خبرها حاکی از آن است که باز هم سروکلۀ یک آپدیت جدید در موتور جستجوی گوگل پیدا شده است. نیل پاتل می‌گوید: «آپدیت برت گوگل، بزرگترین به‌روزرسانی گوگل بعد از الگوریتم رنک‌برین است.»
خود گوگل هم اعلام کرده که الگوریتم جدید از هر 10 جستجو یکی را تحت تأثیر قرار می‌دهد؛ پس با این حساب 10 درصد از نتایج نشان داده شده نسبت به قبل تغییر خواهند کرد. اگر این اتفاق بیفتد، حق با نیل پاتل است و ما شاهد یکی از بزرگترین آپدیت‌های گوگل در سیستم جستجو خواهیم بود.
در واقع شاید ورود آپدیت برت به جمع الگوریتم‌های گوگل آنقدر سروصدا به پا نکرده و خیلی هم حس نشده باشد، اما آنقدر مهم است که قرار است آیندۀ جستجوها را تحت تاثیر خود قرار دهد.
در مقاله امروز نوین همراه ما باشید تا آپدیت Google Bert را بررسی کنیم و ببینیم که کار اصلی آن چیست، چه سایت‌هایی را تحت تاثیر قرار می‌دهد و برای کنار آمدن با آن باید چه کار کنیم!
الگوریتم‌های جدید گوگل: Bertآپدیت BERT چیست؟
هدف موتور جستجوی گوگل همیشه یک چیز بوده و هست: رساندن بهترین نتایج به دست کاربران!
آپدیت گوگل برت نیز برای همین به‌وجود آمده است. برت کمک می‌کند تا سیستم جستجو بتواند بهتر از قبل زبان انسان را درک کند.
شاید بگویید که گوگل قبل از این هم از راه‌های مختلفی (از جمله جستجوی معنایی (Semantic Search) و الگوریتم رنک برین (Rank Brain)) برای فهمیدن معنا و مفهوم عبارت‌های سرچ شده، استفاده می‌کرد؛
پس Bert قرار است چه کار خاصی انجام دهد؟
در اصل، گوگل با اضافه کردن آپدیت برت می‌خواهد سر از ریزه‌کاری‌های زبان ما دربیاورد. تمرکز آپدیت برت روی نکات ریز دستوری، جملات و کلماتی که در محاوره به‌کار می‌روند و به خصوص روی عبارت‌های طولانی یا Long Tail Keywords است.
مدل BERT می‌تواند مفهوم کلی یک کلمه را با بررسی کلماتی که قبل و بعد از آن آمده‌اند، پیدا کند، حروف اضافه جمله را بررسی کند و هدف کاربر از کل جمله را تشخیص دهد.
قبل از BERT، بعد از BERT
برای اینکه بدانیم این آپدیت چگونه کار می‌کند وبعد از به وجود آمدنش چه تغییراتی در نتایج سرچ گوگل ایجاد شده، نیاز به چند مثال «قبل از عمل، بعد از عمل» داریم که به‌سادگی بفهمیم منظور گوگل از ریزه‌کاری‌های زبانی چیست.
راستی اگر می‌بینید که مثال‌ها مربوط به سرچ فارسی نیستند، به‌خاطر این است که فعلاً این آپدیت برای سایت‌های انگلیسی زبان فعال شده است. (و البته به زودی نجات دهنده کاربران در دیگر زبان‌ها هم خواهد شد.)
مثال اول: ریزه‌کاری‌های زبانی
گوگل می‌گوید هنگامی که کاربران عبارت «2019 brazil traveler to usa need a visa» را جستجو می‌کردند، موتور جستجو روی کلمات اصلی تمرکز داشت و تلاش می‌کرد نتایجی را به کاربر نشان دهد که شامل این کلمات یا مترادف آن‌ها باشد. اما نتیجه درست بر عکس چیزی بود کاربر دنبالش میگشت. چرا؟ به‌خاطر اینکه در این عبارت علاوه بر کلمات اصلی و معنی آن‌ها، کلمه ربط «TO» و رابطه‌اش با کلمات دیگر برای درک مفهوم جمله بسیار مهم است.
تا قبل از BERT، گوگل این نکات زبانی و اهمیت این ارتباط را نمی‌فهمید و نتایجی شامل اطلاعاتی راجع به «سفر آمریکایی‌ها به برزیل» را نشان می‌داد، در صورتی که کلمه ربط «TO» نشان می‌دهد که جستجو درباره سفرکنندگان برزیلی به آمریکاست.
حالا با BERT، سیستم جستجو قادر است این تفاوت‌های کوچک را درک کند و بداند که کلمات رایجی مثل «TO» از اصول مهم زبان به شما می‌رود و اگر به آن توجه نکند، ممکن است نتیجه 180 درجه با مفهوم اصلی فرق داشته باشد. چیزی که کاربر اصلاً دوست ندارد با آن مواجه شود!
