جستجوی برداری: بهینه سازی برای ذهن انسان با یادگیری ماشینی

جستجوی برداری چیست و چگونه تجربه جستجو را تغییر می دهد؟ ادو لیبرتی، مدیر عامل Pinecone و رئیس سابق آزمایشگاه هوش مصنوعی آمازون، توضیح می دهد.
ما با متخصصان و نوآوران صنعت جستجو در مورد چالش‌های مداوم ، فرصت‌های پرطرفدار ، و فناوری‌هایی که افراد و شرکت‌ها برای مرتبط ماندن در نتایج جستجوی رقابتی استفاده می‌کنند، صحبت کرده‌ایم.
یکی از روندهایی که باعث پیشرفت های عظیم در فناوری جستجو می شود، تغییر از کلمات کلیدی به داده هایی است که معنای پرس و جو و آنچه در مورد آن شناخته شده است را بهتر نشان می دهد.
جستجوی کلمات کلیدی از سال 1230 پس از میلاد مسیح باعث کشف محتوا شده است. این زمانی بود که کاردینال فرانسوی و مفسر کتاب مقدس کاردینال هیو د سنت چر اولین فهرست شناخته شده در تاریخ را تکمیل کرد.
جستجوی برداری نشان دهنده یک تغییر عمده از این روش سنتی بازیابی اطلاعات به آینده ای است که در آن می توان تمام داده های پیچیده ای را که دارایی های محتوای مدرن را تشکیل می دهد، به کار انداخت.
بنابراین در حال حاضر چه چیزی باید در مورد آن بدانید؟
ما با ادو لیبرتی ، رئیس سابق آزمایشگاه هوش مصنوعی آمازون و اکنون مدیر عامل Pinecone، تماس گرفتیم تا مقدمه ای در مورد جستجوی برداری داشته باشیم و اینکه چرا ممکن است بخواهید فناوری های مرتبط را در رادار خود داشته باشید.
از لیبرتی پرسیدیم:
بیایید با این شروع کنیم – چرا پردازش زبان طبیعی (NLP) برای آینده سئو مهم است، و چگونه بازاریابان می توانند برای آینده آماده شوند؟
Edo Liberty: «همانطور که سئوکاران بر الگوریتم PageRank تسلط یافتند ، اکنون نیز باید درباره NLP بدانند تا بتوانند موفق شوند و رقبا را شکست دهند.
با این حال، برخلاف PageRank، حوزه NLP به سرعت در حال رشد است و هزاران مشارکت کننده دارد.
تلاش بیشتری نسبت به دنبال کردن Matt Cutts (از گوگل) در توییتر و ردیابی تغییرات SERP نیاز است.
خوشبختانه، اگرچه NLP موضوع پیچیده تری است، اما مانند PageRank در هاله ای از ابهام قرار ندارد.
بسیاری از کارها روی NLP به صورت آزاد انجام می شود، با مقالات تحقیقاتی رایگان و فراوان، نرم افزار منبع باز، و دوره های آنلاین بدون هزینه در مورد NLP .
یک چیز در مورد NLP واضح است: اینجا برای ماندن است.
هنوز کامل نیست، اما به سرعت در حال بهبود است، و شرکت‌های بزرگ فناوری، کشتی‌های جستجوی کلیدواژه‌ها را سوزانده‌اند و بازگشتی وجود ندارد.»
جستجوی برداری چگونه جستجوی کلیدواژه سنتی را دوباره تعریف می کند؟
Edo Liberty: « جستجوی برداری، جستجوی کلیدواژه را دوباره تعریف نمی‌کند. آن را با پارچه کامل جایگزین می کند.
به جای کار با کلمات کلیدی – و مترادف ها و غلط املایی آنها – جستجوی برداری با جاسازی های برداری کار می کند.
این بخشی از داده است که معنای عبارت جستجو را همراه با سایر اطلاعات شناخته شده در مورد پرس و جو یا کاربر نشان می دهد.
