搜索引擎成立后，由基本搜索代理转变为基于人工智能(AI)和机器学习(ML)的复杂算法。这些创新技术从两个截然相反的角度影响搜索引擎优化(SEO)空间。

　　另一方面，新的基于AI的排名算法可以对元数据进行非常深入的扫描，因此推广网站并将其推入SERP顶端变得更加困难。相反，由于搜索结果的整体质量有了很大的提高，现在更难用其他技巧和黑帽子操作(虽然仍然可以展示如下)。

　　总之，人工智能从根本上改变了SEO的方法。让我们详细了解一下在搜索引擎营销中使用AI的方法，以及精通技术的营销人员如何使用AI更好地实现目标和改善主要绩效指标。

　　AI技术是什么？

　　人工智能技术是根据模仿人类行为和能力来分类的。这些功能允许将所有AI技术(传统技术和家庭技术)分为三种类型。

　　1)人工智能(ANI)或弱AI。

　　它提供了一个很窄的范围的能力。这些系统只能接受教育以执行特定任务。谷歌的Rankbrain、苹果的Siri、Amazon的Alexa等。

　　2)人工智能(AGI)或强大的人工智能。

　　它反映了人类的能力，具有多种功能，可以解决很多问题，从经验中学习。

　　3)人工超级智能(ASI)或虚拟AI。

　　它必须超越人类的智力。

　　到目前为止，ANI是人类成功实现的唯一AI类型。

　　为什么需要机器学习？

　　机器学习是AI的应用程序，无需明确的编程即可从经验中自动学习和改进。ML的出现是对不断增加的数据量进行分析的结果，因此基本算法保持不变，但用于选择特定答案的代码的内部权重和偏差会发生变化。当然，这不是那么简单。

　　数据科学家经常将用于实现ML的技术称为算法。算法是一系列分步操作，通常是在有限的阶段解决特定问题的计算。在机器学习中，算法使用一系列有限的步骤从数据中学习来解决问题。

　　ML算法是学习，但通常很难找到“学习”一词的确切含义。因为根据ML算法的构建方式，有多种方法可以从数据中提取信息。一般来说，学习过程需要大量的数据，这些数据在给定特定输入时提供预期的响应。每个输入/输出对都是一个例子，通过其他例子可以很容易地学习这个算法。这是因为每个输入/输出对对应于定义问题区域的行、群集或其他统计视图。ML是优化模型的过程。数据本身的数学通用表示。即使收到以前从未见过的输入，也可以预测它或确定适当的响应。模型提供的答案越准确，模型就越能从提供的输入中学习。该算法将模型与数据相匹配，并学习拟合过程。

　　机器学习原理

　　机器学习的中心思想是，算法可以使用事先不知道的数学函数来表达现实。但是看一些数据(总是输入和输出对)就能猜到它。以未知数学函数为基础，可以表达现实和所有复杂性，机器学习算法可以找到这些未知数学函数，用作内部数学函数的修改。也就是说，每个机器学习算法都是基于可修改的数学函数。

　　根据预期结果和输入数据的类型，可以根据学习样式对算法进行分类。你选择的风格取决于你拥有的数据类型和预期的结果。

　　使用四种学习风格创建算法。

　　监督学习算法对目标预测输出与输入函数之间的关系和依赖关系建模，使您能够根据从以前的数据集学到的关系预测新数据的输出。

　　未监督的学习-用未标记的数据训练计算机。学习数据中的模式后，电脑可以教你新的知识。这些算法在不知道在数据中找到什么的情况下特别有用。

　　班级监督学习-很多情况下，标签费用非常高，因为需要熟练的专家。因此，没有标签的半指导算法最适合创建模型。这种方法利用了数据传递有关组参数的重要信息的想法，即使未标记的数据组的成员身份未知。

　　集中学习-该方法利用与环境交互时收集的观察结果，采取最大限度地提高收益或最小化风险的措施。强化学习算法(称为代理)在环境中持续学习。在此过程中，代理人从环境中的经验中学习，直到探索所有可能的状态。

　　每天我们需要处理的信息量呈指数级增长。对我们感情状态的压力也是如此。因此，机器学习已经成为人类自动化日常工作、节约时间、提高生产力的必要条件。

　　人工智能如何用于搜索引擎算法？

　　现在，当我们知道AI算法如何工作以及通常需要什么时，我们将了解如何利用SEO和AI技术。(约翰肯尼迪，北方执行部队)。

　　机器学习的进步促进了基于AI的SEO的发展。自2003年以来一直在探索这一领域，但10年后的第一个主要成果是2013年引入了Word2vec，这是一种“自然语言处理(NLP)”技术，利用神经网络模型在大型语料库中学习单词联想文字。2年后的2015年，谷歌使用Word2vec数据库构建并启动RankBrain，将其用作Hummingbird算法的一部分。

　　RankBrain是一个基于AI的自我学习系统，它允许Google加快关键字类别的验证速度，并向用户提供与搜索查询最相关的内容。RankBrain知道如何理解文本的含义，如何找到单词之间的联系，如何学习不熟悉的单词和短语，以及如何特别适应请求的国家和语言。

　　这一切使自然搜索结果更加相关。

　　谷歌代表指出，与内容质量和链接一样，该算法是现代搜索排名中的第三个重要因素。

　　现在，蛋糕上的樱桃是2019年发布的谷歌对接算法。

　　变压器的双向编码器表示(BERT)也是基于神经网络的NLP学习系统。与其他模型不同，BERT旨在对自然语音有深入的了解。

　　也就是说，对于给定上下文的每个细节，BERT必须使机器人能够理解句子中单词的意思。谷歌使用BERT更好地理解用户查询，并提供实际相关结果。

版权免责声明: 本站内容部分来源于网络，请自行鉴定真假。如有侵权，违法，恶意广告，虚假欺骗行为等以上问题联系我们删除。
本文地址：https://www.16757.com/article/988.html