一共经历了四个重要的里程碑

Rfrwgw165

我甚至无法想象，如果我在2010年或更早的时候做这个搜索，会得到什么样的搜索结果。 现在，让我们回过头来解释这些概念吧。 词汇层级说明了单词之间的关系。 伴侣这个词对妻子，男友，配偶和其他词来说是上一级的（上位词）。 如前所述，我们的查询通常与所需内容的确切词组不匹配。 知道“负担得起”是介于便宜，中档和合理价格之间的任何事物，这一点至关重要。 在此示例中，实体是电影和连续剧中的角色（欧比王），具有特定工作的人（演员）以及与之相关联的人（伴侣）。 通常，实体是可以明确识别的对象或概念-通常是人，地点和事物。 如果所有的这些语言的复杂性还不够的话，我们还必须再深入一些。 反映个人兴趣和趋势的需要 让我们回到“python”的例子。如果我搜索这个词，确实会得到所有与编程语言相关的结果。 无论我们多么不喜欢任何使用我们个人数据的方式，至少这对搜索引擎来说是有用的。Google结合了有限的数据和你的搜索历史，以提供更准确和个性化的搜索结果。 我们都知道这一点。只要在搜索栏中输入任何类型的服务，你就会得到本地化的结果。 local results “barber”（理发师）这个词的本地化搜索查询结果。 但更吸引人的是，谷歌能够根据动态变化的搜索意图临时调整搜索结果。

例如，冠状病毒不是一个新名词。 它一直是一组病毒的名称。 但众所周知，搜索意 美国手机号码列表 图在2020年初迅速改变。人们开始寻找有关特定冠状病毒（SARS-CoV‑2）的信息，因此必须对SERP进行相应的调整。 serp history graph 来自Ahrefs的关键词分析的截屏。 从上面 冠状病毒 的SERP历史位置中可以看到，目前排名前五的搜索结果中，没有一个是在2020年之前。 在圣诞节或黑色星期五等大型销售活动期间，你会在电子商务行业看到同样的情况。那段时间的搜索意图是具有高度交易性的，而人们通常可能更愿意看到相关的比较或评论。 哪些Google技术在语义搜索的工作方式中发挥了作用？ Google不断推出算法更新和新技术，以进一步提高其理解自然语言和搜索意图的能力。 到2020年，语义搜索发展到今天的成果，一共经历了四个重要的里程碑。 知识图谱 蜂鸟算法 RankBrain算法 BERT模型 知识图谱 Google的知识图谱于2012年发布，是实体及实体之间关系的知识库。





你可以想象它的样子大概是这样的-——但实际上有50亿个实体： Googles Knowledge Graph 3 简而言之，这是一项启动并实现了从关键字匹配到语义匹配转变的技术。 向知识图谱提供信息的方法主要有两种： 结构化数据（稍后详述） 从文本中提取实体 对于第二点，搜索引擎需要理解自然语言。这时候，下面三个算法的更新就会发挥作用。 蜂鸟算法 早在2013年，Google推出了一个名为Hummingbird（蜂鸟）的搜索算法，以返回更好的搜索结果。 这个算法尤其有助于应对复杂的搜索查询。 蜂鸟算法是第一个重大更新，它更加强调搜索请求背后的意图，而非单个关键词。 它极速催化了“为话题而创作内容”的热潮，而不是“为单个关键词而写作”。 RankBrain算法 如果你曾经遇到过“潜在语义索引”或LSI关键词这一短语，可以忽略这个了。 Google用RankBrain算法解决了LSI产生的问题。 而我们前面已经讨论过这个问题。是关于搜索请求中所使用的语言和所需内容之间的不匹配。 Google的RankBrain采用了优于LSI的技术。