Răspunsuri la întrebarea Knowledge Graph

Publicat: 2023-01-25

Ce este caracteristica Google Knowledge Graph Întrebare Răspuns?

Răspunsul la întrebările din graficul de cunoștințe (KGQA) implică o mulțime de proprietăți imobiliare în paginile cu rezultate ale motoarelor de căutare (SERP-uri).

Funcția de răspuns la întrebările Knowledge Graph de la Google răspunde la întrebările utilizatorilor fără a le cere să facă clic pe un site web.

Fiecare motor de căutare speră să returneze cele mai bune informații bazate pe intenția celui care caută. Pentru a fi o sursă de încredere pentru răspunsuri, trebuie să fii cunoscut online. Google înțelege fluxurile de interogări și le folosește pentru a identifica subiecte și pentru a extrage date de încredere de pe web pentru a actualiza ontologiile. Cardurile Google, graficele de cunoștințe (KG) și colecțiile de cunoștințe sunt o modalitate prin care utilizatorii pot interacționa cu Google. La fel ca „oamenii pun și întrebări” în rezultatele căutării, răspunsul la întrebările Knowledge Graph îi menține pe utilizatorii pe SERP-urile Google mai mult timp.

Cuprins

  • Ce este caracteristica Google Knowledge Graph Întrebare Răspuns?
    • Care este diferența dintre panourile de cunoștințe și graficele de cunoștințe?
    • Care este diferența dintre panourile de cunoștințe și profilurile de afaceri Google?
    • Care este diferența dintre panoul de cunoștințe Google și Knowledge Vault?
  • Răspunsul la întrebări complexe cu învățare automată
  • Cum să creați conținut de răspuns la întrebări pe care Google îl consideră util
  • Graficele de cunoștințe răspund la întrebări legate de date
  • Pași pentru optimizarea KG Întrebare Răspuns
  • Cum să solicitați o actualizare a panoului de cunoștințe Google?
  • Răspunsuri la întrebări KG caută să ofere cunoștințe verificate

Să stabilim mai întâi un vocabular de bază.

Care este diferența dintre panourile de cunoștințe și graficele de cunoștințe?

Graficele de cunoștințe pot fi obținute pentru a oferi panouri de cunoștințe mai bogate în rezultatele căutării și pentru a returna răspunsuri la interogări.

Vă ajută să vedeți Knowledge Panels ca o manifestare frontală a Google Knowledge Graph. Mai multe date se află în spatele a ceea ce vedem în datele din graficul panoului. Odată ce stabiliți o entitate Knowledge Graph, Google se va baza pe ea și o va considera o sursă canonică de informații. Gigantul tehnologic nu a inventat KG ca o completare a experiențelor utilizatorilor desktop; a fost un răspuns la nevoia de răspunsuri mai bune la întrebările mobile. Atât de multe site-uri au fost (și sunt încă) oribile pe dispozitivele mobile. GKG intenționează să furnizeze informații corecte utilizatorului său; scopul său principal nu este acela de a genera trafic către site-ul dvs.

Anterior, Google nu pare să clasifice paginile web pe baza acurateții. Astăzi, evaluatorii săi de calitate au mai multe instrucțiuni despre cum să evalueze experiența, expertiza, autoritatea și încrederea (EEAT). Precizia răspunsurilor este un factor de încredere, iar liniile directoare ale acestuia ne spun că încrederea este cel mai important factor. În schimb, „acuratețea” este un factor în care entitățile se afișează în panourile de cunoștințe.

Panourile de cunoștințe sunt un tip de rezultate bogate în paginile cu rezultatele căutării Google. Ele oferă celor care caută o imagine de ansamblu verificată a informațiilor legate de o anumită entitate.

Care este diferența dintre panourile de cunoștințe și profilurile de afaceri Google?

Profilurile de afaceri Google (GBP) arată aproape la fel ca panourile sale de cunoștințe. GBP-urile sunt unice pentru companiile care servesc clienții într-o anumită locație sau într-o zonă de servicii desemnată. Accesul în GBP le permite proprietarilor de afaceri să își gestioneze prezența digitală pe Google Maps și căutarea. Acest lucru este gratuit. În schimb, Google Knowledge Panel (GKP) este generat automat de Google folosind informații despre entitate online. Are control deplin asupra propagării sale și asupra a ceea ce alege să actualizeze în cadrul acestuia.

