YATI & ERNIE: Học máy ở Yandex và Baidu – Tổng hợp kiến thức SEO mới nhất

Khi nói đến học máy và SEO, một số tiến bộ trong thập kỷ qua đã mang lại cho Google rất nhiều lời khen ngợi và công khai cho các dự án như RankBrain, BERT và SMITH.

Như đã nói, Google không phải là công cụ tìm kiếm duy nhất đạt được bước tiến lớn trong việc thúc đẩy học máy (ML).

Trong một khung thời gian tương tự như Google, Yandex đã phát hành các dự án tương tự vào quy trình xếp hạng của họ như MatrixNet, Palekh, phiên bản thứ hai (tinh tế hơn) của Korolyov và gần đây nhất là YATI.

Baidu cũng đã tham gia vào việc phát triển công nghệ máy học cho tìm kiếm, với mô hình ML nổi bật hơn của họ là ERNIE.

Vì tôi sẽ sử dụng từ Transformer một vài lần, điều quan trọng là phải có hiểu biết cơ bản về Transformer là gì và cách các mô hình như BERT và SMITH, được kết nối với YATI và ERNIE.

Hãy bắt đầu từ đó.

Transformers là gì?

Nói một cách dễ hiểu, máy biến áp là một mô hình học sâu được sử dụng trong mạng nơ-ron tuần hoàn (RNN) để xử lý các tác vụ liên quan đến dữ liệu tuần tự và ngôn ngữ tự nhiên.

Máy biến áp tạo điều kiện cho một cái gì đó được gọi là song song hóa.

Điều này có nghĩa là dữ liệu đầu vào không cần phải được xử lý theo thứ tự, do đó có thể xử lý và tạo điều kiện cho các bộ dữ liệu lớn hơn, quy mô lớn hơn nhiều.

Từ đó, chúng tôi đã có năng khiếu về SEO với các hệ thống được đào tạo trước như BERT, GPT và SMITH.

YATI (Yandex) là gì?

Kể từ năm 2017, có rất ít công nghệ ML mới từ Yandex.

Tuy nhiên, vào cuối năm 2020, Yandex đã đưa ra một thuật toán xếp hạng mới dựa trên việc chuyển đổi mạng nơ-ron được gọi là YATI: Yet Another Transformer with Cải tiến.

Nó có thể không quá thơ mộng, nhưng YATI đã được ca ngợi là sự thay đổi quan trọng và có tác động lớn nhất mà Yandex đã thực hiện đối với các thuật toán xếp hạng tìm kiếm của mình kể từ khi giới thiệu MatrixNet vào năm 2009.

Như với tất cả các cải tiến mới của công cụ tìm kiếm, học máy không thay thế các biến và tham số mà chúng tôi đã vận hành trước đó nhưng làm cho chúng tốt hơn.

Giống như Google, Yandex dựa vào một số thuật toán để cải thiện kết quả tìm kiếm cho người dùng.

Nhưng kể từ năm 2016 và việc giới thiệu mạng nơ-ron vào thuật toán của mình, Yandex đã và đang xây dựng một thuật toán mạnh hơn của riêng mình.

YATI sẽ ảnh hưởng như thế nào đến việc tối ưu hóa Yandex

Dựa trên thông tin và tuyên bố của Yandex xung quanh việc tiết lộ YATI tại YaC2020, thành phần học máy mới của thuật toán sẽ chiếm hơn 50% trọng số cuối cùng.

Điều này có nghĩa là thông qua việc hiểu rõ hơn về các tài liệu và văn bản web, việc thực hiện các thay đổi nhỏ hơn đối với các trang như thay đổi thẻ tiêu đề, thêm nhiều từ khóa hơn và thậm chí cả các miền đối sánh chính xác sẽ không còn có tác động nhiều (tùy thuộc vào cạnh tranh và thị trường ngách).

Như đã đề cập trước đây, điều này không có nghĩa là bây giờ không cần thiết phải có kỹ thuật mạnh, trên trang và ngoài trang nữa.

Nó chỉ làm cho việc chơi game của hệ thống trở nên khó khăn hơn.

Bạn có thể tối ưu hóa cho YATI không?

Vì YATI là một sự phát triển của các thuật toán của Yandex chứ không phải là một cuộc cách mạng, nên phần lớn, các nguyên tắc tối ưu hóa Yandex chung vẫn được duy trì.

Nếu bất cứ điều gì, thực hành tốt nhất chỉ được củng cố.

Lấp đầy khoảng trống chủ đề nội dung

Nhìn xa hơn các từ khóa cho đến các chủ đề, bạn cần đảm bảo rằng nội dung của bạn phong phú với chúng như đối thủ cạnh tranh của bạn.

