الگوریتم mobile first index چیست؟

الگوریتم mobile first index چیست؟چند سال پیش گوگل اعلام کرد که در آینده، صفحات سایت‌ها را تنها بر اساس اطلاعات موجود در نسخه موبایل سایت ارزیابی می‌کند. این بدان معناست که تنها نسخه موبایل یک سایت برای رتبه‌بندی در صفحات نتایج جستجو در نظر گرفته می‌شود.

اولین پیش بینی این ماده به نوامبر 2016 برمی‌گردد، در حالی که در مارس 2018 گوگل به طور رسمی الگوریتم mobile first index را معرفی کرد و به همه صاحبان سایت‌ها توصیه کرد که از این روش پیروی کنند.

 

موتور جستجو چگونه کار می‌کند؟

برای درک بهتر اهداف این الگوریتم، دانستن نحوه عملکرد موتور جستجوی Google لازم است. در اینجا عملکرد بخش‌های مختلف گوگل را شرح داده‌ایم.

 

 خزنده

ربات خزنده موتور جستجو محتوا را از هر گوشه‌ای از اینترنت دانلود و فهرست می‌کند. هدف این نوع ربات‌ها این است که بدانند هر صفحه در شبکه در مورد چه موضوعی است تا بتوانند اطلاعات آن را ارزیابی کنند. خزیدن اصطلاح فنی است که برای اشاره به دسترسی به یک وب‌سایت و ارزیابی داده‌های به‌دست‌آمده از طریق یک برنامه رایانه‌ای استفاده می‌شود. برای درک الگوریتم mobile first index، درک نحوه عملکرد این ربات بسیار مهم است.

یک خزنده وب را می‌توان مانند شخصی در نظر گرفت که با حوصله تمام کتاب‌های موجود در یک کتابخانه درهم و برهم را می‌خواند و آن‌ها را یکی یکی فهرست می‌کند. به این ترتیب، هر کسی که از کتابخانه بازدید می‌کند، می‌تواند به سرعت و به راحتی اطلاعات مورد نیاز خود را پیدا کند.

 

 فهرست‌کردن مطالب

Google Index اطلاعات تمام صفحات و همچنین منابع، پیوندها و داده‌های درون آن‌ها را ذخیره می‌کند تا فقط موارد مورد نیاز را نشان دهد. این قلب موتور جستجو است؛ بدون این فضای ذخیره‌سازی بزرگ، گوگل نمی‌تواند نتایج را به این سرعت ارائه دهد. برای اطمینان از اینکه موتور جستجو مجبور نباشد برای هر جستجوی جداگانه یک خزنده در وب بفرستد، ایندکس گوگل تمام اطلاعات دریافتی را ذخیره می کند.

عوامل رتبه‌بندی

عوامل رتبه‌بندی، مغز موتور جستجو هستند. این مقرراتی است که باعث می‌شود سایت‌ها در حین جستجوی کاربر به ترتیب منطقی مشخصی ظاهر شوند، برای مثال بر اساس ارتباط و کیفیت محتوا.

اکنون که شیوه عملکرد موتور جستجوی گوگل را متوجه شدیم وقت آن است که به بررسی الگوریتم mobile first index بپردازیم.

 

الگوریتم mobile first index چگونه کار می‌کند؟

این واقعیت که گوگل اکنون از این الگوریتم استفاده می‌کند به این معنی است که فقط نسخه موبایلی سایت برای صفحات نتایج جستجو در نظر گرفته می‌شود. بنابراین حتی اگر تمام اطلاعات ممنوعه برای خزنده موبایل، در نسخه دسکتاپ سایت وجود داشته باشد، در رتبه‌بندی‌ها لحاظ نخواهد شد.

 

الگوریتم برت (Google BERT) چیست؟

گوگل برت درک موتور جستجو از زبان انسان‌ها را افزایش می‌دهد. در واقع برت برای رفع نیاز جستجوگران ساخته شده است. هر کسی موقع سرچ مطلب مورد نظر خود، با زبان خودش موضوع را عنوان می‌کند و گوگل با کمک این الگوریتم تطابق بین عبارت درخواست شده‌ی کاربر و محتوایی که واقعا نیاز دارد را ایجاد می‌کند.

BERT مخفف عبارت Representations Encoder Bidirectional from Transformers است.

“برت یک شبکه عصبی اینترنتی است که باعث می‌شود گوگل بافت کلمات را بشناسد و زبان سرچ کاربران را به درستی تحلیل کند.“

 

شبکه عصبی یا Neural networks چیست؟

شبکه‌ی عصبی مجموعه‌ای از دستورات و کدهایی است که برای تشخیص الگوهای سرچ و زبان طراحی شده‌اند. دسته‌بندی محتوای تصاویر، تشخیص دست‌خط و حتی پیش‌بینی ترندهای بازارهای مالی، برنامه‌های رایج در دنیای واقعی برای شبکه‌های عصبی هستند. البته برنامه‌های کاربردی سرچ مثل مدل‌های کلیکی در گروه شبکه عصبی قرار نمی‌گیرند.

