الگوریتم Bert گوگل چیست؟ + نحوه کار آن + بهینه سازی سئو برای آن
آیا تا به حال به این فکر کرده اید که گوگل بر چه مبنایی صفحات وب را به شما نمایش می دهد؟ یا اینکه از چه طریقی منظور شما از جستجوی یک کلمه کلیدی را متوجه می شود؟ گوگل با کمک الگوریتم هایی که دارد منظور شما را می فهند و از این طریق بهترین نتایج را به شما نمایش می دهد. تا کنون الگوریتم های مختلفی نظیر Panda، Humming Bird و Caffein برای گوگل منتشر شده اند.
گوگل در آخرین ماه های سال 2018 الگوریتم جدید خود به نام Google Bert را منتشر کرد. هدف اصلی الگوریتم برت این بود که موتور جستجوی گوگل به درک بهتری از رفتار کاربران برسد تا بهترین نتیجه را به آن ها نمایش دهد. در واقع هدف این الگوریتم بهبود جستجوی معنایی در گوگل است. امروز قصد داریم الگوریتم Bert را مورد بررسی قرار داده و ویژگی های آن را با یکدیگر مرور کنیم، پس تا انتهای این مطلب با ما همراه باشید.
معرفی الگوریتم Bert گوگل
گوگل الگوریتم های بسیاری منتشر کرده است که هر کدام وظیفه خاصی را بر عهده دارند. برای مثال الگوریتم پاندا محتوای تکراری موجود در وبسایت را بررسی می کند و الگوریتم مرغ مگس خوار (Humming Bird) جستجوی کاربران را درک می کند. در واقع، وظیفه اصلی الگوریتم های گوگل این است که بهترین نتیجه را با جستجوی کاربران انطباق دهند.
یکی از بهترین و پیشرفته ترین الگوریتم های گوگل، الگوریتم BERT است که از زمان انتشارش، باعث پیشرفت های عظیمی در موتور جستجوی گوگل شده است. در برخی اوقات کاربران کلماتی را جستجو می کنند که برای درک آن ها باید از داستان پشت آن ها باخبر بود اما گوگل برت هر چقدر هم که کلمات جستجو شده توسط کاربر پیچیده باشد، بهترین نتیجه را به وی پیشنهاد خواهد کرد.
طبق گقته خود گوگل، الگوریتم Bert به شرح زیر توصیف می شود:
پیشرفت های اخیر به جهت درک هر چه بهتر گوگل از زبان انسان اتفاق افتاده است. در حقیقت، گوگل در حال حاضر می تواند زبان محاوره ای کاربران را درک کند و این به خاطر الگوریتم Bert است. الگوریتم Bert عبارات پیچیده ای که کاربران جستجو می کنند را به خوبی درک کرده و به گوگل کمک می کند تا بهترین نتایج را با آن ها منطبق کند.
به عبارت دیگر، تسلط الگوریتم برت بر روی زبان محاوره ای و عبارات طولانی که دارای حروف اضافه ای نظیر «برای» و «به» هستند باعث می شود که موتور جستجوی گوگل منظور کاربران را بهتر متوجه شود. به عبارت دیگر، کاربران به لطف الگوریک برت می توانند همان گونه که صحبت می کنند، سرچ های اینترنتی خود را انجام دهند.
یکی از محققان برجسته در زمینه سئو و تکنولوژی های گوگل به نام Bill Slawski (بیل اسلاوسکی) الگوریتم برت را به بهترین شکل توضیح داده است:
الگوریتم Bert یک متد پیش آموزش (Pre-Training) است که موتور جستجوی گوگل از آن برای پردازش زبان انسان در محتوای متنی طویل استفاده می کند. این الگوریتم مولفه هایی از قبیل شناخت موجودیت (Entity Recognition)، برچسب گذاری اجزای کلام (Part of Speech Tagging) و سوال و جواب (Question and Answer) را در طیف وسیعی از زبان های زنده مورد پردازش قرار می دهد. در حقیقت، الگوریتم Bert به گوگل کمک می کند که زبان زنده استفاده شده در محتوای متنی صفحات وب را بهتر درک کند.
الگوریتم Bert یک الگوریتم یادگیری بسیار عمیق است که توانایی زبان های طبیعی و زنده را دارد. این الگوریتم به هوش مصنوعی گوگل کمک می کند تا معنی تک تک کلماتی که در یک جمله استفاده می شوند را درک کند. علاوه بر این، اگر دو متن از لحاظ موضوع محتوایی با یکدیگر فرق کنند، گوگل برت همچنان می توانند معنی کلمات مشابه در آن ها را متوجه شود.
خود شما زمانی که مطلبی را در گوگل جستجو می کنید ممکن است از زبان فارسی محاوره ای استفاده کنید. عدم تسلط کافی گوگل بر روی زبان های مختلف دنیا همواره یکی از دغدغه های این موتور جستجوگر بود اما ظهور الگوریتم Bert تا حدود بسیار زیادی این مشکل را برطرف کرده است.
الگوریتم Bert در 10% جستجوهای گوگل مورد استفاده قرار می گیرد و با فهم زبان محاوره ای می تواند باعث افزایش ترافیک وبسایت های مختلف شود. الگوریتم BERT مخفف (Bidirectional Encoder Representations from Transformers) است که در زبان فارسی به معنی اعمال انکد کردن (کدگزاری) دو طرفه از مبدل ها است. نحوه کارکرد الگوریتم برت مثل اسمش اصلا پیچیده نیست. انسان ها به طور ذاتی توانایی یادگیری و استفاده از زبان های طبیعی را دارند و الگوریتم برت نیز می خواهد مانند سیستم مغزی انسان عمل کند.
به عنوان مثال، برخی از عباراتی که توسط کاربران به صورت محاوره جستجو می شوند ممکن است برای کاربران دیگر قابل درک باشد اما ربات های گوگل در فهم آن ها ناتوان هستند. بنابراین، نتیجه جستجوی گوگل در نهایت اشتباه خواهد بود و کاربر به آنچه که می خواهد دسترسی پیدا نمی کند.
الگوریتم گوگل برت در سال 2018 به صورت آزمایشی بر روی زبان انگلیسی شروع به کار کرد و هدف از انتشارش رفع باگ ها و خطاهای احتمالی آن بود. یکسال بعد یک نسخه رفع باگ شده از آن برای زبان انگلیسی منتشر شد و از آن زمان گوگل سعی کرده است تا زبان های بیشتری را برای آن تعریف کند.
پردازش زبان طبیعی (Natural Laguage Processing) چیست؟
پردازش زبان طبیعی یا همان NPL یکی از بخش های هوش مصنوعی است که با علم زبان شناسی سر و کار دارد. هدف اصلی این تکنولوژی این است که سیستم های کامپیوتری را قادر سازد تا روشی که انسان ها با یکدیگر حرف می زنند را متوجه شود. این فناوری تا به امروز پیشرفت های بسیاری داشته است، برای مثال، پیشنهاد کلمات در هنگام تایپ، ربات های اتوماتیک گفتگوی آنلاین و دستیار های صوتی گوگل و اپل همگی زیر سایه پردازش زبان طبیعی به وجود آمده اند.
به طور کلی، پردازش زبان طبیعی در ابزارهای زیر مورد استفاده قرار می گیرد:
- گوگل ترنسلیت
- مایکروسافت ورد
- Siri
- کورتانا
- الکسا
- افزونه Grammarly
به عبارت دیگر، پدیده پردازش طبیعی زبان، تکنولوژی نیست که گوگل جدیداً آن را به موتور جستجوی خود اضافه کرده باشد. اما الگوریتم Bert این قابلیت را توسعه داده و باعث پیشرفت چشمگیر آن شده است، به گونه ای که سطح هوشمند بودن آن چند کرحله ارتقا یافته و بهترین نتایج را به کاربران نمایش خواهد داد. با استفاده از الگوریتم برت، گوگل حالا می تواند زبان ما را همانند یک انسان درک کند و از این طریق، بدون خطا منطبق ترین نتایج را به ما نمایش دهد.
الگوریتم Bert چگونه عمل می کند؟
عبارات جستجو شده توسط کاربران با هر ترتیب کلمات و توع نگارشی که باشد توسط الگوریتم برت پردازش می شوند. گوگل در گذشته فقط می توانست عباراتی که از دستور قواعد و نوع نگارش صحیح پیروی می کردند را درک کند اما به لطف الگوریتم برت می تواند منظور کاربران را بهتر متوجه شود. به عبارت دیگر، گوگل قادر است مفهوم هر واژه را بر اساس کلمه هایی که قبل و بعد از آن می آیند متوجه شود. بنابراین، موضوع متن یا همان Context دیگر برای موتور جستجوی گوگل مشکل محسوب نمی شود.
برای مثال، واژه «ماه» در زبان فارسی چند معنی دارد گوگل ممکن است در نمایش نتایج مربوط به آن با مشکل روبرو شود. زمانی که منظور کاربر ماه های سال باشد، اما واژه ماه را به تنهایی جستجو کند، ممکن است گوگل نتایج مربوط به قمر ماه را به وی نشان دهد. اما اگر قبل و بعد از آن از کلمات مربوطه استفاده کنید، گوگل به لطف الگوریتم برت منظور شما را خواهد فهمید و منطبق ترین نتایج را به شما نمایش خواهد داد.
یکی دیگر از قابلیت های گوگل برت، شناسایی و درک تفاوت بین حروف ربطی مانند «به» و «از» است. برای مثال، ممکن است بخواهید عبارت «مسیرهای دسترسی به تهران» را در گوگل جستجو کنید. بدون الگوریتم برت، گوگل شاید به اشتباه نتایج مربوط به «مسیرهای دسترسی از تهران» را به شما نمایش دهد.
به طور کلی الگوریتم Bert تغییرات زیر را در جستجوهای گوگل ایجاده کرده است:
-
عبارت پیشنهادی:
گوگل با کمک الگوریتم برت به درک بهتری از زبان انسان رسیده است به همین دلیل می تواند بر اساس واژگان خام جستجو شده توسط کاربر، پیشنهادات بهتری را به وی ارائه دهد.
-
درک دو طرفه:
گوگل در گذشته در درک واژگانی با معنای مشابه دچار مشکل بود اما امروزه به لطف الگوریتم Bert می تواند معانی کلمات را بر اساس موقعیت آن ها پردازش کند. برای درک هر چه بهتر این موضوع مثال «ماه» را به یاد بیاورید؛ گوگل منظور کاربر از واژه ماه را با توجه به کلمات دیگر متوجه خواهد شد.
-
حدس متن:
الگوریتم گوگل برت این امکان را در اختیار هوش مصنوعی گوگل قرار می دهد تا کلمات بعدی کاربران را حدس بزند. این موضوع باعث می شود که جستجوی کاربران راحت تر شده و بهترین نتایج به او نمایش داده شوند.
آیا گوگل از الگوریتم Bert در تمام جستجوهای خود استفاده می کند؟
همانطور که پیش تر به آن اشاره کردیم، الگوریتم برت در تنها 10% از جستجوهای کاربران مورد استفاده قرار میگیرد. طبق آمار، از هر 10 سرچ یکی از آن ها با الگوریتم Bert پردازش می شود و این موضوع باعث بهتر شدن عملکرد موتور جستجوگر گوگل شده است. الگوریتم گوگل برت در عبارات طولانی که معمولاً دارای حروف ربطی هستند وارد عمل می شود. در حقیقت، بیشتر عباراتی که کاربران جستجو می کنند کوتاه و به صورت تک کلمه ای هستند، به همین دلیل گوگل برای درک آن ها به تکنولوژی پردازش زبان BERT نیاز نخواهد داشت.
شبکه عصبی استفاده شده در الگوریتم های گوگل
شبکه های عصبی (Neural Networking) تعبیه شده در الگوریتم ها برای این منظور طراحی شده اند که گوگل الگوهای ساختاری زبان را بهتر درک کند. در دنیای واقعی، شبکه های عصبی در موضوعاتی از قبیل دسته بندی محتوای تصویری، شناسایی دست خط و پیش بینی روند مالی کسب و کارهای واقعی خود را نشان می دهد. البته این مدل از شبکه های عصبی هرگز در جستجوهای اینترنتی کاربرد ندارند.
گوگل از قبل با شناساندن انواع مخنلفی از داده ها به شبکه های عصبی، توانایی آن ها را در شناسایی الگوها تقویت کرده اند. الگوریتم Bert نیز به همین شکل قدرتمند شده است. در حقیقت، گوگل با شناساندن مجموعه ای از داده ها مانند محتوای موجود در ویکی پدیا، ظرفیت درکی آن را بهبود بخشیده است.
تفاوت الگوریتم Bert و Rankbrain
الگوریتم برت و رنک برین قابلیت های مشابهی دارند با این تفاوت که Rankbrain اولین هوش مصنوعی گوگل برای درک زبان محاوره بود که پیشرفت های قابل توجهی را برای بهینه سازی موتورهای جستجوگر به ارمغان آورد. البته، برت و رنک برین دو الگوریتم جدا از یکدیگر هستند که هر کدام به صورت مستقل و با روش های متمایز جستجوی کاربران را تجزیه و تحلیل می کنند.
به طور کلی می توان گفت که الگوریتم های Bert و Rankbrain مکمل یکدیگر هستند و در پردازش جستجوی کاربران با یکدیگر همکاری می کنند. الگوریتم Rankbrain با بررسی جستجوهای قبلی، جستجوی فعلی کاربر را پردازش می کند. سپس با توجه به عکس العمل کاربر به نتایج نشان داده شده از درست بودن آن اطمینان حاصل می کند. به عبارت دیگر، الگوریتم رنک برین جستجوی کاربران را ترجمه می کند. برای مثال، اگر شما عبارت بزرگترین برج موجود در تهران را جستجو کنید، الگوریتم Rankbrain متوجه می شود که به احتمال خیلی زیاد منظور شما برج میلاد خواهد بود.
بهینه سازی سئو برای الگوریتم Bert
در گذشته سئوکاران سعی می کردند محتوایی تولید کنند که تمام استانداردهای متنی نظیر استفاده از کلمات کلیدی و تصاویر مناسب را رعایت کند. در یک کلام، در گذشته اگر محتوایی چراغ سبزهای افزونه وردپرس را دریافت می کرد، برای تیم محتوایی حکم یک محتوای خوب را داشت که به احتمال خیلی زیاد در صفحه اول گوگل نیز رتبه خوبی می گرفت.
اما امروزه و با پیشرفت الگوریتم های گوگل، رتبه گرفتن در صفحه اول گوگل سادگی قبل نیست و قبل از نگارش محتوا باید تمامی کلمات هم خانواده (LSI) و کلماتی که در بخش People Also Ask گوگل پیشنهاد داده می شود را نیز در کنار کلمه کلیدی اصلی خود مورد استفاده قرار دهیم. می توان گفت سئو داخلی با ظهور الگوریتم هایی مثل Bert کمی تغییر کرده است.
با رعایت اصول و توجه به جدیدترین الگوریتم های گوگل می توانید محتوای درجه یک تولید کنید و امیدوار باشید که جایگاه خوبی در صفحه اول گوگل به دست آورید. البته بد نیست بدانید که سئوکاران دیگر نیز از این موضوع آگاهی دارند و احتمالاً قبل تر محتوایی بر اساس استانداردهای ذکر شده تولید کرده اند، بنابراین بهتر است هرچه سریع تر نسبت به تولید محتوای جدید با بروز رسانی محتوای قدیمی خود اقدام کنید.
علاوه بر این، با ظهور الگوریتم Bert انجام برخی از کارها نیز برای شما ممنوعه خواهد شد. برای مثال، استفاده بیش از حد از کلمات کلیدی (Keyword Stuffing) اصلاً برای الگوریتم برت خوشانید نیست چون این الگوریتم می تواند تک تک کلمات موجود در متن را درک کند و اگر زیاد به یک موضوع بپردازید محتوای شما را تکراری در نظر می گیرد.
به نظر می رسد که الگوریتم Bert به بخش سوالات متداول و کلمات کلیدی Long Tail مثل عباراتی که به «چیست» یا «چگونه است» ختم می شود، توجه ویژه ای دارد. در واقع، چون بیشتر کاربران جستجوی خود را به صورت سوالی مطرح می کنند، الگوریتم برت دوست دارد که آن ها خیلی سریع به جواب سوال خود برسند. بنابراین، استفاده از بخش سوالات متداول یا تیترهای حاوی کلمات کلیدی Long Tail به سئو شدن و رتبه گرفتن محتوای شما کمک خواهد کرد.
جمع بندی
الگوریتم Bert همانطور که در این مقاله گفته شد، به گوگل کمک می کند تا خواسته کاربران را بهتر و دقیق تر درک کند و وجود آن باعث شده تا گوگل زبان کاربران را بهتر بفهمد. علاوه بر این بهینه سازی محتوا بر اساس این الگوریتم بسیار حائز اهمیت می باشد و باید به آن توجه ویژه داشت.
دیدگاهتان را بنویسید
برای نوشتن دیدگاه باید وارد بشوید.