กราฟความรู้ตอบคำถาม

เผยแพร่แล้ว: 2023-01-25

คุณลักษณะการตอบคำถามกราฟความรู้ของ Google คืออะไร

การตอบคำถามด้วยกราฟความรู้ (KGQA) กำลังใช้อสังหาริมทรัพย์จำนวนมากในหน้าผลลัพธ์ของเครื่องมือค้นหา (SERP)

คุณลักษณะการตอบคำถามกราฟความรู้ของ Google จะตอบคำถามของผู้ใช้โดยไม่ต้องคลิกผ่านไปยังเว็บไซต์

เครื่องมือค้นหาทุกแห่งหวังที่จะส่งคืนข้อมูลที่ดีที่สุดตามความตั้งใจของผู้ค้นหา ในการเป็นแหล่งข้อมูลที่เชื่อถือได้สำหรับคำตอบ คุณต้องเป็นที่รู้จักทางออนไลน์ Google เข้าใจสตรีมข้อความค้นหาและใช้เพื่อระบุหัวข้อและดึงข้อมูลที่เชื่อถือได้จากเว็บเพื่ออัปเดตออนโทโลยี การ์ด Google, กราฟความรู้ (KG) และคอลเล็กชันความรู้เป็นวิธีการโต้ตอบกับ Google ของผู้ใช้ เช่นเดียวกับคำถาม "ผู้คนถาม" ในผลการค้นหา การตอบคำถามในกราฟความรู้ช่วยให้ผู้คนใช้ Google SERP ได้นานขึ้น

สารบัญ

  • คุณลักษณะการตอบคำถามกราฟความรู้ของ Google คืออะไร
    • อะไรคือความแตกต่างระหว่างการ์ดความรู้และกราฟความรู้
    • อะไรคือความแตกต่างระหว่างแผงความรู้และโปรไฟล์ธุรกิจของ Google
    • อะไรคือความแตกต่างระหว่างแผงความรู้ของ Google และคลังความรู้
  • ตอบคำถามที่ซับซ้อนด้วยการเรียนรู้ของเครื่อง
  • วิธีสร้างเนื้อหาคำถามที่ Google เห็นว่ามีประโยชน์
  • กราฟความรู้ตอบคำถามเกี่ยวกับข้อมูล
  • ขั้นตอนสำหรับการเพิ่มประสิทธิภาพการตอบคำถามของ KG
  • จะขออัปเดตการ์ดความรู้ของ Google ได้อย่างไร
  • การตอบคำถาม KGs พยายามให้ความรู้ที่ยืนยันแล้ว

ก่อนอื่นเรามาสร้างคำศัพท์พื้นฐานกันก่อน

อะไรคือความแตกต่างระหว่างการ์ดความรู้และกราฟความรู้

กราฟความรู้ อาจมีแหล่งที่มาเพื่อให้ แผงความรู้ ที่สมบูรณ์ยิ่งขึ้นในผลการค้นหาและแสดงคำตอบสำหรับการค้นหา

การดูแผงความรู้เป็นส่วนแสดงส่วนหน้าของกราฟความรู้ของ Google ช่วยให้มองเห็นได้ ข้อมูลเพิ่มเติมอยู่เบื้องหลังสิ่งที่เราเห็นในข้อมูลกราฟแผง เมื่อคุณสร้างเอนทิตีกราฟความรู้แล้ว Google จะพึ่งพาและพิจารณาว่าเป็นแหล่งข้อมูลตามรูปแบบบัญญัติ ยักษ์ใหญ่ด้านเทคโนโลยีไม่ได้คิดค้น KG เป็นส่วนเสริมสำหรับประสบการณ์ผู้ใช้เดสก์ท็อป เป็นการตอบสนองต่อความต้องการคำตอบสำหรับการค้นหาบนมือถือที่ดีขึ้น ไซต์จำนวนมาก (และยังคง) น่ากลัวบนอุปกรณ์พกพา GKG ตั้งใจที่จะให้ข้อมูลที่ถูกต้องแก่ผู้ใช้ เป้าหมายหลักคือไม่เพิ่มการเข้าชมไซต์ ของคุณ

ก่อนหน้านี้ Google ดูเหมือนจะไม่จัดอันดับหน้าเว็บตามความถูกต้อง ปัจจุบัน ผู้ประเมินคุณภาพมีคำแนะนำเพิ่มเติมเกี่ยวกับวิธีประเมินประสบการณ์ ความเชี่ยวชาญ อำนาจหน้าที่ และความน่าเชื่อถือ (EEAT) ความแม่นยำของคำตอบเป็นปัจจัยที่ไว้วางใจได้ และแนวทางของมันบอกเราว่าความไว้วางใจเป็นปัจจัยที่สำคัญที่สุด ในทางตรงกันข้าม "ความแม่นยำ" เป็นปัจจัยที่เอนทิตีแสดงในการ์ดความรู้

แผงความรู้คือผลการค้นหาที่เป็นสื่อสมบูรณ์ประเภทหนึ่งในหน้าผลการค้นหาของ Google พวกเขาให้ผู้ค้นหาเห็นภาพรวมของข้อมูลที่เกี่ยวข้องกับเอนทิตีที่ระบุ