Care este diferența dintre panoul de cunoștințe Google și Knowledge Vault?

Gândiți-vă la Google Knowledge Vault (GKV) ca fiind produs de un algoritm care generează o enciclopedie care poate fi citită de mașină.

Google adaugă informații la GKV numai după ce este asigurat că ceea ce afișează în Knowledge Panels este corect și util. GKV se bazează exclusiv pe învățarea automată și pe logica mașinii. Entitățile separate din mai multe domenii sunt mutate în Knowledge Vault numai după ce algoritmul global de cunoștințe al Google câștigă suficientă încredere în înțelegerea entității specificate.

„… introducem Knowledge Vault, o bază de cunoștințe probabilistice la scară web care combină extrageri din conținutul web (obținute prin analiza textului, a datelor tabulare, a structurii paginii și a adnotărilor umane) cu cunoștințele anterioare derivate din depozitele de cunoștințe existente. Folosim metode de învățare automată supravegheate pentru a fuziona aceste surse de informații distincte. Knowledge Vault este substanțial mai mare decât orice depozit de cunoștințe structurat publicat anterior și prezintă un sistem de inferență probabilistică care calculează probabilitățile calibrate de corectitudine a faptelor.” – Knowledge Vault: O abordare la scară web a fuziunii probabilistice a cunoștințelor [1]

Răspunsul la întrebări complexe cu învățare automată

Google primește 93% din interogările zilnice. Exact cum funcționează în mod tradițional ca motor de căutare și ajunge la produsul sau serviciul dvs. Pentru a-și îmbunătăți capacitățile de a răspunde la întrebări, un brevet Google afirmă că: „Procesarea limbajului natural (NLP) poate implica răspunsul la întrebări în limbaj natural pe baza informațiilor conținute în documentele în limbaj natural”.

„Tehnicile descrise permit să se răspundă la o întrebare în limbaj natural folosind metode bazate pe învățarea automată pentru a colecta și analiza dovezi din căutările pe internet.” – [2]

Cu toate acestea, înainte de a adăuga entități la baza sa de cunoștințe, Google trebuie mai întâi să înțeleagă algoritmic întrebarea adresată. Acesta caută să înțeleagă intenția de interogare care a declanșat întrebarea. Pentru interogările ambigue, interpretarea semantică ajută la răspunsul la întrebări complexe și încearcă să reproducă cunoașterea umană. Articolele web nu reușesc adesea să afișeze o dată de publicare sau când a fost actualizată ultima dată. În schimb, Knowledge Graph de la Google se actualizează continuu. De exemplu, eram pe cale să citez un articol pentru această scriere, dar mai întâi am cercetat și am văzut „Acest articol are mai mult de 3 ani”.

MarketWatch estimează că „industria bazei de cunoștințe semantice va avea o valoare de 33 de miliarde de dolari până în 2023, cu o creștere de la an la an de 10% în restul deceniului”. Articolul din 18 ianuarie 2023, se așteaptă ca dimensiunea pieței grafice a cunoștințelor semantice legate de timp și cost să crească industria în următorii ani până în 2029 , include căutare semantică, mașină de întrebări și răspunsuri și regăsire informații.

Este uluitor cât de multă creștere a inovației științifice este dedicată unor KG-uri mai bune. În egală măsură, specialiștii în marketing digital și SEO beneficiază prin adaptarea rapidă.

KG-urile sunt în general văzute ca rețele semantice la scară largă care stochează faptele ca triple sub formă de (entitate subiect, relație, entitate obiect) sau (entitate subiect, atribut, valoare). Muchiile din grafic reprezintă relațiile dintre aceste entități. Majoritatea KG-urilor sunt construite pe baza diferitelor surse de date existente pentru a conecta datele. Până la apariția GPTChat în GPT3, Google nu a fost amenințat de alte KG la scară largă, cum ar fi DBpedia, Freebase și YAGO.