(برای یک انسان، تعبیه برداری غیرقابل تشخیص است و فقط مانند یک آرایه طولانی از اعداد به نظر می رسد.)
سپس از این نمایش عبارت جستجو و کاربر برای مرتب‌سازی مجموعه‌های انبوهی از جاسازی‌ها استفاده می‌شود که نشان‌دهنده دیگر محتوا و ترجیحات کاربر برای یافتن مرتبط‌ترین نتیجه است.
از دیدگاه کاربر، این بدان معنی است که آنها می توانند نحوه صحبت خود را جستجو کنند.
آنها دیگر نیازی به یادگیری خصلت ها و نحوهای موتورهای جستجو ندارند.
از دیدگاه سئو، این بدان معناست که آنها واقعاً می توانند روی موضوعات و موضوعات بدون نگرانی در مورد کلمات کلیدی دقیق تمرکز کنند.
Edo Liberty: «مقاله ما در مورد توضیح اصول جستجوی برداری نزدیک است.
نسخه ELI5، همانطور که در خانواده‌ام تمرین کرده‌ام، این است: اگر بگویم «غذای ایتالیایی»، ممکن است به پیتزا یا پاستا فکر کنید.
شما یاد گرفته اید که این چیزها به هم مرتبط هستند زیرا یادتان می آید که در یک رستوران ایتالیایی پیتزا می خورید یا یاد می گیرید که پاستا در ایتالیا محبوبیت دارد.
اما یک کامپیوتر هرگز این را یاد نگرفت. بنابراین عبارت "غذای ایتالیایی" دقیقاً به این معنی است و حاوی اطلاعاتی نیست که بگوییم مربوط به پاستا یا پیتزا است.
بنابراین، وقتی از رایانه می‌خواهم «رستوران ایتالیایی» را جستجو کند، ممکن است مکان‌های پیتزا را حذف کند.
یادگیری ماشینی راهی برای کمک به رایانه ها برای درک معنای آنچه می گوییم یا تایپ می کنیم است.
و جستجوی برداری راهی برای آن رایانه‌ها است که در هر چیزی که می‌دانند، بر اساس معنی و نه کلمات دقیق جستجو کنند.
بنابراین، اکنون، اگر از رایانه بخواهم که یک مکان ایتالیایی را توصیه کند، ممکن است مانند شما مکان پیتزای مورد علاقه شما را به شما پیشنهاد دهد.
سازمان ها در نهایت می توانند بر ایجاد و سازماندهی محتوا برای انسان ها تمرکز کنند.
هزاران دانشمند و مهندس بی‌وقفه تلاش می‌کنند تا ML و NLP را شبیه ذهن انسان کنند.
آیا واقعاً می خواهید مخالف آن باشید؟ استراتژی برنده سئو، بهینه سازی برای ذهن انسان است."
برخی از چالش‌هایی که با استفاده از الگوریتم‌های ML برای مشتریان خدمات وب آمازون (AWS) با آن‌ها مواجه بودید، چیست و چگونه بر آن‌ها غلبه کردید؟
Edo Liberty: "من نمی توانم در مورد پروژه های خاص یا چالش های AWS صحبت کنم. می توانم به طور گسترده تر بگویم، از تجربه من، دیدم که الگوریتم های ML دیگر گلوگاه نیستند.
مطمئناً، آنها از کامل بودن فاصله زیادی دارند، و کارهای زیادی برای انجام دادن وجود دارد، اما این کار با سرعت سرسام آوری در حال انجام است.
چالش بعدی اجرای آن الگوریتم‌ها در مقیاس مورد نیاز برای پشتیبانی از محصولات مصرفی و برنامه‌های کاربردی سازمانی است.
آن نمایش‌هایی که قبلاً ذکر کردم، جاسازی‌های برداری، از نظر محاسباتی برای جستجو پرهزینه هستند.
فهرستی از فقط 1 میلیون مورد (جاسازی های برداری) از قبل به نرم افزار تخصصی همراه با تنظیم دقیق نیاز دارد. یک شاخص از 100 میلیون مورد نیاز به نرم افزار و زیرساخت تخصصی دارد. فهرستی از 1 بیلیون آیتم یا بیشتر به شما نیاز دارد که گوگل یا آمازون باشید.
(به عنوان یک کنار، به همین دلیل است که Pinecone را شروع کردم: برای اینکه تیم های مهندسی بتوانند جستجوی برداری را به برنامه های خود اضافه کنند.)"
Pinecone چیست و چه کاربردی دارد؟
Edo Liberty: امروزه Pinecone ساخت جستجوی برداری سریع، تازه و فیلتر شده را در برنامه های خود برای مهندسان آسان می کند.
این زیرساخت جستجوی مورد نیاز برای اجرای جستجوی برداری در مقیاس را به تیم های مهندسی می دهد که همه در یک سرویس مدیریت شده با یک API آسان بسته بندی شده اند.
(ما شماره‌های نسخه را حذف کرده‌ایم، زیرا نسخه‌ها سریع عرضه می‌شوند، و به‌عنوان یک سرویس مدیریت‌شده، کاربران همیشه آخرین نسخه را دریافت می‌کنند و نیازی نیست نگران به‌روزرسانی‌ها باشند.)
کار با الگوریتم ها بسیار سرگرم کننده است و کاملاً ارزش چالش ها را دارد.
با جستجوی برداری، ما در تقاطع الگوریتم های پیشرفته، معماری پایگاه داده و برنامه های کاربردی بدون سرور هستیم.
و، می‌بینیم که مشتریان ما این فناوری را برای محصولاتی به کار می‌برند که هم در برنامه‌های مصرف‌کننده و هم در برنامه‌های سازمانی مانند جستجوی معنایی، سیستم‌های توصیه، امنیت فناوری اطلاعات، ابزارهای پوشیدنی، بینایی رایانه و موارد دیگر انقلابی ایجاد می‌کنند.
چه نکات یا توصیه هایی برای مبتدیان سئو دارید که به تازگی وارد دنیای ML و AI می شوند؟
ادو لیبرتی: «احساس ترس نکنید. حتی باهوش ترین محققان در این زمینه در حال "پیدا کردن چیزها" هستند.
یادگیری در مورد AI/ML فراتر از مقالات سطح، شما را به یک متخصص سئو بهتر تبدیل می کند، و منابع رایگان زیادی وجود دارد که به شما در انجام این کار کمک می کند.
برای کسانی که علاقه مند به مشاغل در این زمینه هستند، ما در حال حاضر در تمام تیم ها استخدام می کنیم: مهندسی، تحقیق، موفقیت مشتری، فروش، بازاریابی و عملیات.
منابع بیشتر:
تصویر ویژه: با حسن نیت از Pinecone
خبرنامه روزانه ما را از لورن بیکر بنیانگذار SEJ در مورد آخرین اخبار در صنعت دریافت کنید!
نویسنده، ویراستار و حرفه ای بازاریابی؛ عشایر دیجیتال، فمینیست و خرس مادر. 15 سال تجربه برنامه ریزی و اجرای دیجیتال جذاب … [بیو کامل را بخوانید]
برای دریافت آخرین اخبار صنعت در خبرنامه روزانه ما مشترک شوید.
برای دریافت آخرین اخبار صنعت در خبرنامه روزانه ما مشترک شوید.

source
سئو سایت

About mohtavaclick

Check Also

7 عامل اصلی استرس برای بازاریابان دیجیتال و نحوه مقابله

کار در بازاریابی دیجیتال می تواند فوق العاده استرس زا باشد. شاید زمان آن رسیده …

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

قالب وردپرس وردپرس متخصص وردپرس متخصص ووکامرس افزونه وردپرس کابین وردپرس