อะไรคือความแตกต่างระหว่างแผงความรู้และโปรไฟล์ธุรกิจของ Google

Google Business Profile (GBP) มีลักษณะเหมือนกับแผงความรู้ GBP เป็นเอกลักษณ์เฉพาะสำหรับธุรกิจที่ให้บริการลูกค้าในสถานที่เฉพาะหรือภายในพื้นที่ให้บริการที่กำหนด การเข้าถึง GBP ช่วยให้เจ้าของธุรกิจจัดการสถานะดิจิทัลบน Google Maps และการค้นหาได้ นี้ฟรี ในทางกลับกัน แผงความรู้ของ Google (GKP) จะสร้างขึ้นโดยอัตโนมัติโดย Google โดยใช้ข้อมูลเกี่ยวกับหน่วยงานของคุณทางออนไลน์ สามารถควบคุมการเผยแพร่และสิ่งที่เลือกที่จะอัปเดตได้อย่างเต็มที่

อะไรคือความแตกต่างระหว่างแผงความรู้ของ Google และคลังความรู้

ลองนึกถึง Google Knowledge Vault (GKV) ที่ผลิตโดยอัลกอริทึมที่สร้างสารานุกรมที่เครื่องอ่านได้

Google จะเพิ่มข้อมูลลงใน GKV ก็ต่อเมื่อมั่นใจว่าสิ่งที่แสดงในการ์ดความรู้นั้นถูกต้องและมีประโยชน์ GKV ขึ้นอยู่กับการเรียนรู้ของเครื่องและตรรกะของเครื่องเท่านั้น เอนทิตีที่แยกจากหลายโดเมนจะถูกย้ายไปยังคลังความรู้หลังจากที่อัลกอริทึมความรู้สากลของ Google ได้รับความมั่นใจเพียงพอในการทำความเข้าใจเกี่ยวกับเอนทิตีที่ระบุเท่านั้น

“…เราขอแนะนำคลังความรู้ ซึ่งเป็นฐานความรู้ความน่าจะเป็นในระดับเว็บที่รวมเอาเนื้อหาที่แยกออกมาจากเว็บ (ได้รับจากการวิเคราะห์ข้อความ ข้อมูลแบบตาราง โครงสร้างหน้า และคำอธิบายประกอบของมนุษย์) กับความรู้เดิมที่ได้มาจากคลังความรู้ที่มีอยู่ เราใช้วิธีการเรียนรู้ของเครื่องภายใต้การดูแลเพื่อรวมแหล่งข้อมูลที่แตกต่างกันเหล่านี้ ห้องนิรภัยความรู้มีขนาดใหญ่กว่าคลังความรู้ที่มีโครงสร้างที่เผยแพร่ก่อนหน้านี้อย่างมาก และมีระบบการอนุมานความน่าจะเป็นที่คำนวณความน่าจะเป็นที่สอบเทียบแล้วของความถูกต้องของข้อเท็จจริง” – คลังความรู้: แนวทางขนาดเว็บสู่การหลอมรวมความรู้ที่น่าจะเป็น [1]

ตอบคำถามที่ซับซ้อนด้วยการเรียนรู้ของเครื่อง

Google ได้รับ 93% ของข้อความค้นหารายวัน วิธีการทำงานแบบดั้งเดิมในฐานะเครื่องมือค้นหาและจบลงด้วยผลิตภัณฑ์หรือบริการของคุณ เพื่อปรับปรุงความสามารถในการตอบคำถาม สิทธิบัตรของ Google ระบุว่า: "การประมวลผลภาษาธรรมชาติ (NLP) สามารถเกี่ยวข้องกับการตอบคำถามภาษาธรรมชาติตามข้อมูลที่มีอยู่ในเอกสารภาษาธรรมชาติ"

“เทคนิคที่อธิบายช่วยให้สามารถตอบคำถามภาษาธรรมชาติโดยใช้วิธีการเรียนรู้ของเครื่องเพื่อรวบรวมและวิเคราะห์หลักฐานจากการค้นเว็บ” – [2]

อย่างไรก็ตาม ก่อนที่จะเพิ่มเอนทิตีลงในฐานความรู้ Google จะต้องเข้าใจคำถามที่ถามด้วยอัลกอริทึมก่อน มันพยายามที่จะเข้าใจเจตนาของแบบสอบถามที่ทำให้เกิดคำถาม สำหรับคำถามที่ไม่ชัดเจน การตีความความหมายช่วยในการตอบคำถามที่ซับซ้อนและพยายามจำลองความรู้ความเข้าใจของมนุษย์ บทความบนเว็บมักจะไม่สามารถแสดงวันที่เผยแพร่หรือเวลาที่อัปเดตครั้งล่าสุดได้ ในทางตรงกันข้าม กราฟความรู้ของ Google จะอัปเดตอย่างต่อเนื่อง ตัวอย่างเช่น ฉันกำลังจะอ้างอิงบทความสำหรับงานเขียนชิ้นนี้ แต่ได้ค้นคว้าข้อมูลในครั้งแรกและเห็นว่า “บทความนี้มีอายุมากกว่า 3 ปี”

MarketWatch ประมาณการว่า “อุตสาหกรรมฐานความรู้เชิงความหมายจะมีมูลค่า 33,000 ล้านดอลลาร์ภายในปี 2566 โดยปีต่อปีจะเติบโต 10% ตลอดช่วงที่เหลือของทศวรรษ” วันที่ 18 มกราคม 2023 บทความ Semantic Knowledge Graphing Market Size ที่เกี่ยวข้องกับเวลาและต้นทุนคาดว่าจะทำให้อุตสาหกรรมเติบโตในปีต่อๆ ไปจนถึงปี 2029 รวมถึงบทความ Semantic Search, Question and Answer Machine และการดึงข้อมูล

