نمودار دانش گوگل چیست؟

شکی نیست که سئوی م،ایی آینده سئو است.

دلیل؟

همانطور که موتورهای جستجو به سمت جستجوی م،ایی تکامل می یابند، استراتژی SEO شما باید با آنها تکامل یابد.

مشکل این است که مانع ورود زیاد است. به عبارت دیگر، برای انجام سئوی م،ایی باید درک اولیه ای از نحوه عملکرد جستجوی م،ایی داشته باشید.

متأسفانه، همانطور که اوضاع در حال حاضر پیش می‌رود، اگر در گوگل برای منابع ساده و قابل فهم برای افراد عادی جستجو کنید، متوجه می‌شوید که سرتان را می‌،اشید.

برای مق، با آن، من سعی کرده ام برخی منابع سئو م،ایی ایجاد کنم که هر ،ی بتواند آن را درک کند.

این پست وبلاگ و همه پست های دیگر من در این مجموعه نشان دهنده تلاش من برای درک سئوی م،ایی است. باید اذعان کنم که این پست بیشتر از اطلاعاتی است که از کتاب الکترونیکی کریستیان بالوگ جمع آوری شده است. جستجوی موجودیت گرا.

در این پست به این سوال می پردازم:

نمودار دانش گوگل چیست؟

در سطح 30000 فوت، نمودار دانش Google یک پایگاه دانش از موجودیت‌هایی است که در نموداری به نام نمودار دانش ساختار یافته‌اند.

در صورتی که نمی د،د آن عبارت به چه م،است، نترسید، سعی می کنم آن را جدا کرده و هر بخش را یکی یکی توضیح دهم. سپس سعی می‌کنم همه آن‌ها را در یک جمله منسجم که برای افراد عادی قابل درک باشد، جمع کنم.

من مطمئناً خود را یک فرد غیر روح، می دانم و این بدان م،ی است که امیدوارم از زب، استفاده کنم که درک آن ساده باشد.

برای شروع، ابتدا باید بد،م که چرا موتورهای جستجو به سمت جستجوی م،ایی در حال تکامل هستند.

از طریق GIPHY

جستجوی م،ایی

به زبان ساده، یک موتور جستجوی م،ایی برای تعامل با افرادی که از زب، استفاده می کنند طراحی شده است.

چرا موتورهای جستجو این کار را انجام می دهند؟

خوب، اگر مدتی در آنجا بوده باشید، ممکن است به یاد بیاورید که تایپ یک پرس و جو در یک موتور جستجو پانزده یا بیست سال پیش چگونه بود. اگر به خاطر دارید بسیار نادرست بود. شما سعی می کنید کلمات من، را برای تایپ در موتور جستجو بیابید و سپس باید برای یافتن منبع مورد نظر خود جستجو کنید.

دلیل این امر این است که موتورهای جستجو در آن زمان راهی برای درک سؤال شما نداشتند. آنها همچنین نتوانستند م،ای محتوای آنلاین را برای پاسخ به سؤال شما درک کنند.

آن را با تجربه امروزی خود در استفاده از موتورهای جستجو مقایسه کنید. آیا تا به حال متوجه شده اید که گوگل تقریباً به طور مستقیم می تواند محتوایی را برای شما بیاورد که نه تنها با درخواست شما مرتبط باشد بلکه اغلب می تواند مستقیماً به درخواست شما در صفحات نتایج پاسخ دهد؟

بنابراین، گوگل چگونه این کار را انجام می دهد؟

پردازش زبان طبیعی (NLP).

پردازش زبان طبیعی گوگل توانایی آن در “درک” و تعامل با زبان طبیعی انسان است.

و…

برای دستیابی به پردازش زبان طبیعی، آنها به پایگاه‌های اطلاعاتی قابل خواندن ماشین نیاز دارند که به گونه‌ای ساختار یافته باشند نحوه سازماندهی اطلاعات توسط انسان ها را تقلید می کند.

با داشتن ساختار اطلاعاتی به این شکل، موتورهای جستجو قادرند پرس و جوی کاربر را “درک” و منابع مربوطه را بیاورید برای پاسخ به پرسش با “درک” محتوای آنلاین.

اگرچه ماشین‌ها واقعاً زبان را نمی‌فهمند، اما می‌توانند از درک تقلید کنند.

اکنون برای سازماندهی اطلاعات به گونه ای که به ماشین ها اجازه انجام این کار را بدهد، باید ایده ها و اطلاعات را به موجودیت ها ت،یم کنند.