Forța pentru răspunsuri la întrebări mai asemănătoare cu omenirea

Competiția este la o scară de neegalat între Goole, OpenAI, Bing și alții pentru a oferi răspunsuri mai asemănătoare cu oamenii la întrebări, în loc de doar link-uri către informații. Google folosește și testează în mod continuu diverse modele mari de limbaj AI pentru a-și îmbunătăți motorul de căutare și panourile de cunoștințe.

Termenul „graf de cunoștințe” are o vastă familie relațională; include domeniile grafice de cunoștințe, baze de date grafice, seifuri de cunoștințe, panouri de cunoștințe, rețele neuronale, învățare automată, NLP, inteligență artificială, date legate, încorporarea graficelor de cunoștințe, transfer de cunoștințe, învățare prin transfer, învățarea prin reprezentare a cunoștințelor (KRL) și multe altele ! Cheltuirea banilor pentru căutarea plătită și îmbunătățirile banale ale performanței site-ului sunt slabe în comparație cu completarea eficientă a lipsurilor de conținut de răspunsuri la întrebări. Sugestiile de mai jos vin din propria mea experiență.

Sistemele companiei bazate pe date sunt evaluate pentru a stabili încrederea în abordarea științifică și în aplicațiile acesteia. Capacitățile sale de răspuns la întrebări (QA) Knowledge Graph (KG) se bazează pe structuri complexe de date care sunt accesibile prin interfețe în limbaj natural.

Cum să creați conținut de răspuns la întrebări pe care Google îl consideră util

Cum se creează conținut de răspuns la întrebări care informează Google - Exemplu: Lacul Itaska

Noul SEO înțelege că Google este un tip de motor de răspuns și îl alimentează.

Cu cât publicați mai multe date de verificare, cu atât gigantul tehnologic poate conecta mai multe date. În acest fel, facilitezi munca unui motor de căutare pentru a înțelege care sunt faptele despre entitatea ta. Oferiți ajutor atunci când vă conectați propriile date structurate la diferitele părți terțe care vorbesc despre dvs. Google nu are preferință dacă implementarea datelor structurate este conectată printr-un grafic sau o matrice de noduri față de a le avea ca elemente individuale în propriile blocuri de pe pagină.

  • Conținut de întrebări frecvente: compania dvs. poate crea baze de date marcate cu o schemă pentru a ajuta Google să acceseze cu crawlere și să ingereze paginile cu informații întrebări-răspuns. Google poate alege să obțină conținutul întrebărilor frecvente ale site-ului dvs.
  • Grupuri de subiecte ale site-ului web: informațiile cu o ontologie clară pot fi utilizate pentru a desemna expertiza subiectului. Graficele de cunoștințe organizează entitățile folosind date web în care Google are încredere. Puteți fi sursa principală în diferite seturi de date. În acest fel, sunteți un editor de date. Dacă v-ați revendicat panoul de cunoștințe, poate fi o modalitate mai fiabilă și mai rapidă de a declanșa o actualizare a panoului de cunoștințe.
  • Baza de date exactă a produselor: atâta timp cât faceți o treabă impecabilă de a vă menține actualizată baza de date a produselor, ajutați Google să obțină încredere și încredere ridicate în datele despre produse. Google are mai multă încredere în a le arăta utilizatorilor săi informații corecte și relevante dacă marca și produsele dvs. online sunt clare și consecvente. Fii consecvent cu tot atunci când vine vorba de prezența ta online. Mergeți după aceeași ortografie, titlu, biografia autorului, locul de muncă etc.
  • Încărcați seturi de date de imagini: imaginile care ies din acea bază de date pot fi asociate cu răspunsurile dvs. și pot completa graficul de cunoștințe. Existența și acuratețea setului de date pentru QA a produselor vă ajută să vă asigurați comparabilitatea.
  • Utilizați marcarea schemei FactClaim: rezultatele căutării Google sunt adesea extrase din depozitul său Knowledge Graph de miliarde de fapte despre oameni, locuri și lucruri. Prin includerea de conținut faptic, statistic care susține articolele dvs. de opinie, vă arătați conștientizarea și cunoașterea surselor relevante bazate pe fapte.
  • Nume, adresă, telefon consecvenți: există mai multe modalități de a vă gestiona profilul de companie Google care va trece în 2023. Cu toate acestea, NAP este esențial pentru modul în care Google vă identifică entitatea. Cel mai bine funcționează să ai o adresă stabilă și să o folosești pe cea atribuită în Google Maps. Graficele de cunoștințe sunt strâns legate de Google Maps. Se bazează pe date structurate, informații structurate sub formă de consecvență NAP: nume, adresă, număr de telefon și modul în care acestea fac diferența în asigurarea actualizării Google Maps. Același tip de consistență furnizează GKG.
  • Răspunsuri automate cu întrebări frecvente ale profilului de afaceri Google: puteți adăuga răspunsuri automate la întrebări frecvente direct în profilul dvs. de afaceri Google. Funcționează ca o conversație automată bidirecțională cu răspunsuri la întrebări.
  • Încorporați o strategie eficientă de postare Google: autorii Google Scholar, mărcile notabile și oficialii aleși din SUA nu profită de oportunitatea de a-și revendica Panelurile de cunoștințe. Acest lucru le oferă, la rândul său, acces la Google Posts, care ar trebui să facă parte din strategia dvs. de grafic de cunoștințe pentru conținut.
  • Utilizați datele despre audiență și cercetările de piață: cercetarea de piață inițială oferă informații despre date despre public care pot alimenta campanii de conținut inovatoare și strategii KG. O bază de cunoștințe clasifică mai întâi întrebările în funcție de cât de „semnificative” sunt acestea în raport cu intenția de interogare a oamenilor.