เป็นการแยกแยะว่านวัตกรรมทางวิทยาศาสตร์ที่เพิ่มขึ้นมากเพียงใดนั้นทุ่มเทให้กับ KG ที่ดีขึ้น ในทำนองเดียวกัน นักการตลาดดิจิทัลและ SEO ก็ได้รับประโยชน์จากการปรับตัวอย่างรวดเร็ว

KG มักถูกมองว่าเป็นเครือข่ายความหมายขนาดใหญ่ที่เก็บข้อเท็จจริงเป็นสามเท่าในรูปแบบของ (เอนทิตีหัวเรื่อง ความสัมพันธ์ เอนทิตีวัตถุ) หรือ (เอนทิตีหัวเรื่อง คุณลักษณะ ค่า) ขอบในกราฟแสดงถึงความสัมพันธ์ระหว่างเอนทิตีเหล่านี้ KG ส่วนใหญ่สร้างขึ้นจากแหล่งข้อมูลที่มีอยู่ที่แตกต่างกันเพื่อเชื่อมต่อข้อมูล จนกระทั่ง GPTChat ปรากฏขึ้นภายใน GPT3 Google ก็ไม่ถูกคุกคามจาก KG ขนาดใหญ่อื่นๆ เช่น DBpedia, Freebase และ YAGO

ผลักดันให้มีการตอบคำถามที่เหมือนมนุษย์มากขึ้น

การแข่งขันอยู่ในระดับที่ไม่มีใครเทียบได้ระหว่าง Goole, OpenAI, Bing และอื่น ๆ เพื่อให้คำตอบที่เหมือนมนุษย์มากขึ้นสำหรับคำถามแทนที่จะเป็นเพียงลิงก์ไปยังข้อมูล Google ใช้และทดสอบรูปแบบภาษา AI ขนาดใหญ่ต่างๆ อย่างต่อเนื่องเพื่อปรับปรุงเครื่องมือค้นหาและแผงความรู้

คำว่า 'กราฟความรู้' มีตระกูลสัมพันธ์มากมาย ประกอบด้วยฟิลด์ต่างๆ ของกราฟความรู้ ฐานข้อมูลกราฟ คลังความรู้ แผงความรู้ โครงข่ายประสาทเทียม แมชชีนเลิร์นนิง NLP ปัญญาประดิษฐ์ ข้อมูลที่เชื่อมโยง การฝังกราฟความรู้ การถ่ายโอนความรู้ การเรียนรู้การถ่ายโอน การเรียนรู้การเป็นตัวแทนความรู้ (KRL) และอื่นๆ ! การใช้จ่ายเงินกับการค้นหาที่เสียค่าใช้จ่ายและการปรับปรุงประสิทธิภาพไซต์เล็กน้อยเมื่อเปรียบเทียบกับการเติมเต็มช่องว่างเนื้อหาคำถามคำตอบอย่างมีประสิทธิภาพ คำแนะนำด้านล่างมาจากประสบการณ์ของฉันเอง

ระบบที่ขับเคลื่อนด้วยข้อมูลของบริษัทได้รับการประเมินเพื่อสร้างความเชื่อมั่นในแนวทางทางวิทยาศาสตร์และการประยุกต์ใช้ ความสามารถในการตอบคำถาม (QA) ของกราฟความรู้ (KG) ขึ้นอยู่กับโครงสร้างข้อมูลที่ซับซ้อนซึ่งเข้าถึงได้ผ่านอินเทอร์เฟซภาษาธรรมชาติ

วิธีสร้างเนื้อหาคำถามที่ Google เห็นว่ามีประโยชน์

วิธีสร้างเนื้อหาตอบคำถามที่แจ้งให้ Google ทราบ - ตัวอย่าง: Lake Itaska

SEO ใหม่เข้าใจว่า Google เป็นเครื่องมือตอบคำถามประเภทหนึ่ง และฟีดข้อมูลนั้น

ยิ่งคุณเผยแพร่ข้อมูลการตรวจสอบมากเท่าใด ยักษ์ใหญ่ด้านเทคโนโลยีก็สามารถเชื่อมต่อข้อมูลได้มากเท่านั้น ด้วยวิธีนี้ คุณอำนวยความสะดวกในการทำงานของเครื่องมือค้นหาในการทำความเข้าใจข้อเท็จจริงเกี่ยวกับเอนทิตีของคุณ คุณให้ความช่วยเหลือเมื่อคุณเชื่อมโยงข้อมูลที่มีโครงสร้างของคุณเองกับบุคคลที่สามต่างๆ ที่พูดถึงคุณ Google ไม่มีการตั้งค่าสำหรับการเชื่อมต่อการใช้งานข้อมูลที่มีโครงสร้างผ่านกราฟหรือโหนดอาร์เรย์ เมื่อเทียบกับการมีองค์ประกอบแต่ละรายการในบล็อกของตนเองบนหน้า