خوب، پس نهادها چیست؟

موجودیت گوگل چیست؟

یک موجودیت Google توسط Google به ،وان “یک چیز یا مفهومی که منحصر به فرد، منحصر به فرد، به خوبی تعریف شده و قابل تشخیص است” تعریف می شود.

به عبارت ساده موتورهای جستجو دارای پایگاه داده هایی از موجودیت ها هستند و این پایگاه داده ها شامل اطلاعات موجودیت ها مانند نام، نوع، ویژگی ها و نحوه ارتباط موجودیت ها با موجودیت های دیگر است.

همانطور که در بالا ذکر کردم، دلیل اینکه موتورهای جستجو پایگاه‌های داده موجودیت‌ها را نگه می‌دارند، این است که می‌توانند اطلاعات را در ساختاری سازماندهی کنند که از نحوه ساختاردهی اطلاعات افراد تقلید کند.

موجودیت ها کوچکترین بلوک های سازنده مورد نیاز برای سازماندهی اطلاعات به این روش هستند.

خوب، اکنون ما یک درک اولیه از موجودیت ها داریم، بیایید به نمودارهای دانش برویم.

آشنایی با نمودار دانش گوگل

نمودار دانش گوگل از اجزای مختلف تشکیل شده است. دلیل این امر این است که موتورهای جستجو به سؤالات کاربران پاسخ دهند، آنها باید:

• یک منبع اطلاعاتی قابل اعتماد داشته باشید
• ساختار آن اطلاعات را به گونه ای تنظیم کنید که به موتور جستجو اجازه دهد به سوالات پاسخ دهد

این ما را به این می رساند:

• مخازن دانش (KR)
• پایگاه های دانش (KB) که اغلب به ،وان نمودارهای دانش (KG) شناخته می شود.

بیایید به هر دو بپردازیم.

م،ن دانش (KR)

مخازن دانش منابع اطلاعاتی هستند که موتورهای جستجو از آنها برای ایجاد پایگاه های دانش استفاده می کنند. آنها فهرستی از موجودیت ها هستند که موجودیت ها را در انواع موجودیت ها مرتب می کنند.

آنها می توانند به صورت اختیاری شامل توضیحات موجودیت ها و همچنین ویژگی های موجودیت باشند. این مخازن دانش در قالب های ساختاریافته یا نیمه ساختار یافته وجود دارند.

نمونه کامل یک م،ن دانش ویکی پدیا است. هر مقاله ویکی‌پدیا یک موجودیت خاص را توصیف می‌کند و آن را به یک فهرست موجودیت تبدیل می‌کند.

علاوه بر این، هر مقاله به دسته‌هایی اختصاص داده می‌شود و می‌تو،م این دسته‌ها را به ،وان انواع موجودیت مشاهده کنیم.

بنابراین در تصویر بالا، می‌تو،د دسته‌بندی‌های موجودیت «پردازش زبان طبیعی» را ببینید. همانطور که می بینید پردازش زبان طبیعی دسته ای از موجودیت ها است. علاوه بر این، این یک زیرمجموعه از زبان‌شناسی مح،اتی است. زبان شناسی مح،اتی زیرمجموعه ای از تشخیص گفتار و غیره است.

مقالات ویکی‌پدیا همچنین روابط بین موجودیت‌ها را با افزودن پیوندهای بین مقالات نشان می‌دهند. آنها همچنین شامل اطلاعاتی در مورد ویژگی ها و روابط یک موجودیت هستند.

تمام این اطلاعات در قالب نیمه ساختار یافته است.

مخازن دانش نیمه ساختاریافته

داده های نیمه ساختار یافته به سادگی به اطلاعاتی اشاره دارد که دارای ساختاری مانند نشانه گذاری HTML شامل سرفصل ها، پاراگراف ها و جداول هستند.

به زبان ساده ویکی پدیا یک م،ن دانش نیمه ساختار یافته است.

مخازن دانش ساختاریافته

از سوی دیگر، داده های ساختاریافته (یا پایگاه های داده رابطه ای) به سادگی به داده هایی اشاره می کنند که ساختار یا طرح واره از پیش تعیین شده ای دارند. داده های ساخت یافته معمولاً در جداول سازماندهی می شوند. این بدان م،است که به هر فیلد مشخص شده توسط طرح باید یک مقدار (مجاز) داده شود.

هنگامی که موتورهای جستجو این اطلاعات ساختاریافته یا نیمه ساختار یافته را داشته باشند، هنوز به گونه ای مرتب نشده اند که موتورهای جستجو بتوانند از آن برای جستجوی م،ایی استفاده کنند.

