人工智能在搜索算法中的其他应用

人工智能在搜索算法中的其他应用

前面几节介绍了搜索引擎官方公布名称的人工智能搜索算法模型，本节再介绍几个搜索引擎非正式提到过的用于解决特定问题的人工智能搜索算法。

Google 的 John Mueller 和 Gary IIlyes 都提到过用 AI 解决网址规范化问题。传统算法是工程师选出 20 多个参与判断计算的因素，包括：

• PR 值。
• https 的使用。
• canonical 标签。
• 转向关系。
• 内部链接。
• Sitemap.xml 文件提交的网址。

在传统算法中，工程师按照自己的猜测，给每个因素赋予一定权重，让算法试一下，看看效果怎么样，效果不好的话就继续调整权重。但人工调整权重是非常困难的，调整一个因素权重会引起其他因素相对权重的变化，进而可能导致无法预期的不合理结果，再去调整其他因素，会引起更多连锁反应。用 Gary IIlyes 的话说，人工调整权重就是个噩梦。

AI 算法的方法是，工程师告诉 AI 判断因素是哪些，并给训练数据做标注，也就是告诉 AI 正确的规范化网址是哪一个，然后由 AI 自行学习各因素的权重应该是多少，才能得到想要的结果。

用 AI 解决特定问题相对简单、可控，问题和结果都可以清晰定义，AI 算法确定的权重数值是工程师可以知道并调整的，并不完全是个黑盒子。如有需要，搜索工程师是可以深入了解 AI 做出判断的依据的。在这个意义上，AI 只是一个从海量数据中自动快速寻找规律的工具。

Google 的 Martin Splitt 在视频问答中还提到过，Google 在抓取过程中也使用机器学习，主要完成两个任务：一是在抓取页面之前预测页面质量；二是预测页面新鲜度，使 Google 能更智能地调度、抓取页面，节省时间、资源。

Bing 在官方博客透露过，Bing 在搜索框建议和 People Also Ask 模块都使用了人工智能和自然语言处理模型。

2020 年 10 月 15 日，Google 在标题为“How AI is powering a more helpful Google”的官方博客中又介绍了几个 AI 在搜索中的应用，例如：

• 错拼纠正。每 10 个查询词就有 1 个错误拼写，这是我第一次看到这个数据。错

拼纠正改为深度神经网络算法后，效果提升超过了过去 5 年的所有改进。Google于 2001 年就开始在错拼纠正中使用机器学习，是最早的 AI 应用。

• 段落索引。Google 不仅索引整个页面，还可以索引每个段落，理解段落意义，而不仅仅是整个页面意义。这项技术可以在深层段落中找到回答查询的文字，

犹如“大海捞针”。

• 子主题。使用神经网络理解某话题的子主题，使搜索结果更为多样化。
• 视频关键画面。AI 算法更深入理解视频语义，自动寻找视频的关键画面，使用户能快速浏览到视频的特定部分。
• 数据库深入理解。通过自然语言处理找到数据库中回答查询问题的数据点。

2022 年 8 月，Google 开始上线的有用内容更新系列也是基于AI 的，详见 11.14.2 节。 AI 还不完美，在实际工程中使用肯定有出错的时候，搜索是可以承受一定出错率的

领域，所以搜索引擎都在快速采用 AI。Bing 早在 2019 年年初就公开表明，他们的核心算法 90%以上已经使用 AI。但有些领域对错误的承受力要低得多，比如医疗、交通，所以这类领域还没有正式、大规模使用 AI。

本文档为站内渲染。原始文件本地路径：saas/source/seo-llm/SEO实战密码-markdown-第09章-人工智能与-SEO-使用中的人工智能搜索算法-人工智能在搜索算法中的其他应用-134ebb.md（仅本地保留，不入库不部署）