  • เนื้อหาคำถามที่พบบ่อย: บริษัทของคุณสามารถสร้างฐานข้อมูลที่ทำเครื่องหมายด้วยสคีมาเพื่อช่วย Google ในการรวบรวมข้อมูลและนำเข้าหน้าข้อมูลคำถาม-คำตอบ Google อาจเลือกที่จะจัดหาเนื้อหาคำถามที่พบบ่อยของเว็บไซต์ของคุณ
  • กลุ่มหัวข้อของเว็บไซต์: ข้อมูลที่มี ontology ที่ชัดเจนสามารถใช้เพื่อแสดงความเชี่ยวชาญของหัวข้อได้ กราฟความรู้จัดระเบียบเอนทิตีโดยใช้ข้อมูลเว็บที่ Google เชื่อถือ คุณสามารถเป็นแหล่งข้อมูลหลักในชุดข้อมูลต่างๆ ด้วยวิธีนี้ คุณเป็นผู้เผยแพร่ข้อมูล หากคุณได้อ้างสิทธิ์การ์ดข้อมูลแล้ว อาจเป็นวิธีที่น่าเชื่อถือและรวดเร็วกว่าในการเรียกใช้การอัปเดตการ์ดข้อมูล
  • ฐานข้อมูลผลิตภัณฑ์ที่ถูกต้อง: ตราบใดที่คุณทำงานได้อย่างไม่มีที่ติในการอัปเดตฐานข้อมูลผลิตภัณฑ์ของคุณ คุณกำลังช่วยให้ Google ได้รับความเชื่อมั่นและไว้วางใจอย่างสูงสำหรับข้อมูลผลิตภัณฑ์ของคุณ Google มีความมั่นใจมากขึ้นที่จะแสดงข้อมูลที่ถูกต้องและตรงประเด็นแก่ผู้ใช้ หากแบรนด์และผลิตภัณฑ์ของคุณทางออนไลน์มีความชัดเจนและสอดคล้องกัน สอดคล้องกับทุกสิ่งเมื่อพูดถึงสถานะออนไลน์ของคุณ ใช้ตัวสะกด ชื่อเรื่อง ประวัติผู้แต่ง สถานที่ทำงาน ฯลฯ ที่เหมือนกัน
  • อัปโหลดชุดข้อมูลรูปภาพ: รูปภาพที่ออกมาจากฐานข้อมูลนั้นสามารถเชื่อมโยงกับคำตอบของคุณและเติมกราฟความรู้ของคุณ การมีอยู่และความถูกต้องของชุดข้อมูล Product QA ช่วยให้สามารถเปรียบเทียบได้
  • ใช้มาร์กอัปสคีมา FactClaim: ผลการค้นหาของ Google มักจะดึงมาจากแหล่งเก็บข้อมูลกราฟความรู้ที่มีข้อเท็จจริงหลายพันล้านรายการเกี่ยวกับผู้คน สถานที่ และสิ่งต่างๆ การรวมเนื้อหาที่เป็นข้อเท็จจริงและสถิติที่สนับสนุนความคิดเห็นของคุณ แสดงว่าคุณตระหนักและรู้ถึงแหล่งที่มาตามข้อเท็จจริงที่เกี่ยวข้อง
  • ชื่อ ที่อยู่ หมายเลขโทรศัพท์ที่สอดคล้องกัน: มีวิธีอื่นๆ อีกมากมายในการจัดการ Google Business Profile ที่จะเข้าสู่ปี 2023 อย่างไรก็ตาม NAP ของคุณเป็นพื้นฐานของวิธีที่ Google ระบุตัวตนของคุณ การมีที่อยู่ที่มั่นคงและใช้ที่อยู่ที่กำหนดไว้ใน Google Maps จะดีที่สุด กราฟความรู้เกี่ยวข้องกับ Google Maps อย่างใกล้ชิด โดยอิงตามข้อมูลที่มีโครงสร้าง ข้อมูลที่มีโครงสร้างในรูปแบบของความสอดคล้องของ NAP ได้แก่ ชื่อ ที่อยู่ หมายเลขโทรศัพท์ และวิธีที่สิ่งเหล่านี้สร้างความแตกต่างในการอัปเดต Google Maps ความสอดคล้องประเภทเดียวกันให้ GKG
  • ข้อความตอบกลับอัตโนมัติของ Google Business Profile FAQ: คุณสามารถเพิ่มการตอบกลับอัตโนมัติของ FAQ ใน Google Business Profile ได้โดยตรง ทำหน้าที่เป็นการสนทนาสองทางโดยอัตโนมัติพร้อมการตอบคำถาม
  • ใช้กลยุทธ์ Google Post ที่มีประสิทธิภาพ: ผู้เขียน Google Scholar, แบรนด์ที่มีชื่อเสียง และเจ้าหน้าที่ที่ได้รับการเลือกตั้งของสหรัฐฯ จะไม่ใช้โอกาสในการอ้างสิทธิ์ในการ์ดความรู้ของตน ซึ่งจะช่วยให้พวกเขาเข้าถึง Google โพสต์ได้ ซึ่งควรเป็นส่วนหนึ่งของกลยุทธ์กราฟความรู้สำหรับเนื้อหาของคุณ
  • ใช้ข้อมูลผู้ชมและการวิจัยตลาด: การวิจัย ตลาดเบื้องต้นให้ข้อมูลเชิงลึกของข้อมูลผู้ชมที่สามารถขับเคลื่อนแคมเปญเนื้อหาที่เป็นนวัตกรรมใหม่และกลยุทธ์ KG อันดับแรก ฐานความรู้จะจัดประเภทคำถามโดยพิจารณาจากความ "สำคัญ" ที่เกี่ยวข้องกับความตั้งใจในการสืบค้นของผู้ใช้