Mai multe despre utilizarea datelor structurate pe site-ul dvs.:

Ryan Levering de la Google, care lucrează în principal pe date structurate, a declarat pe Mastodon: „Orice arată graficul pentru întreaga pagină este ceea ce folosim, indiferent de unde provine. Se amestecă și, deși știu de unde provine, acesta nu este de obicei folosit. Cu toate acestea, avertismentul aici este că atunci când o faci în mai multe blocuri, uneori apar probleme de conflict/duplicare. De asemenea, în timp, o semantică mai bogată/corectă va favoriza mai multe grafice conectate. Încă vedem cazuri în care oamenii lansează markup fără legătură cu lucruri (cum ar fi produsele conexe) la același nivel superior cu entitatea principală din diferite blocuri de pe pagină și asta face în mare parte zgomot. Deci, uneori, centralizarea logicii o face mai consistentă/corectă.”

Graficele de cunoștințe răspund la întrebări legate de date

Un obiectiv al graficelor este capacitatea de a funcționa ca adevărul de bază al terminologiei, logicii și răspunsurile corecte.

Iată un citat direct de la Google despre modul în care funcționează Knowledge Graph.

„Rezultatele căutării Google arată uneori informații care provin din Knowledge Graph, baza noastră de date cu miliarde de fapte despre oameni, locuri și lucruri. Knowledge Graph ne permite să răspundem la întrebări concrete precum „Cât de înalt este Turnul Eiffel?” sau „Unde au avut loc Jocurile Olimpice de vară din 2016”. Scopul nostru cu Knowledge Graph este ca sistemele noastre să descopere și să scoată în evidență informații reale, cunoscute public, atunci când se consideră că sunt utile.” – Cum funcționează Knowledge Graph de la Google

Vă puteți alimenta Knowledge Graph cu informații care demonstrează relațiile și conceptele conectate între ele. Deși sunt în curs de desfășurare investiții uriașe în inteligența artificială chatbot, în prezent știm că are nevoie de un model de domeniu pentru a înțelege și a răspunde la întrebări. Învățarea automată poate genera o bază uriașă de cunoștințe de propoziții și cazuri de utilizare, dar un chatbot static are limitări.

