含义理解搜索者的意图来提高搜索准确性。通过概念匹配、同义词和自然语言算法,语义搜索通过将结构化和非结构化数据转换为直观且响应迅速的数据库来提供更具交互性的搜索结果。语义搜索增强了对搜索者意图的理解、提取答案的能力,并提供了更加个性化的结果。谷歌的知识图谱是语义搜索熟练程度的一种范式。 引擎为什么要追求语义搜索? 从引擎的角度来看,不难想象 Google 为什么要追求一个更加互联的世界:更多的数据、更少的垃圾邮件、对用户意图的更深入理解以及更自然的语言(即对话式)搜索。了解所有这些数据可以最大限度地提高用户获得最佳搜索体验的可能性。
随着世界数据每两年翻一番,大数据已成为在线领域玩家的常态。所有这些数据都引发了“这对我意味着什么?”的总体担忧。组织、结构化和语义连接数据的过程是搜索引擎梦寐以求的角色。 语义搜索帮助 Google 的方法之一是识别和取消低质量内容 号码表 的资格。由于潜在语义索引 (LSI)、潜在 Dirichlet 分配 (LDA) 和使用词频的词频-逆文档频率 (TF-IDF) 加权方案等先进系统,文章旋转和关键字填充等方法更容易被标记以及它们预先确定的加权关系以确定质量。这意味着搜索引擎可以很好地了解哪些词在统计上一起出现并产生语义相关性,这可以用于打击垃圾邮件。 使用语义和基于实体的搜索,引擎可以更好地了解用户可能想要什么。例如,下图显示了基于实体的搜索算法中的数据将包含哪些内容的简化图示。
它包括实体(人、地点、事物、概念或想法),这些实体表示为节点,并通过它们的关系连接为箭头。该图显示了基于实体的搜索如何寻求连接各种实体,在本例中是单个辛普森一家角色,这为搜索响应创造了更多深度。 实体(作为节点)和属性(关系)的语义分类的图示。 由基于实体的搜索关联驱动的知识图答案。 语义有助于更全面地理解我们今天的搜索意味着什么。例如,搜索 [Jennifer Lawrence] 很可能与美国女演员、饥饿游戏明星和时尚达人有关。谷歌提供与詹妮弗劳伦斯相关的新闻、照片、事实、社交媒体账户和电影。