首页>>SEO优化

石家庄网站优化排名找哪里?

2021-01-30
想象一下一个世界,即使是高级Google工程师也不知道排名算法的含义。我们可能正在朝那个方向前进。在今天的“白板”星期五,兰德(Rand)探索和解释了深度学习和机器学习的概念,为我们描绘了它们如何影响我们作为SEO的工作。

供参考,这是本周白板的静止图像!

白板星期五董事会形象

视频转录
您好,莫兹(Moz)的粉丝们,欢迎参加周五的另一版“白板”。本周,我们将窥探Google的未来,并探讨Google提升其机器学习和深度学习功能的意义。我知道这些听起来很重要,很花哨,很重要。实际上,它们并不难理解。实际上,它们非常简单,以至于像Moz这样的许多技术公司都进行了一定程度的机器学习。我们对深度学习和大量的神经网络不做任何事情。我们可能会朝那个方向前进。

但是我发现一篇文章在一月份发表,绝对引人入胜,我认为确实值得一读,我想在这里为星期五的白板摘录一些内容,因为我确实认为这对于SEO而言在策略和战略上很重要,而且非常重要。让我们理解,以便我们可以向老板,团队,客户解释SEO的工作方式以及将来的工作方式。

这篇文章名为“ Google搜索将成为您的下一个大脑。 ”这是史蒂夫·利维(Steve Levy)撰写的。结束了。我鼓励您阅读它。这是一本比较冗长的书,但是如果您对搜索感兴趣,那只是一本有趣的书。首先是Geoff Hinton的个人资料,他曾是加拿大的教授,长期从事神经网络工作,然后来到Google,现在是那里的杰出工程师。如文章所述,引述文章的话:“他精通组织几层人造神经元的黑人艺术,以便可以训练整个系统,甚至是神经元系统,以从随机输入中训练出自己的神圣连贯性。 。”

这听起来很复杂,但是基本上我们要说的是,我们正在尝试让机器自行得出结果,而不是我们必须告诉他们所有要考虑的输入以及如何处理这些收入和吐出的结果出来。因此,这本质上是机器学习。例如,Google曾用它来计算出几张照片,然后它会说:“哦,这是风景照片。哦,这是户外照片。哦,这是一个人的照片。 。” 您曾经有过令人毛骨悚然的经历,可以将照片上传到Facebook或Google+,他们会说:“这是您的朋友吗?” 而且您就像,“上帝,这是我朋友的可怕镜头。您几乎看不到他的大部分脸,而且他戴着他通常不戴的眼镜。

那就是他们使用的这些神经网络,这些深度机器学习过程。所以我给你一个简单的例子。在MOZ,我们非常简单地针对页面权限和域权限进行机器学习。我们接受所有输入-链接数量,链接根域数量,您可以从MOZ在页面级别,子域级别,在根域级别上获得的所有单个指标,所有这些指标-然后我们将它们组合在一起,然后说:“嘿,机器,我们希望您为我们构建与Google网页排名方式最相关的算法,这是Google排名的一堆网页。” 我认为我们使用的基本集为10,000,大约每季度或每6个月执行一次,然后将其反馈到系统中,然后系统会弹出一个小算法,说:“在这里。

很酷,非常有用,对我们来说很有帮助,例如,“好吧,此页面可能被Google认为比此页面要重要一点,而这一页面要重要得多。” 很酷。但这不是一个特别先进的系统。更高级的系统是将这些神经网络分层放置。因此,您有一组网络,顺便说一下,这些神经网络旨在复制人脑中的节点,我认为这有点令人毛骨悚然,但请不要担心。这篇文章确实谈到了如何有一个科学家委员会来确保终结者2或终结者1不会发生。显然,没有人阻止Terminator 4的发生吗?那就是即将推出的新产品。

因此,神经网络的一层将识别特征。神经网络的另一层可能会对即将出现的特征类型进行分类。将其想象成搜索结果。搜索结果不断涌现,Google正在查看所有网站和网页,您的网站和网页的功能,以尝试思考“我可以从中提取哪些要素?”

好吧,有关于它的链接数据,并且在页面上发生了一些事情。有用户交互和各种各样的东西。然后,我们将对页面类型,搜索类型进行分类,然后将提取可预测所需结果的功能或指标,以使用户获得他们真正喜欢的搜索结果。我们有一个可以持续产生这些算法的算法,然后希望设计出神经网络-这就是Geoff Hinton一直在努力的-训练自己变得更好。因此,与PA和DA的情况不同,我们的数据科学家Matt Peters和他的团队一直在研究它,并说:“我敢打赌,这样做可以使它变得更好。”

这是站得住脚的,而Google的员工只是说:“好的机器,您学习。” 他们弄清楚了。有点令人毛骨悚然,对吗?

在原始系统中,您需要这些人(这里的这些人)来提供输入,比如说:“这是您可以考虑的系统,系统以及我们希望您从中提取的功能。”

然后进行下一步的无监督学习,系统将其解决。因此,这将我们带到一些有趣的地方。想象一下2005年左右的Google算法。这里基本上有很多东西。也许您会有锚文本,PageRank,并且在域级别上拥有一定程度的权限。也许有人在里面扔新东西,例如,“嘿算法,让我们考虑搜索者的位置。嘿算法,让我们考虑一些用户和使用数据。” 他们将新事物投入算法可能考虑的存储桶中,然后对其进行评估,以查看它是否有所改进。

但是,您今天就开始使用算法了,天哪,如果不是深度学习,那么机器学习将推动很多事情。因此,所有这些指标都有衍生形式。他们有很多集团。其中有一些提取的内容,例如:“嘿,我们只希望在这些类型的结果上查看和测量锚文本,同时还要看到锚文本与之前也由搜索此对象的人执行过的搜索查询相匹配。 ” 那有什么意思?但这就是算法的目的。机器学习系统可以计算出人类永远不会提取的东西,甚至是我们永远不会从他们看到的输入中创建的指标。

然后,随着时间的流逝,人们的想法是,将来甚至连人类都不会提供投入。机器正在自行弄清楚这些东西。这很奇怪。这意味着,如果您要问一个在深度学习控制排名算法的世界中的Google工程师,或者要问设计排名系统的人,“嘿,如果我获得更多链接,这很重要”,他们可能就像,“也许吧。” 但是他们不知道,因为他们不知道该算法的含义。只有机器知道,机器甚至无法真正解释它。您可以拍摄快照并进行查看,但是(a)它在不断发展,(b)这些度量标准中的许多将是奇怪的集团和一堆度量标准的衍生产品,它们融合在一起并撕裂并仅在满足某些条件时才考虑。kes。

返回列表