1. 首页
  2. 网络营销赋能
  3. 海外营销

新的Google算法可能会更新页面排名

Google发布的一篇论文描述了一种改进网页排名方式的全新方法,该算法声称对网络算法进行了重大改进。新算法讨论了对网页进行快速排名的方法,称为GroupwiseScoringFunctions。

如果没有Google的确认,我们无法确定Google是否正在使用这种算法。但是,由于研究人员声称有重大改进,我认为谷歌正在使用这种算法并不是一件容易的事。

Google会使用已发布的算法吗?

谷歌曾表示,“谷歌论文中研究的东西不应该被认为是搜索中实际会发生的事情。”Google很少会确认论文中描述的算法是否正在使用。

此算法是20193月核心更新的一部分吗?

本研究报告展示了Google理解搜索查询和理解网页的内容。谷歌最近推出了一项新的网络算法,据报道这是多年来最大的一次。这个算法是这个变化的一部分吗?我们不知道,我们可能永远不会知道。Google很少讨论具体的算法。

在我看来,像这样的东西可能是谷歌搜索排名算法中更新的一部分。我相信这不是唯一的一个。

为什么这个算法很重要

该研究报告首先指出机器学习会使用算法单独标记页面并为网页赋值,将网页相互隔离后,然后算法为其他网页进行评分,以找出哪个网页最符合要求。

以下是论文中如何描述当前算法的工作原理:

“在分类或回归设置中,标签会分配给每个单独的文档,在排名设置中,我们会确定整个输入文档列表的相关性排序。”

然后,该研究报告提出,所有多网页都可以提供用户想要的线索。因此,通过查看网页的相关性,排名算法可以为用户想要他们内容,为用户选择最合适的网页。

这是论文描述新算法的方式:

“大多数现有的排名算法它们仅限于逐点评分函数,即无论列表中的其他文档如何,都基于文档本身计算文档的相关性得分。独立于列表中的其他文档会计算文档与查询的相关性分数。由于多种原因,此设置可能不太适合排名问题。”

跨文档比较

该论文显示当前的网页排名方法错过了提高搜索结果相关性的机会。

这是论文用来说明问题和解决方案的例子:

“考虑一个搜索场景,用户正在搜索音乐艺术家的名字。如果查询返回的所有结果(例如,calvin harris)是最新的,则用户可能对最新的新闻或旅游信息感兴趣。

另一方面,如果大多数查询结果较旧(例如,frank sinatra),则用户更有可能想要了解艺术家唱片或传记。因此,每个文件的相关性取决于整个清单的分布。“

在此示例中,与搜索查询相关的网页可以帮助获得最佳答案。

对人类行为进行比较以提高准确性

该研究报告随后指出,搜索引擎用户倾向于将搜索结果与其他网页进行比较。 “…用户与搜索结果的互动会显示出强大的比较模式。之前的研究表明,通过比较一份文件判断哪份文件能更快获得用户的青睐”

此外,当用户以同样相对方式进行比较时,会表现出更好的预测能力。这表明用户在点击之前将点击的文档与其周围文档进行了比较,并且直接使用排名模型会更有效,因为它更擅于模仿用户行为。“

新算法的工作原理

在考虑算法研究时,重要的是要注意研究人员是否表示它改进并提升了现有技术水平。

一些研究论文指出,改进的程度很小,实现这些收益所使用的成本也很高(时间和硬件)。我认为这种研究不适合加入谷歌的搜索算法。当一篇论文报告显示最低成本时,我认为这些算法更有可能被纳入谷歌的算法。

在这种情况下,研究人员表示这种方法非常成功。在下面的引用中,请注意DNN表示深度神经网络。GSF表示Groupwise评分函数。

这怎么能帮助到你的SEO

谷歌上关于传统的排名因素越来越少,这是因为锚文本、标题标签和链接等排名因素的重要性正在下降。本研究报告显示了相关页面之间的共性可以提供用户想要的线索。即使Google没有使用此算法对网页进行排名,这个概念对你仍然有用。了解用户的需求可以帮助你更好地优化你的网页,并创建满足这些需求的网页。

免责声明:本文仅代表作者个人观点,与穷思笔记网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。

发表评论

登录后才能评论

联系我们

 

在线咨询:点击这里给我发消息

邮件:320192271@qq.com

QR code