ข้อมูลเพิ่มเติมเกี่ยวกับการใช้ข้อมูลที่มีโครงสร้างบนเว็บไซต์ของคุณ:

Ryan Levering จาก Google ซึ่งทำงานเกี่ยวกับข้อมูลที่มีโครงสร้างเป็นหลักระบุไว้ใน Mastodon: “ไม่ว่ากราฟจะมีลักษณะอย่างไรสำหรับทั้งหน้าคือสิ่งที่เราใช้ โดยไม่คำนึงว่ากราฟนั้นมาจากไหน มันถูกผสมเข้าด้วยกันและในขณะที่รู้ว่ามันมาจากไหน แต่ปกติแล้วจะไม่ถูกนำมาใช้ อย่างไรก็ตาม ข้อแม้ที่นี่คือเมื่อคุณทำในหลายช่วงตึก บางครั้งอาจเกิดปัญหาความขัดแย้ง/ความซ้ำซ้อนได้ นอกจากนี้ เมื่อเวลาผ่านไปความหมายที่สมบูรณ์ยิ่งขึ้น/ถูกต้องจะสนับสนุนกราฟที่เชื่อมโยงกันมากขึ้น เรายังคงเห็นกรณีที่ผู้คนทิ้งมาร์กอัปที่ไม่เกี่ยวข้องเกี่ยวกับสิ่งต่างๆ (เช่น ผลิตภัณฑ์ที่เกี่ยวข้อง) ที่ระดับบนสุดเดียวกันกับเอนทิตีหลักจากบล็อกต่างๆ บนหน้า ซึ่งส่วนใหญ่ทำให้เกิดเสียงรบกวน ดังนั้นบางครั้งการรวมศูนย์ตรรกะทำให้สอดคล้อง/ถูกต้องมากขึ้น”

กราฟความรู้ตอบคำถามเกี่ยวกับข้อมูล

เป้าหมายของกราฟคือความสามารถในการทำหน้าที่เป็นความจริงพื้นฐานของคำศัพท์ ตรรกะ และคำตอบที่ถูกต้อง

นี่คือคำพูดโดยตรงจาก Google เกี่ยวกับวิธีการทำงานของกราฟความรู้

“บางครั้งผลการค้นหาของ Google จะแสดงข้อมูลที่มาจากกราฟความรู้ ซึ่งเป็นฐานข้อมูลข้อเท็จจริงหลายพันล้านรายการเกี่ยวกับผู้คน สถานที่ และสิ่งต่างๆ กราฟความรู้ช่วยให้เราสามารถตอบคำถามที่เป็นข้อเท็จจริง เช่น 'หอไอเฟลสูงเท่าไร' หรือ 'โอลิมปิกฤดูร้อน 2016 จัดขึ้นที่ไหน' เป้าหมายของเราสำหรับกราฟความรู้คือเพื่อให้ระบบของเราค้นพบและแสดงข้อมูลที่เป็นข้อเท็จจริงซึ่งเป็นที่รู้จักต่อสาธารณะเมื่อพิจารณาแล้วว่ามีประโยชน์” – กราฟความรู้ของ Google ทำงานอย่างไร

คุณสามารถป้อนกราฟความรู้ของคุณด้วยข้อมูลที่แสดงถึงความสัมพันธ์และแนวคิดที่เชื่อมโยงถึงกัน แม้ว่าการลงทุนจำนวนมากในปัญญาประดิษฐ์แชทบอทกำลังดำเนินการอยู่ แต่ปัจจุบันเราทราบดีว่าจำเป็นต้องมีโมเดลโดเมนเพื่อทำความเข้าใจและตอบคำถาม แมชชีนเลิร์นนิงสามารถสร้างฐานความรู้ขนาดใหญ่ของประโยคและกรณีการใช้งานได้ แต่แชทบอทแบบคงที่ก็มีข้อจำกัด

Google รวบรวมข้อมูลเกี่ยวกับหัวข้อหรือหัวเรื่องใดเรื่องหนึ่งเพื่อสร้างความมั่นใจก่อนที่จะมีการอัปเดตรายการกราฟความรู้ข้อมูล กราฟช่วยให้เราตอบคำถามเกี่ยวกับข้อมูล เพื่อให้ Google สามารถจัดเก็บและดึงข้อมูลได้อย่างง่ายดาย โดยพื้นฐานแล้วจะเป็นการทำความเข้าใจคำถาม เชื่อมโยงคำถามกับกราฟความรู้ของคุณ และอนุมานคำตอบ

ขั้นตอนที่แนะนำสำหรับการเพิ่มประสิทธิภาพการตอบคำถามของ KG:

  1. มองหาอะไร ใคร ที่ไหน ทำไม และควบคุมสิ่งพิมพ์ที่คุณควบคุมอย่างไร
  2. ระบุข้อมูล QA ภายในที่สามารถจัดหาจากภายนอกได้
  3. เรียนรู้ที่จะหาได้
  4. เรียนรู้ว่ามีการใช้อย่างไร โดยใคร นำไปใช้อย่างไร และทำไม
  5. ใช้กราฟเพื่อระบุวิธีเพิ่มมูลค่าโดยการวิเคราะห์คลัสเตอร์ กลุ่มประชากรตามรุ่น และกลุ่ม
  6. ตั้งค่าการแจ้งเตือนเพื่อช่วยตรวจสอบสัญญาณข้อมูล QA เกี่ยวกับบริบท สัญญาณกลุ่ม และไดนามิกภายในและกับความสัมพันธ์ของเอนทิตีของคุณ
  7. กำหนดเวลาการบำรุงรักษาเพื่อจัดการและป้อนเนื้อหา QA ของกราฟ

