معرفی الگوریتم تطبیق عصبی گوگل  (Neural Matching)

معرفی الگوریتم تطبیق عصبی گوگل (Neural Matching)

دی
۱۰

الگوریتم تطبیق عصبی گوگل، الگوریتمی است که برای درک بهتر مفاهیم بکار گرفته شده تا بهترین نتیجه را برای کاربر نمایش دهد. به گفته دنی سالیوان بنیانگذار وب سایت Search Engine Land موتور جستجوی گوگل در 30% جستجوهای خود از این الگوریتم استفاده می کند. گوگل اخیرا مقاله تحقیقاتی را منتشر کرده که در آن نتایج جستجو تنها بر اساس تطبیق عبارت مورد جستجو و محتوای صفحه انتخاب شده اند و عامل دیگری در میان نبوده است. با این که سیستم مورد استفاده در این تحقیق شاید هنوز به صورت عملی مورد استفاده قرار نگرفته یا اینکه جزئی از چند الگوریتم دیگر باشد، با این وجود می تواند مثالی برای نحوه کار الگوریتم تطبیق عصبی گوگل محسوب گردد.

گوگل همانند گذشته که درباره الگوریتم های خود مانند پاندا و پنگوئن توضیحات کلی داده است به توضیح درباره این الگوریتم نیز پرداخته است. به گفته دنی سالیوان در حساب توییتریش در روزهای گذشته نشانه هایی از وجود الگوریتم تطبیق عصبی در نتایج گوگل دیده شده است. این الگوریتم توسط او بدین شکل توصیف شد: "تطبیق عصبی، روش برگرفته از هوش مصنوعی برای ارتباط بهتر کلمات با مفاهیم است."

او همچنین در توییتر خود نوشت: "روشی که کاربران به جستجوی اطلاعات مورد نظر خود می پردازند با نحوه نوشتن راه حل متناسب با مشکلات کاربران توسط صاحبین وب سایت ها، اغلب متفاوت است." 

همچنین در یکی از مقالات وبلاگ تخصصی هوش مصنوعی سایت گوگل عنوان شده است که صفحات رتبه بندی بر اساس میزان ارتباط کلمه مورد جستجو و محتوای صفحات، ایجاد شده بودند. اگرچه این الگوریتم رتبه بندی کاملا جدید است، اما کاملا نشان میدهد که ارتباط محتوا با کلمات مورد جستجو توسط روش های شبکه عصبی به شکل قابل توجهی بهبود یافته است. روش رتبه بندی نتایج در الگوریتم تطبیق عصبی گوگل بر اساس محتوای صفحات که با عنوان ad-hoc retrieval شناخته می شود می باشد. بدین ترتیب صفحات تنها بر اساس متن های به کار رفته در آنها، رتبه بندی می گردند. تحقیقات منتشر شده در این مقاله صراحتا اعلام می کند که این نوع سیستم رتبه بندی تنها متکی بر عبارت مورد جستجو و محتوای صفحات است.

نویسنده مقاله تاکید کرده است که این سیستم کاملا با روش های سنتی قبلی متفاوت است و در رتبه بندی وب‌سایت‌ها به پیج رنک و لینک های آن توجه کمتری می شود. به وضوح مشخص است که سیستم رتبه بندی بر اساس محتوا، تقریبا یک سیستم جدید می باشد که وابسته به لینک ها نیست. البته این بدین معناست که ابتدا از فاکتورهای سنتی رتبه بندی استفاده شده و سپس بعد از آن بخش Ad-hoc retrieval گوگل به کار گرفته می شود. بنابراین می توان گفت که فاکتورهای رتبه بندی سنتی عملکرد ارزیابی اولیه را انجام می دهند، سپس سیستم رتبه بندی جدید به حذف اسپم ها پرداخته و مرتبط ترین صفحات را جمع آوری می کند. کاری که الگوریتم جدید انجام می دهد در واقع رتبه بندی مجدد صفحاتیست که بر اساس مجموعه متفاوتی از معیارها جمع آوری شده اند.

هدف الگوریتم جدید مرتبط کردن عبارت مورد جستجو با صفحاتیست که تنها به واسطه ارتباط بین عبارت مورد نظر و محتوای صفحات جمع آوری شده اند. وب سایت هایی که بر این اساس به موقعیت های بالای نتایج جستجو می‌رسند، دیگر به واسطه لینک ها یا کلمات کلیدی در این جایگاه ها قرار ندارند.

چیزی که گوگل در بیانیه خود اعلام کرده توانایی درک مفاهیم است. این مسئله چیزی فراتر از کلمات کلیدی و عبارت مشابه می باشد. در واقع این سیستم به درک طبیعی‌تر محتوای یک صفحه در رابطه با حل مشکلات کاربران به واسطه عبارت مورد جستجوی آنها می پردازد.

منبع: ژورنال موتور جستجو