Google colectează informații despre un anumit subiect sau subiect pentru a stabili mai întâi încrederea înainte ca o intrare de date Knowledge Graph să fie actualizată. Graficele ne ajută să răspundem la întrebările legate de date, astfel încât Google să poată stoca și prelua informații cu ușurință. Practic, se rezumă la înțelegerea întrebărilor, conectarea întrebărilor la graficul de cunoștințe și deducerea răspunsurilor.

Pași sugerați pentru optimizarea răspunsurilor la întrebări KG:

  1. Căutați ce, cine, unde, de ce și, de asemenea, cum publicațiile pe care le controlați.
  2. Identificați ce date interne QA pot fi obținute din exterior.
  3. Aflați unde să-l găsiți.
  4. Aflați cum este deja folosit, de către cine, cum poate fi folosit și de ce.
  5. Folosiți grafice pentru a identifica cum să oferiți mai multă valoare analizând grupurile, cohortele și grupurile acestora.
  6. Configurați alerte pentru a ajuta la monitorizarea semnalelor de date QA privind contextul, semnalele de grup și dinamica în cadrul și cu relațiile cu entitatea dvs.
  7. Programați timpul de întreținere pentru a gestiona și alimenta conținutul QA graficului dvs.

Procesarea limbajului natural și gestionarea alinierii graficelor facilitează găsirea cazurilor de entități conflictuale sau definiții de relații. Panourile, graficele și seiful Google sunt despre rezoluția entităților.

Înainte de a răspunde la o întrebare pe o platformă pe care o controlați, mai întâi înțelegeți în mod inteligent întrebarea. Ar trebui să cunoașteți intenția celui care caută și informațiile cheie necesare pentru întrebare. Motoarele de căutare extrag informații cheie căutând entități cu nume care sunt utile pentru includerea graficelor de cunoștințe. Pentru a avea încredere în ei înșiși, sunt selectivi înainte de a deduce răspunsul pe KG.

Cum să solicitați o actualizare a panoului de cunoștințe Google?

Google oferă proprietarilor de Knowledge Graph o modalitate de a solicita actualizări și de a raporta probleme. Este mai ușor odată ce ai dobândit capacitatea de a oferi feedback direct. Răspunsurile sale instantanee sunt actualizate în mod regulat din accesarea cu crawlere pe web și feedbackul utilizatorilor.

„Știm, de asemenea, că entitățile ale căror informații sunt incluse în panourile de cunoștințe (cum ar fi persoane proeminente sau creatorii unei emisiuni de televiziune) sunt auto-autoritare și oferim modalități prin care aceste entități pot oferi feedback direct. Prin urmare, unele dintre informațiile afișate pot proveni și de la entități verificate care au sugerat modificări ale faptelor în propriile panouri de cunoștințe. – Despre panourile de cunoștințe

„De asemenea, primim informații concrete direct de la proprietarii de conținut în diferite moduri, inclusiv de la cei care sugerează modificări la panourile de cunoștințe pe care le-au revendicat.” – Cum funcționează Knowledge Graph de la Google

Mulți consideră că beneficiile cheie ale obținerii unui grafic de cunoștințe semantice sunt că oferă claritate mărcii, recuperarea datelor și experiențe de vânzare. Dar, deoarece atât de mulți oameni pun întrebări, este important să luăm în considerare și capacitatea sa de a integra date și de a le folosi pentru a oferi răspunsuri. Care nu este retailerul care se dovedește valoros în acest fel?

Cum funcționează regăsirea informațiilor cu răspunsuri la întrebări?

Google reunește întrebările conținutului cluster din surse de care poate fi sigur.

2023 este epoca îmbunătățirii strategiei tale Knowledge Graphs, deoarece tot mai multe conversii de clienți potențiali au loc direct pe paginile cu rezultate ale motorului de căutare (SERP-uri). Google evaluează în ce poate avea încredere despre entitatea dvs. și alege ce va fi inclus în Knowledge Graph, Knowledge Panels și Knowledge Vault. Știe despre publicul țintă și despre clienții dvs.; încearcă să vă alinieze punctele forte și cunoștințele pe web pentru a oferi cele mai bune răspunsuri. Cercetarea audienței și analiza SERP vă pot informa abordarea în marketing.