การประมวลผลภาษาธรรมชาติและการจัดการการจัดตำแหน่งกราฟช่วยให้ค้นหากรณีของเอนทิตีหรือคำจำกัดความของความสัมพันธ์ที่ขัดแย้งกัน แผง กราฟ และห้องนิรภัยของ Google เกี่ยวข้องกับการแก้ปัญหาของเอนทิตี

ก่อนตอบคำถามบนแพลตฟอร์มที่คุณควบคุม ให้ทำความเข้าใจคำถามอย่างชาญฉลาดก่อน คุณควรทราบเจตนาของผู้ค้นหาและข้อมูลสำคัญที่จำเป็นสำหรับคำถาม เครื่องมือค้นหาจะแยกข้อมูลสำคัญโดยการค้นหาเอนทิตีที่มีชื่อซึ่งมีประโยชน์สำหรับการรวมกราฟความรู้ เพื่อให้เป็นที่ไว้วางใจได้ พวกเขาจะถูกคัดเลือกก่อนที่จะอนุมานคำตอบในกก.

จะขออัปเดตการ์ดความรู้ของ Google ได้อย่างไร

Google ให้เจ้าของกราฟความรู้ที่อ้างสิทธิ์ในการร้องขอการอัปเดตและรายงานปัญหาต่างๆ มันจะง่ายขึ้นเมื่อคุณได้รับความสามารถในการแสดงความคิดเห็นโดยตรง คำตอบทันทีจะได้รับการอัปเดตเป็นประจำจากการรวบรวมข้อมูลเว็บและความคิดเห็นของผู้ใช้

“เราทราบด้วยว่าหน่วยงานที่มีข้อมูลอยู่ในแผงความรู้ (เช่น บุคคลที่มีชื่อเสียงหรือผู้สร้างรายการโทรทัศน์) นั้นมีอำนาจในตนเอง และเรามีวิธีให้หน่วยงานเหล่านี้แสดงความคิดเห็นโดยตรง ดังนั้น ข้อมูลบางอย่างที่แสดงอาจมาจากบุคคลที่ได้รับการยืนยันซึ่งได้แนะนำการแก้ไขข้อเท็จจริงในแผงความรู้ของตน – เกี่ยวกับแผงความรู้

“เรายังได้รับข้อมูลข้อเท็จจริงโดยตรงจากเจ้าของเนื้อหาในรูปแบบต่างๆ รวมถึงจากผู้แนะนำการเปลี่ยนแปลงแผงข้อมูลที่พวกเขาอ้างสิทธิ์” – กราฟความรู้ของ Google ทำงานอย่างไร

หลายคนพิจารณาถึงประโยชน์หลักของการได้รับกราฟความรู้เชิงความหมาย คือกราฟนี้ให้ความชัดเจนของแบรนด์ การกู้คืนข้อมูล และประสบการณ์การขาย แต่เนื่องจากผู้คนจำนวนมากถามคำถาม สิ่งสำคัญคือต้องพิจารณาความสามารถในการรวมข้อมูลและใช้ในการให้คำตอบด้วย อะไรจะไม่เป็นผู้ค้าปลีกที่พิสูจน์คุณค่าด้วยวิธีนี้?

การตอบคำถามการดึงข้อมูลทำงานอย่างไร

Google รวบรวมเนื้อหาคลัสเตอร์คำถามจากแหล่งที่มาที่มั่นใจได้

ปี 2023 เป็นยุคแห่งการปรับปรุงกลยุทธ์กราฟความรู้ของคุณ เนื่องจากการแปลงลูกค้าเป้าหมายจำนวนมากขึ้นเรื่อยๆ เกิดขึ้นโดยตรงบนหน้าผลลัพธ์ของเครื่องมือค้นหา (SERP) Google ประเมินสิ่งที่เชื่อถือได้เกี่ยวกับเอนทิตีของคุณ และเลือกสิ่งที่จะรวมไว้ในกราฟความรู้ แผงความรู้ และคลังความรู้ มันรู้เกี่ยวกับกลุ่มเป้าหมายและลูกค้าของคุณ มันพยายามที่จะจัดจุดแข็งและความรู้ของคุณทั่วทั้งเว็บเพื่อให้คำตอบที่ดีที่สุด การวิจัยผู้ชมและการวิเคราะห์ SERP สามารถแจ้งแนวทางการตลาดของคุณได้

เมื่อ Google แยกข้อมูลเอนทิตี QA จากหน้าเว็บ จะมีการกำหนดคะแนนความเชื่อมโยงที่เกี่ยวข้องกับเอนทิตีเหล่านั้นและความสัมพันธ์กับเอนทิตีอื่นๆ มันสนใจมากเกี่ยวกับคำตอบที่เป็นข้อเท็จจริงซึ่งอธิบายถึงคุณสมบัติของเอนทิตีเหล่านั้น เมื่อคุณได้กำหนดกลยุทธ์ทางการตลาดที่ดีที่สุดแล้ว ก็ถึงเวลาย้ายไปสู่กลยุทธ์ทางการตลาด ซึ่งคุณได้ดำเนินการทางการตลาดที่เฉพาะเจาะจงเพื่อปรับปรุงผลลัพธ์ SERP ของคุณ ทั้งในวันนี้และในอนาคต การทำความเข้าใจการดึงข้อมูล QA และวิธีการแจ้ง KG ของคุณเป็นองค์ประกอบสำคัญของ SEO ที่มีประสิทธิภาพ