 

NLP چیست؟

الگوریتم برت، مدلی از پردازش زبان طبیعی NLP است. NLP یکی از حوزه‌ای هوش مصنوعی است که هنگام مطالعات تعاملات انسانی و زبان‌های محاسباتی با زبان‌شناسی همگرا می‌شود. هدف آن هم از بین بردن شکاف‌های بین یک زبان با زبانی دیگر است تا تمام افراد بتوانند با هم ارتباط برقرار کنند. این سیستم از زمان کار آلن تورینگ در دهه 1950 میلادی برای مدت زیادی وجود داشته است.

اما در دهه 1980 بود که دست‌نوشته‌های مدل‌های NLP وارد حوزه کاری هوش مصنوعی شدند. از آن زمان، کامپیوترها حجم زیادی از داده‌ها را پردازش می‌کنند که همین آنالیز داده، باعث برپا شدن یک انقلاب بزرگ در روابط انسانی و ماشین‌ها شده است.

شاید در زندگی روزمره خود متوجه آن نباشیم، اما بیان کلامی ما بسیار پیچیده و متنوع است. زبان‌ها، قواعد، روابط معنایی، عامیانه‌ها، نقل‌قول‌ها، اختصارات و اشتباهات روزانه آنقدر زیاد است که حتی در برخی موارد خود ما انسان‌ها هم یکدیگر را درک نمی‌کنیم.

در این شرایط قطعا کار کامپیوترها سخت‌تر می‌شود، چون عملا زبان ما ساختاری ندارد که آن‌ها بتوانند کلمات و عبارات ما را درک کنند. بنابراین نیاز دارند تا از سیستم‌هایی برای درک آن کمک بگیرند. یکی از این سیستم‌ها که کارآیی فوق‌العاده‌ای هم دارد، NLP است که از تکنیک‌هایی مثل تفکیک مطالب نامربوط در متن، تصحیح غلط‌های املایی، کاهش کلمات ریشه‌ای یا مصدرها استفاده می‌کند.

از طریق این هوش مصنوعی می‌توانیم محتوا را ساختار، بخش‌بندی و دسته‌بندی کنیم تا بفهمیم چطور بخش‌های مختلف با هم ارتباط دارند. سپس پاسخی را به زبان طبیعی برای تعامل با کاربر تولید می‌کند که تا حد زیادی جواب کاربر را شرح می‌دهد.

NLPای مثل الگوریتم برت به شما اجازه می‌دهد که مثلا به دستگاه هوشمندی مثل الکسا بگویید: ((الکسا! موسیقی همه‌ی اون روزا گذشت رضا صادقی رو پخش کن.)) و الکسا هم همان موسیقی را برای شما پخش کند.

NLP در حال حاضر در منابع متعددی مثل تعامل با چت بات‌ها، ترجمه خودکار متن‌ها، تجزیه و تحلیل احساسات در نظارت بر سوشال مدیا و حتی سیستم سرچ گوگل استفاده می‌شود.

 

نحوه عملکرد الگوریتم برت

یکی از تفاوت‌های بزرگ گوگل با سایر سیستم‌های پردازش زبان، ویژگی دو طرفه بودن آن است. بقیه سیستم‌ها فقط یک طرفه هستند. یعنی فقط می‌توانند کلمات را با کمک عباراتی که در سمت چپ یا راست آن‌ها در متن قرار دارند، توصیف کنند.

گوگل برت در هر دو قطب کار می‌کند: متن سمت راست و چپ کلمه را تجزیه و تحلیل می‌کند. همین مسئله باعث می‌شود درک بسیار عمیق‌تری از روابط بین اصطلاحات و جملات به وجود بیاید.

تفاوت بعدی این است که Google BERT با بررسی یک مجموعه متن کوچک، یک مدل زبان را می‌سازد.

اما مدل‌های دیگر برای این کار نیاز به مقادیر زیادی داده برای آموزش یادگیری ربات‌ها دارد. رویکرد دو قطبی برت به شما کمک می‌کند با داده‌های بسیار کمتر و دقت بیشتر الگوریتم و سیستم را به راه بیاندازید.

بنابراین زمانی که مدل الگوریتم برت نظر در یک مجموعه متنی منبع، مثل ویکی پدیا آموزش داده شد، از طریق ” fine tuning” به کار می‌افتد.

در این مرحله، برت با توجه ورودی‌ها و خروجی‌های الگوریتم، به سمت فرآیند پیدا کردن محتوای مناسب می‌رود.

 

“الگوریتم برت در بسیاری از برنامه‌ها قابل استفاده است، پس کاربرد آن به طور گسترده در سیستم موتورهای جستجو تعریف می‌شود.”