Când Google extrage informații despre entitățile QA din paginile web, se determină scorurile de asociere care implică acele entități și relațiile lor cu alte entități. Îi pasă mult de răspunsurile faptice care descriu proprietățile acelor entități. Odată ce ați stabilit cea mai bună strategie de marketing, este timpul să o mutați în tactici de marketing, în care ați întreprins acțiuni specifice de marketing pentru a vă îmbunătăți rezultatele SERP. Atât astăzi, cât și cu atât mai mult în viitor, înțelegerea regăsirii informațiilor QA și a modului în care vă informați KG-urile este o componentă vitală a SEO eficientă.

Învățăm din brevetele Google cum un model de procesare a limbajului natural poate răspunde la o întrebare text în limbaj natural.

„Un sistem de calcul include un model de procesare a limbajului natural învățat de mașină, care include un model de codificator antrenat să primească un corp de text în limbaj natural și să scoată un grafic de cunoștințe și un model de programator antrenat să primească o întrebare în limbaj natural și să scoată un program. Sistemul de calcul include un mediu care poate fi citit de computer care stochează instrucțiuni care, atunci când sunt executate, determină procesorul să efectueze operațiuni. Operațiunile includ obținerea corpului textului în limbaj natural, introducerea corpului textului în limbajul natural în modelul codificator, primirea, ca ieșire a modelului codificator, a graficului de cunoștințe, obținerea întrebării limbajului natural, introducerea întrebării limbajului natural în modelul programatorului , primind programul ca rezultat al modelului de programator și executând programul pe graficul de cunoștințe pentru a produce un răspuns la întrebarea limbajului natural.” – Procesarea limbajului natural cu o mașină N-Gram, brevet nr.: WO2019083519A1, data publicării: 2 mai 2019 [3]

Scorul de relevanță al graficului de cunoștințe

Combinați învățarea limbajului automat și graficele de date pentru a conecta contextul întrebării publicului cu răspunsurile dvs. Scorul de relevanță Google KG folosește LM pre-antrenat pentru a nota noduri pe KG condiționate pentru un răspuns la întrebare. Google are un cadru general pentru ponderarea informațiilor în cadrul KG-urilor sale. Învățarea sa automată folosește raționamentul comun asupra textului și KG-urilor. În acest fel, conectează contextul întrebărilor cu conținutul răspunsurilor folosind LM-uri și rețele neuronale grafice.

În general, Google KG-urile sunt mai eficiente și de încredere decât paginile web. Deci unde se duce asta?

Răspunsuri la întrebări KG caută să ofere cunoștințe verificate

Graficul de cunoștințe Google oferă răspunsuri directe la interogări

Datele furnizate de Google Knowledge Graph ca răspuns la o interogare sunt derivate inițial din alte surse. (Până de curând, acest lucru a fost în mare parte din Wikipedia și Wikidata). Google lucrează din greu pentru a avea încredere în toate informațiile care populează KG-urile sale. Trebuie să fie dificil să satisfaci întrebările cu acuratețe. De exemplu, pentru a răspunde „Cine au fost fondatorii Google?”, Knowledge Graph trebuie să extragă aici un triplu (subiect-predicat-obiect) după „[Organizație] fondată de [Persoană(e)]”

Wikipedia și Wikidata oferă informații precise de acest fel.

Aaron Bradly, Strategist Knowledge Graph la Electronic Arts, a pus o întrebare fascinantă pe Twitter cu câțiva ani în urmă. „Spre exemplu, o întrebare de bază mai mare este dacă ar trebui să considerăm că „faptele” furnizate de Google Knowledge Graph sunt corecte din punct de vedere faptic (și dacă Google însuși consideră că „faptele” furnizate de Graph sunt corecte din punct de vedere faptic).”

Se poate vedea rapid de ce „răspunsurile” și „faptele” oferite de Knowledge Graph trebuie să aibă încredere de către utilizatori.

