یاد می‌گیرد پیش‌بینی کند که آیا جمله دوم در پیروی از جمله اول است یا خیر. این یک تکنیک مهم برای درک بهتر رابطه بین جملات علاوه بر معنی فردی کلمات و عبارات است.

 

نقاط ضعف BERT

اگرچه BERT واقعاً هیجان انگیز و باهوش است، اما در حال حاضر نقاط ضعف خود را نیز نشان می‌دهد.

 Allyson Ettinger از دانشگاه شیکاگو یکم مقاله تحقیقاتی را منتشر کرد که در آن از برخی مشکلات درمورد BERT توضیح می‌دهد. نکته‌ای که او به آن اشاره می‌کند این است که “it shows clear failures with the meaning of negation.” برای مثال او برای این ادعا یک جمله مثال می‌زند: “a Robin is a—-”. در این حالت، BERT موفق به پیش‌بینی کلمه bird شد. اما وقتی به عبارت “a Robin is not a—-” تغییر می‌کند، باز هم کلمه پیش‌بینی‌شده bird است.

 

جمع بندی:

یک فناوری مهم است، که شیوه رتبه‌بندی وب‌سایت‌ها را تغییر نمی‌دهد بلکه درک گوگل را از زبان طبیعی بهبود می‌بخشد. برای گوگل، این یک گام مهم برای رسیدن به هدف نهایی آنهاست: درک دقیق و درست از آنچه که کاربران در هر موقعیتی به دنبال آن هستند.

اگر می‌خواهید عمیق‌تر موضوع BERT را بررسی کنید مقالات مرتبط زیادی در این خصوص موجود است. همچنین برای کسب اطلاعات بیشتر در مورد چگونگی بهینه‌سازی سئو سایت مقالات ما را در وبلاگ دنبال کنید.

 

نوشته شده توسط: فاطمه چراغعلی

 

مطالب مرتبط

 

 

 

 

 

 

نظر خود را وارد نمایید.