เราเรียนรู้จากสิทธิบัตรของ Google ว่ารูปแบบการประมวลผลภาษาธรรมชาติอาจตอบคำถามที่เป็นข้อความภาษาธรรมชาติได้อย่างไร

“ระบบคอมพิวเตอร์ประกอบด้วยโมเดลการประมวลผลภาษาธรรมชาติที่เรียนรู้ด้วยเครื่อง ซึ่งรวมถึงโมเดลเอ็นโค้ดเดอร์ที่ได้รับการฝึกฝนเพื่อรับข้อความภาษาธรรมชาติและแสดงผลกราฟความรู้ และโมเดลโปรแกรมเมอร์ที่ได้รับการฝึกฝนเพื่อรับคำถามภาษาธรรมชาติและส่งออกโปรแกรม ระบบคอมพิวเตอร์ประกอบด้วยสื่อที่คอมพิวเตอร์สามารถอ่านได้ในการจัดเก็บคำสั่ง ซึ่งเมื่อเรียกใช้งาน จะทำให้โปรเซสเซอร์ดำเนินการ การดำเนินการรวมถึงการรับเนื้อหาข้อความภาษาธรรมชาติ การป้อนเนื้อหาข้อความภาษาธรรมชาติลงในโมเดลเอ็นโค้ดเดอร์ การรับเป็นเอาต์พุตของโมเดลเอ็นโค้ดเดอร์ กราฟความรู้ การรับคำถามภาษาธรรมชาติ การป้อนคำถามภาษาธรรมชาติลงในโมเดลโปรแกรมเมอร์ รับโปรแกรมเป็นเอาต์พุตของโมเดลโปรแกรมเมอร์ และรันโปรแกรมบนกราฟความรู้เพื่อสร้างคำตอบสำหรับคำถามภาษาธรรมชาติ” – การประมวลผลภาษาธรรมชาติด้วยเครื่อง N-Gram หมายเลขสิทธิบัตร: WO2019083519A1 วันที่เผยแพร่: 2 พฤษภาคม 2019 [3]

การให้คะแนนความเกี่ยวข้องของกราฟความรู้

รวมการเรียนรู้ภาษาเครื่องและกราฟข้อมูลเพื่อเชื่อมโยงบริบทของคำถามของผู้ชมกับคำตอบของคุณ การให้คะแนนความเกี่ยวข้องของ Google KG ใช้ LM ที่ฝึกไว้ล่วงหน้าเพื่อให้คะแนนโหนดบน KG ที่มีเงื่อนไขสำหรับการตอบคำถาม Google มีกรอบการทำงานทั่วไปสำหรับการชั่งน้ำหนักข้อมูลภายใน KG การเรียนรู้ของเครื่องจะใช้การให้เหตุผลร่วมกันเหนือข้อความและ KG ด้วยวิธีนี้ จะเชื่อมต่อบริบทของคำถามกับเนื้อหาคำตอบโดยใช้ LMs และโครงข่ายประสาทเทียมแบบกราฟ

โดยรวมแล้ว Google KG มีประสิทธิภาพและเชื่อถือได้มากกว่าหน้าเว็บ แล้วนี่จะไปไหน?

การตอบคำถาม KGs พยายามให้ความรู้ที่ยืนยันแล้ว

กราฟความรู้ของ Google ให้คำตอบโดยตรงสำหรับคำถาม

ข้อเท็จจริงที่จัดทำโดยกราฟความรู้ของ Google ในการตอบคำถามนั้นได้มาจากแหล่งข้อมูลอื่นในเบื้องต้น (ก่อนหน้านี้ส่วนใหญ่มาจาก Wikipedia และ Wikidata) Google ทำงานอย่างหนักเพื่อเชื่อถือข้อมูลใดๆ และทั้งหมดที่บรรจุใน KG ของตน จะต้องมีความท้าทายในการตอบสนองข้อสงสัยอย่างถูกต้อง ตัวอย่างเช่น หากต้องการตอบว่า "ใครคือผู้ก่อตั้ง Google" กราฟความรู้จำเป็นต้องแยกสามส่วน

วิกิพีเดียและวิกิสนเทศให้ข้อมูลที่แม่นยำเช่นนั้น

Aaron Bradly นักยุทธศาสตร์กราฟความรู้ที่ Electronic Arts ได้ตั้งคำถามที่น่าสนใจบน Twitter เมื่อไม่กี่ปีก่อน “เพื่อให้ฉลาด คำถามพื้นฐานที่ใหญ่กว่าคือเราควรพิจารณาว่า 'ข้อเท็จจริง' ที่ Google กราฟความรู้มีให้นั้นถูกต้องตามความเป็นจริงหรือไม่ (และ Google เองก็พิจารณาว่า

เราสามารถเห็นได้อย่างรวดเร็วว่าเหตุใด "คำตอบ" และ "ข้อเท็จจริง" ที่ได้รับจากกราฟความรู้จึงจำเป็นต้องได้รับความไว้วางใจจากผู้ใช้