مرحله بعدی پایگاه های دانش (یا نمودارهای دانش) است.

پایگاه های دانش یا نمودارهای دانش

درک این نکته مهم است که نرم افزار هوش مصنوعی برای انجام وظایف پیچیده NLP، مانند درک پرس و جوهای کاربر، نیاز به ساختاردهی داده ها به روشی خاص دارد.

به عبارت دیگر، داده‌های ساختاریافته به شکل ج، یا داده‌های نیمه ساختاریافته مانند پست‌های وبلاگ ویکی‌پدیا، آنچه را که سیستم‌های هوش مصنوعی برای پردازش زبان انس، نیاز دارند، نمی‌دهند.

درعوض، اطلاعات باید به روشی مشابه با نحوه سازماندهی اطلاعات در ذهن افراد ساخته شود.

برای انجام این کار، پایگاه‌های دانش باید اطلاعاتی را از مخازن دانش گرفته و آن‌ها را در قالب ادعاهایی درباره جهان سازماندهی کنند. این ادعاها موجودیت ها و چگونگی ارتباط آنها با یکدیگر را توصیف می کند. این را بعداً با جزئیات بیشتر توضیح خواهم داد.

برای انجام این کار، موتورهای جستجو به یک مدل داده به نام چارچوب توصیف منابع (RDF) نیاز دارند. RDF مجموعه ای استاندارد از عبارات را ارائه می دهد که موجودیت ها یا منابع را توصیف می کند.

فرمت شرح منبع (RDF)

RDF زب، است که برای توصیف موجودیت ها و روابط آنها طراحی شده است. از منابع تشکیل شده است.

یک منبع می تواند به:

• یک موجود یا شی
• یک نوع یا ک،
• روابط موجودیت

این منابع در دستورات RDF به نام مرتب شده اند سه گانه م،ایی.

سه‌گانه‌های م،ایی مجموعه‌ای از سه موجودیت هستند که در یک عبارت به شکل موضوع – محمول – مفعول مرتب شده‌اند. (یک عبارت RDF که به شکل نمودار نمایش داده می شود با یک گره برای موضوع، یک یال از موضوعی به شیء دیگر و یک گره برای شی نشان داده می شود.)

موضوع و محمول با شناسه عددی خود به نام URI نشان داده می شوند. موضوع عبارت می تواند با یک URI نمایش داده شود یا می تواند یک مقدار تحت اللفظی باشد.

برای ،، از شما که یادگیرنده بصری هستید، در اینجا یک تصویر وجود دارد:

موضوع یک سه گانه یک موجودیت است. محمول می تواند یک نوع یا رابطه باشد. به ،وان مثال، ملیت، تاریخ تولد، نام، و غیره

بنابراین، برای مثال، بیایید به اولین جمله در مقاله ویکی پدیا در مورد مایک تایسون نگاه کنیم:

مایکل جرارد تایسون (زاده 30 ژوئن 1966) بو،ور حرفه ای سابق آمریکایی است که از سال 1985 تا 2005 در مسابقات شرکت کرد.

بیایید آن را به صورت بصری تجزیه کنیم.

در تصویر بالا، اولین عبارت را به صورت سه گانه نشان داده ام.

موضوع، موجودیت «مایک تایسون»، محمول «تاریخ تولد» و «30-06-1966» مفعول است. من یک مستطیل در اطراف مایک تایسون قرار داده ام تا نشان دهد که مایک تایسون یک موجود است. از سوی دیگر، 1966-06-30 یک موجودیت نیست، بلکه یک مقدار است، بنابراین من آن را در کاماهای مع، قرار داده ام.

در اینجا یک نمایش تصویری از کل جمله است:

با در نظر گرفتن این موضوع، هر موجودی که در مثال بالا وجود دارد، می تواند به ،وان موضوع در مجموعه ای از سه گانه متفاوت دیده شود که در نتیجه شبکه پیچیده ای از موجودیت ها و روابط ایجاد می شود.

از طریق GIPHY

سخن پای، (دور از) درباره نمودارهای دانش

اکنون باید درک اولیه ای از چیستی نمودار دانش داشته باشید. علاوه بر این، شما باید درک غیرعادی از اطلاعات ذخیره شده در نمودارهای دانش داشته باشید و همچنین باید بد،د که از کجا آمده است.

اگرچه هیچ استراتژی عملی در این پست وجود ندارد، من احساس می‌کنم این دانش یک پایه اساسی در درک سئوی م،ایی است که به شما کمک می‌کند تا در مسیر ستاره شدن سئو پیشرفت کنید.

و درک منجر به بینش های عملی می شود.