Bradley continuă spunând: „Deci, Graphul trebuie să se bazeze pe credibilitatea surselor sale pentru a determina ce afirmații să facă. Atât de mult încât Google a gândit metode de îmbunătățire a modului în care acestea determină fiabilitatea unei surse. În cele din urmă, afirmația oferită este „de undeva”. Și acest lucru devine problematic atunci când sarcina utilă a unui răspuns (în special vocea) nu include informații despre proveniență. Atât agregatorii de cunoștințe (aici Google), cât și utilizatorii de cunoștințe (aici cei care caută) trebuie să lucreze la îmbunătățirea modului în care procesăm aceste întrebări și răspunsuri.” [4]

Larry Page și Sergey Brin, fondatorii Google, au reapărut după plecarea lor din 2019 pentru a revizui strategia de produse de inteligență artificială a Google. Ei au aprobat planuri și au prezentat idei pentru a adăuga noi funcții chatbot în motorul de căutare Google. Concedierii masive de personal ale Google din ianuarie 2023 urmează angajamentul reînnoit de a pune AI pe primul loc în planurile lor. [5]

Puteți utiliza API-ul Google Knowledge Graph Search pentru a căuta sau a căuta entități în Google Knowledge Graph. Google Cloud oferă următorul exemplu de cod de markup de schemă: [6]

{
  „@context”: {
    "@vocab": "http://schema.org/"
  },
  "@type": "ItemList",
  „itemListElement”: [
    {
      "rezultat": {
        "@id": "c-07xuup16g",
        „nume”: „Universitatea Stanford”,
        „description”: „Universitate privată din Stanford, California”,
        "descriere detaliata": {
          „articleBody”: „Universitatea Stanford, oficial Leland Stanford Junior University, este o universitate privată de cercetare din Stanford, California. Campusul ocupă 8.180 de acri, printre cele mai mari din Statele Unite, și înscrie peste 17.000 de studenți.”,
          „url”: „https://en.wikipedia.org/wiki/Stanford_University”,
          „licență”: „https://en.wikipedia.org/wiki/Wikipedia:Text_of_Creative_Commons_Attribution-ShareAlike_3.0_Unported_License”
        },
        "url": "http://www.stanford.edu/",
        "imagine": {
          "contentUrl": "https://encrypted-tbn1.gstatic.com/images?q=tbn:AND9GcTfPPf-ker0y_892m1wu8-U89furQgQ67foDFncY3r9sREpeWxV",
          „url”: „https://es.wikipedia.org/wiki/Archivo:Logo_of_Stanford_University.png”
        },
        „identificator”: [
          {
            "@type": "PropertyValue",
            "propertyID": "googleKgMID",
            „valoare”: „/m/06pwq”
          },
          {
            "@type": "PropertyValue",
            "propertyID": "googlePlaceID",
            „valoare”: „ChIJneqLZyq7j4ARf2j8RBrwzSk”
          },
          {
            "@type": "PropertyValue",
            "propertyID": "wikidataQID",
            „valoare”: „Q41506”
          }
        ],
        "@tip": [
          "Loc",
          "Organizare",
          "Cinema",
          "Corporație",
          „Organizație educațională”,
          "Lucru",
          "Colegiu sau universitate"
        ]
      }
    }
  ]
}

Considerăm că implementarea markupului schemei este extrem de utilă. Dacă sunteți în dublu, citiți avantajele și dezavantajele noastre privind adăugarea articolului de marcare a datelor structurate.

Luând căutarea semantică și GKG înainte

Dacă acest articol vă crește gradul de conștientizare a căutării semantice și a tehnologiei grafice și acum sunteți dornic să răspundeți la astfel de oportunități, sunați-l pe Jeannie Hill la 651-206-2410.

Îmbunătățiți-vă graficul de cunoștințe personale sau de afaceri obținând Auditul Entităților Interogări

Referinte:

[1] https://research.google/pubs/pub45634/

[2] https://patents.google.com/patent/WO2014008272A1/en

[3] https://patentscope.wipo.int/search/en/detail.jsf?docId=WO2019083519

[4] https://mobile.twitter.com/aaranged/status/1108444732282163200

[5] https://searchengineland.com/google-search-chatbot-features-this-year-391977

[6] https://cloud.google.com/enterprise-knowledge-graph/docs/search-api