Использование векторов слов и их применение в SEO

1. Что такое GloVe?
2. Почему важны векторы GloVe?
3. сходство
4. Сложение и вычитание векторов
5. Визуализация
6. Посмотрите на отношения между близкими словами
7. Используйте страницы с хорошим содержанием
8. Маленькие слова не означают маленькое значение
9. Завершение

Сегодня мир SEO изобилует термином «релевантность». Google далеко прошел мимо ключевых слов и их частоты, чтобы посмотреть на значение, придаваемое словами, и то, как они связаны с текущим запросом.

Фактически, в течение многих лет общим термином, используемым для работы с текстом и языком, была обработка естественного языка (НЛП). Новый фокус, тем не менее, - понимание естественного языка (NLU). В следующих параграфах мы хотим познакомить вас с продуктом машинного обучения, который был очень полезен для количественной оценки и повышения релевантности контента.

Ранее в этом году мы начали обучение моделей на основе кодовой базы под названием Чар-РНН от Андрея Карпати. Действительно интересной особенностью этой кодовой базы было то, что вы могли (после обучения) получить модель, которая будет генерировать контент на основе того, что он узнал из учебных документов. Он не просто повторял бы контент, но генерировал бы новый читаемый (хотя и совершенно бессмысленный) контент.

Он работает с помощью нейронной сети, чтобы узнать, какого персонажа угадать дальше. Если у вас есть время, Описание Карпати это увлекательное чтение, которое поможет вам немного больше понять, как это работает.

При тестировании различных кодовых баз мы натолкнулись на одну, которая вместо предсказания символов пыталась предсказать, какие слова будут следующими. Самым интересным было то, что в нем использовалось нечто, называемое вложением GloVe, которое в основном представляло собой слова, превращенные в числа таким образом, что график числовых координат придает смысловые отношения между словами. Я знаю, это было глотком.

Что такое GloVe?

перчатка расшифровывается как «глобальные векторы представления слов». Они составлены из очень больших наборов контента и смотрят статистику совпадений слов, чтобы определить отношения между этими словами. С их сайта:

Вот пример термина «SEO», преобразованного в слово vector:

Чтобы работать с вложениями GloVe, вам необходимо знать Python и Word2Vec, а также сервер достаточного размера, чтобы обрабатывать в памяти более 6 миллиардов слов. Вы были предупреждены.

Почему важны векторы GloVe?

Перспективные векторы важны, потому что они могут помочь нам понять и измерить актуальность. Используя Word2Vec, вы можете измерять сходство между словами или документами, находить наиболее похожие слова для слова или фразы, добавлять и вычитать слова друг из друга, чтобы найти интересные результаты, а также визуализировать связь между словами в документе.

сходство

Если у вас есть понимание Python, Gensim является отличным инструментом для анализа сходства слов и документов. Мы обновили конвертер на Github, чтобы упростить преобразование векторов GloVe в формат, который может использовать Gensim Вот ,

Чтобы продемонстрировать способность векторов GloVe создавать семантически похожие слова для исходного слова или фразы, взгляните на следующее изображение. Это было результатом нахождения слов, наиболее похожих на «dui lawyer» с использованием библиотеки Gensim и векторов GloVe (географические термины были удалены).

Обратите внимание, что это не вариации или синонимы слов, а скорее понятия, с которыми вы можете столкнуться при работе с адвокатом в этой области практики.

Сложение и вычитание векторов

Один из наиболее часто используемых примеров мощности этих векторов показан ниже. Поскольку слова преобразуются в числовые векторы, и в позиции векторов существуют семантические отношения, это означает, что вы можете использовать простую арифметику для векторов, чтобы найти дополнительное значение. В этом примере слова «Король», «Мужчина» и «Женщина» превращаются в векторы GloVe до сложения и вычитания, а «Королева» очень близка к результирующему вектору.

Визуализация

Как только мы сможем превратить документ текста в его результирующие векторы, мы сможем построить эти слова, используя очень классную библиотеку под названием т-СНЭ вместе с d3.js , Мы собрали простую демонстрацию, которая позволит вам ввести ключевую фразу и два ранжирующих URL-адреса, чтобы увидеть разницу в векторном пространстве с помощью векторов GloVe.

Демо здесь ,

При демонстрации важно обратить внимание на несколько вещей.

Посмотрите на отношения между близкими словами

Обратите внимание, что группы слов - это не просто близкие варианты или синонимы, а уникальные слова, которые просто принадлежат друг другу.

Используйте страницы с хорошим содержанием

Инструмент работает, извлекая контент на странице, поэтому, если работать не с чем, результат будет невелик. Будьте осторожны, используя домашние страницы, страницы, которые являются списками выдержек или в основном на основе изображений.

Маленькие слова не означают маленькое значение

Размер получаемых слов зависит от частоты, с которой встречалось слово, а не от значения слова. Если вы введете сравнительный URL, который имеет более высокий рейтинг, чем вы, для того же термина, обратите внимание на различия в цвете, чтобы увидеть темы или области тем, которые могут отсутствовать на вашей странице.

Завершение

Очевидно, что с точки зрения SEO, полезно создавать контент, который охватывает тему как можно более подробно и обеспечивает хороший опыт для вашего посетителя. Хотя мы не ожидаем, что все оптимизаторы закончатся и изучат Python, мы думаем, что зная, что для этого нужно использовать невероятную мощь, это важный момент для передачи. Векторы GloVe являются одним из многих инструментов, которые можно использовать, чтобы дать вам преимущество в конкурентной борьбе.

Наконец, для тех, кто является поклонниками скрытого распределения дирихле (LDA), Крис Муди в этом году выпустил проект под названием LDA2Vec который использует тематическое моделирование LDA, наряду с векторами слов, чтобы создать интересный способ назначать и понимать различные темы в текстовом корпусе.

Мнения, выраженные в этой статье, принадлежат автору гостя и не обязательно относятся к Search Engine Land. Штатные авторы перечислены Вот ,

Об авторе

Похожие

Комментарии