مثال1 BERT
مثال دوم: توجه به معنی تمام جمله
بیایید عبارت جستجو شده بعدی را هم ببینیم. قبلاً وقتی عبارت «do estheticians stand a lot at work» می‌شد، سیستم جستجو با استفاده از روش شناسایی کلمات کلیدی، کلمه کلیدی «Stand-alone» در نتایج را با کلمه «Stand» در این عبارت تطبیق می‌داد و نتایجی شامل این کلمه کلیدی را به کاربر پیشنهاد می‌کرد.
آپدیت گورخر گوگل! چطور با zebra رفیق باشیم؟حتما بخوانید: آپدیت گورخر گوگل! چطور با zebra رفیق باشیم؟
حالا مدل BERT گوگل می‌تواند بفهمد که بقیه جمله درباره شغل صحبت می‌کند، پس احتمالاً مفهوم «Stand» در اینجا به معنای تقاضای فیزیکی برای یک شغل است؛ بنابراین محتوای درست‌تری را به کاربر نشان می‌دهد.
مثال2 BERTمثال سوم: فهمیدن جملات محاوره
به این جمله دقت کنید: «Can you get medicine for someone pharmacy»
این یکی، شبیه جستجوهای خودمان است که هرچه به ذهنمان می‌رسد در یک جمله تایپ می‌کنیم و انتظار داریم گوگل بیچاره، منظورمان را خیلی سریع حدس بزند. کاربر در اینجا جمله را ناقص نوشته و با یک کلمه Farmacy خواسته بگوید که منظورش از آن شخص کیست.
همانطور که می‌بینید برت توانسته جمله را با جزئیاتی که فقط یک انسان درک می‌کند، بفهمد و نتیجه دوم را پیدا کند.
مثال3 BERT
مثال چهارم: BERT در Featured Snippet
گوگل همیشه و همه جا به فکر کاربر است. برای همین کار BERT اینجا تمام نشده و بخش پاسخ‌های ویژه یا featured snippets هم به دست BERT بررسی میشود.
در ادامه گوگل مثالی هم از اسنیپت آورده تا بگوید ریزبینی برت در تمام قسمت‌های محتوا وارد شده و قرار است از این به بعد با وسواس هرچه تمام‌تر جستجو را به نتیجه برساند.
در این مثال نتیجه قبل و بعد از BERT برای عبارت «Parking on a hill with no curb» به معنی «روی تپه بدون محدودیت پارک کنید» نشان داده شده است. قبلاً این عبارت سیستم جستجوی گوگل را گیج می‌کرد.
گوگل خودش اعتراف می‌کند که موتور جستجو بیش از حد بر کلمه «Crub» دقت می‌کرد و کلمه «no یا بدون» را نادیده می‌گرفت؛ در حالی که این کلمه برای پاسخگویی مناسب به این سؤال خیلی مهم بود!
همانطور که می‌بینید گوگل قبلاً نتایج پارک کردن با محدودیت (a crub) را به او نشان می‌داد که عملاً به درد کاربر نمی‌خورد.
مثال 4- بررسی اسنیپت
یک مثال فارسی هم ببینیم
شبیه مثال گوگل، ما هم یک جستجوی فارسی انجام دادیم؛ البته چون این به روزرسانی هنوز به زبان فارسی نرسیده‌است، ما نمی‌توانیم تغییر این نتایج را با اعمال BERT ببینیم؛ ولی به هر حال اشکالات آن همچنان واضح است.
همانطور که می‌بینید در زبان فارسی هم موتور جستجو رابطه کلمه تهران و مشهد را متوجه نمی‌شود و کلمه «به» بین این دو را درک نمی‌کند. برای همین در بیشتر نتایج به جای «مشهد به تهران»، اطلاعات «تهران به مشهد» را لیست می‌کند.
مثال 5 bert
نکته: احتمال این وجود دارد که با گسترش الگوریتم Bert، دیگر بحث نیم‌فاصله گذاشتن یا نگذاشتن در متن‌های فارسی خاتمه پیدا کند و گوگل خودش بتواند نیم‌فاصله در زبان فارسی را تشخیص دهد و بفهمد!
آیا رنک برین (Rank Brain) هنوز زنده است؟
در اکتبر سال 2015 بود گوگل اولین هوش مصنوعی خود یعنی «رنک برین» را برای فهمیدن مفهوم عبارت‌هایی که جستجو می‌شد، معرفی کرد. این الگوریتم دنبال معنی و مفهوم کلماتی که هر روز جستجو می‌شد میگشت تا بتواند منظور شما را از تک تک واژه‌های تایپ شده بفهمد (حتی آن‌هایی که تا آن زمان در محتوای وب قرار نگرفته بود).
آموزش سئو گوگل ,جستجو ,کلمه ,bert ,آپدیت ,کاربر ,سیستم جستجو ,برای همین ,موتور جستجو ,جستجوی گوگل ,زبان فارسی منبع
درباره این سایت