แบรดลีย์กล่าวต่อไปว่า “ดังนั้นกราฟจึงจำเป็นต้องพึ่งพาความน่าเชื่อถือของแหล่งที่มาในการพิจารณาว่าจะยืนยันสิ่งใด มากเสียจน Google ได้ครุ่นคิดถึงวิธีการปรับปรุงวิธีพิจารณาความน่าเชื่อถือของแหล่งที่มา ในที่สุดการยืนยันที่ให้ไว้คือ 'จากที่ไหนสักแห่ง' และสิ่งนี้จะกลายเป็นปัญหาเมื่อเพย์โหลดของการตอบกลับ (โดยเฉพาะเสียง) ไม่รวมข้อมูลแหล่งที่มา ทั้งผู้รวบรวมความรู้ (ในที่นี้คือ Google) และผู้ใช้ความรู้ (ในที่นี้คือผู้ค้นหา) จำเป็นต้องปรับปรุงวิธีที่เราประมวลผลคำถามและคำตอบเหล่านี้” [4]

Larry Page และ Sergey Brin ผู้ก่อตั้ง Google ปรากฏตัวอีกครั้งหลังจากการจากไปในปี 2019 เพื่อทบทวนกลยุทธ์ผลิตภัณฑ์ปัญญาประดิษฐ์ของ Google พวกเขาอนุมัติแผนและนำเสนอแนวคิดเพื่อเพิ่มคุณสมบัติแชทบ็อตใหม่ลงในเครื่องมือค้นหาของ Google การปลดพนักงานครั้งใหญ่ของ Google ในเดือนมกราคม 2023 เป็นไปตามพันธสัญญาที่ได้รับการปรับปรุงใหม่เพื่อให้ AI อยู่เบื้องหน้าและเป็นศูนย์กลางในแผนของพวกเขา [5]

คุณสามารถใช้ Google Knowledge Graph Search API เพื่อค้นหาหรือค้นหาเอนทิตีใน Google Knowledge Graph Google Cloud เสนอตัวอย่างรหัสมาร์กอัปสคีมาต่อไปนี้: [6]

{
  "@บริบท": {
    "@vocab": "http://schema.org/"
  },
  "@type": "รายการ",
  "itemListElement": [
    {
      "ผลลัพธ์": {
        "@id": "c-07xuup16g",
        "ชื่อ": "มหาวิทยาลัยสแตนฟอร์ด",
        "description": "มหาวิทยาลัยเอกชนใน Stanford, California",
        "คำอธิบายโดยละเอียด": {
          "articleBody": "Stanford University หรือชื่ออย่างเป็นทางการว่า Leland Stanford Junior University เป็นมหาวิทยาลัยวิจัยเอกชนในสแตนฟอร์ด แคลิฟอร์เนีย วิทยาเขตมีพื้นที่ 8,180 เอเคอร์ ซึ่งเป็นหนึ่งในมหาวิทยาลัยที่ใหญ่ที่สุดในสหรัฐอเมริกา และมีนักศึกษาลงทะเบียนเรียนมากกว่า 17,000 คน ",
          "url": "https://th.wikipedia.org/wiki/Stanford_University",
          "ใบอนุญาต": "https://en.wikipedia.org/wiki/Wikipedia:Text_of_Creative_Commons_Attribution-ShareAlike_3.0_Unported_License"
        },
        "url": "http://www.stanford.edu/",
        "ภาพ": {
          "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"
        },
        "ตัวระบุ": [
          {
            "@type": "มูลค่าทรัพย์สิน",
            "รหัสคุณสมบัติ": "googleKgMID",
            "ค่า": "/m/06pwq"
          },
          {
            "@type": "มูลค่าทรัพย์สิน",
            "รหัสคุณสมบัติ": "รหัสสถานที่ของ Google",
            "ค่า": "ChIJneqLZyq7j4ARf2j8RBrwzSk"
          },
          {
            "@type": "มูลค่าทรัพย์สิน",
            "propertyID": "wikidataQID",
            "มูลค่า": "Q41506"
          }
        ]
        "@พิมพ์": [
          "สถานที่",
          "องค์กร",
          "โรงหนัง",
          "บริษัท",
          "องค์กรการศึกษา",
          "สิ่ง",
          "วิทยาลัยหรือมหาวิทยาลัย"
        ]
      }
    }
  ]
}

เราพบว่าการนำมาร์กอัปสคีมามาใช้นั้นมีประโยชน์อย่างมาก หากคุณเป็นแบบทวีคูณ โปรดอ่านบทความเกี่ยวกับข้อดีข้อเสียของการเพิ่มข้อมูลที่มีโครงสร้าง

นำ Semantic Search และ GKG Forward ของคุณ

หากบทความนี้เพิ่มการรับรู้เกี่ยวกับเทคโนโลยีกราฟและการค้นหาเชิงความหมาย และตอนนี้คุณกระตือรือร้นที่จะตอบสนองต่อโอกาสดังกล่าว โปรดโทรหาจีนนี่ ฮิลล์ที่หมายเลข 651-206-2410

เพิ่มกราฟความรู้ส่วนบุคคลหรือธุรกิจของคุณโดยรับการ ตรวจสอบเอนทิตีการค้นหา ของเรา

อ้างอิง:

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

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

[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