Ví dụ: nếu bạn đang cố gắng thu hút người dùng tìm mua bột protein và bột thay thế bữa ăn nhưng bạn không nói về thành phần của chúng, bao gồm cả sự phân tích dinh dưỡng hoặc cung cấp thông tin về cách chúng được sản xuất nhưng đối thủ cạnh tranh của bạn là gì, bạn là một trong những kỳ lạ trong tập dữ liệu.

Cấu trúc văn bản dài tốt hơn

Việc chia nhỏ các phần văn bản với tiêu đề phụ có thể giúp người dùng đọc lướt và tìm thấy các phần có liên quan của văn bản mà họ muốn đọc, cũng như thêm cấu trúc cho các công cụ tìm kiếm.

Dựa trên các tài liệu xung quanh YATI, cộng đồng tìm kiếm Nga cho rằng việc chia nhỏ văn bản dài 250 đến 300 từ bằng tiêu đề phụ có thể mang lại lợi ích.

ERNIE (Baidu) là gì?

Tiếp tục từ những tiến bộ ML của Yandex, chúng ta hãy xem xét ERNIE.

Baidu, giống như Google và Yandex, có lịch sử với AI và máy học.

Vào năm 2016, Baidu đã tạo nguồn mở cho nền tảng PaddlePaddle đã được sử dụng nội bộ trong một số năm để giúp phát triển:

• Các thuật toán và công nghệ để cải thiện sản phẩm tìm kiếm của họ.
• Phân loại hình ảnh có thể mở rộng.
• Dịch máy của văn bản.
• Và nền tảng quảng cáo của Baidu.

ERNIE (phiên bản 1.0) đã được đưa vào PaddlePaddle và sinh quyển Baidu rộng lớn hơn vào đầu năm 2019, với phiên bản cập nhật (2.0) sẽ ra mắt vào khoảng tháng 7 năm đó.

ERNIE vượt trội hơn BERT và XLNet vào thời điểm giới thiệu 16 nhiệm vụ NLP và đứng đầu công chúng Bảng xếp hạng GLUE.

XLNet, là liên doanh giữa Google và Đại học Carnegie Mellon, vượt trội hơn BERT vào thời điểm đó.

Ngoài việc giúp cải tiến công nghệ và sản phẩm tìm kiếm, một kết quả tuyệt vời khác của ERNIE là một hệ thống có tên DuTongChuan, là mô hình dịch đồng thời nhận biết ngữ cảnh đầu tiên.

Tác động của ERNIE đối với Tìm kiếm

ERNIE là một phần tích cực của thuật toán tìm kiếm Baidu rộng lớn hơn và được sử dụng để vừa phục vụ kết quả tìm kiếm chung vừa cải thiện tính đa dạng hóa trong nguồn cấp tin tức bằng cách xóa các tin bài trùng lặp (mặc dù các tiêu đề khác nhau).

ERNIE cũng đóng một vai trò tích cực trong trợ lý AI của Baidu, Xiao Du.

Sử dụng mô hình thời gian thực (tương tự như DuTongChuan) Xiao Du sử dụng ERNIE để hiểu rõ hơn và phản hồi chính xác hơn các yêu cầu bằng giọng nói.

Phần lớn tài liệu được xuất bản xung quanh ERNIE là về cách nó hoạt động và xử lý dữ liệu.

Tác động thực sự của nó đối với toàn bộ tìm kiếm Baidu vẫn chưa được biết đến, tuy nhiên, chúng ta cũng cần nhớ rằng các kết quả SERP của Baidu phổ biến theo một cách rất khác so với cả Google và Yandex hiện tại.

Baidu lấy một số đoạn trích phong phú từ các sản phẩm khác của mình như Baike, Zhidao và Tieba. Điều này có nghĩa là các truy vấn không phải trả tiền có thể chỉ tạo ra một hoặc hai kết quả trên trang đầu tiên.

Bạn có thể tối ưu hóa cho ERNIE không?

Tương tự như các thuật toán ML khác đang được triển khai trên toàn bộ tìm kiếm, ERNIE là sự phát triển của các nguyên tắc hiện có.

Các thuật toán cốt lõi của Baidu (Money Plant, Pomegranate, Ice Bucket) đã khuyến khích quản trị viên web tạo ra trải nghiệm web tốt hơn cho người dùng trong một số năm.

Ngày nay, ERNIE đang củng cố các nguyên tắc này và khen thưởng các trang web đã đầu tư vào trải nghiệm người dùng khi tìm kiếm hơn là cố gắng chơi trò chơi đó.

Nhiêu tai nguyên hơn: