网站首页

Google最近获得了一项具有广泛实际应用的专利。该专利涵盖了如何通过机器学习，在价值未知时预测排名信号值。

 

鉴于互联网上的大量内容以及每天发布的更多内容，Google需要找到一种为页面分配价值的方法，即使它们尚未被抓取和编入索引。如果Google没有抓取网页，如何对网页进行排名？Google如何使用没有任何入站链接的新内容？

 

该专利中的方法解决了Google算法如何解决和计算未知因素并使用它们来确定页面排名的位置。

 

我们将讨论Google可能正在使用的实施方案以及它为搜索引擎优化专家（SEO）解决的一些问题。但在我们开始之前，我觉得有义务提供我的标准免责声明。

 

仅仅因为某些东西已获得专利，并不意味着它被纳入算法中。我们需要权衡使用专利或部分专利的可能性，以及我们在周围看到的内容和有意义的内容。如果不出意外，它让我们一睹谷歌的工作方式。

 

鉴于本专利中概述的主题和方法，我认为至少有一些迭代正在使用中，很可能随着机器学习系统的发展而扩展。

 

根据计算，我们知道页面的相关性，并且我们知道域传递给页面的强度; 但是，如果不知道链接的数量或它们的重量，谷歌如何正确排名页面？如果Google不知道页面有多少或哪种类型的入站链接，那么Google如何对其进行排名？使用链接计数作为乘数的任何公式或算法都将为零。

 

如果信号值未知，则无法进行任何计算，Google将无法获得最佳结果。作为SEO，我们遇到了类似的问题：没有链接就无法排名，即使查询的内容最好，也很难获得不排名的内容链接。

 

该专利中的方法使算法具有预测值的能力，直到确认为止。这个预测因素可能是最激动人心的方面，因为它有助于快速测试并加速机器学习校正的部署。

 

虽然在该专利中讨论了各种排列，但其核心是归结为训练机器学习系统以在没有排序信号时产生排序信号的可能值。

 

对于索引A，排名信号值是已知的并且用于训练算法以理解其起点。该算法还被赋予了页面和反向链接。一旦训练算法以理解网页如何构造并且已经适应诸如反向链接的相关元素，则分配值，然后将信号值应用于第二索引。

 

在索引B中，信号值对于算法是已知的，但不包含在机器学习系统中。索引B通过学习它给出正确的因子权重的位置以及它不基于索引A的信息来训练自己。

 

事情变得越来越有趣，因为该算法还考虑了可能适用于排名信号的其他查询。当索引B中的算法试图预测单个结果时，它可能总是偏离一点，但是当预测许多结果时，预测变得更准确。由于“人群的智慧”现象，索引B被允许自我纠正（这是正在运行的机器学习元素），并通过合并其他查询及其学习内容来实现。

 

如果索引B中的系统可以确定多个相关查询的信号值，则这可以帮助生成初始查询的未知值。

 

为什么这很重要？

了解搜索引擎的工作方式总是很有价值，但更直接地说，理解能够使新网站和新资源快速排名的系统是很有价值的。

 

上述双索引系统具有编码器和解码器。编码器访问网页并创建编码表示。虽然我显然不知道后端会出现什么样的情况，但基于对专利中实体的多次引用，它可能是页面内实体的映射以及与索引中其他实体或已知关系的已知关系。其他资源。

 

谷歌已被授予一项专利，允许他们使用可能的排名信号对新资源（页面）进行排名。该专利还将有助于其他工程师或机器学习系统创建新信号，并允许整体算法对尚未分配值的页面进行排序。

 

可以根据链接，用户行为指标和可能获得的内容质量为新内容或资源分配值。或者基本上，他们已经找到了预测搜索未来的方法。

 

虽然没有什么可以直接影响机器学习，但你可以通过继续制作出色的内容并促进良好链接的发展来间接地发挥作用。

 

查看您网站上的内容，找出产生流量和链接的内容类型，因为这些是Google可以通过其分析和搜索控制台工具衡量的指标。IMO，这些是机器学习系统将使用的信号。

 

如果您当前的内容排名很好，生成链接，点击和分享，可能会预测新内容也会这样做。

 

检查您的分析和反向链接，并记录您正在做的事情，并激发未来的内容和链接建设工作。相反，请注意哪些方法不顺利。就像算法注意到成功一样，它也注意到失败。如果您网站上的趋势是积极的，您可能会得到奖励，如果它是负面的，那么相反的情况可能是正确的。

 

如果你没有快速排名，特别是对时间敏感的内容，你可能也不会得到你需要的信号来排名下一篇文章。