از گراف دانش گوگل چه می دانید؟

گوگل از الگوریتم جداگانه‌ای برای ارائه نتایج استفاده می‌کند، که فهرست موتورهای جستجو را برای داده‌های ساختاریافته اسکن می‌کند و سپس آن را با درخواست‌های جستجوی خاصی در مورد «افراد، مکان‌ها یا چیزهای مهم» نمایش می دهد.

گراف دانش را می‌توان در هر دستگاهی، به عبارت دیگر در رایانه‌های شخصی و دستگاه‌های تلفن همراه مانند تبلت‌ها یا تلفن‌های هوشمند مشاهده کرد. برای درک بهتر گراف دانش گوگل، تصویر زیر را که نمونه ای از نتیجه گراف دانش گوگل است مشاهده نمایید:

 

در ادامه این مقاله از مجله آژانس دیجیتال مارکتینگ منتا به بررسی گراف دانش گوگل و نحوه عملکرد آن می پردازیم.

گراف دانش چگونه ساخته می‌شود؟

ساختار اصلی نمودارها از گره‌ها و یال‌ها تشکیل شده است. از نظر نمودار دانش، گره‌ها موجودیت‌ها هستند و یال‌ها ماهیت رابطه بین آن موجودیت‌ها را توصیف می‌کنند. موجودیت‌ها با یک نام یا ویژگی‌های مختلف توصیف می‌شوند. در گراف دانش، همه گره‌ها، یعنی موجودیت‌ها، دارای ویژگی‌هایی هستند و بر اساس انواع موجودیت طبقه‌بندی می‌شوند.

گراف ها برای چه مواردی استفاده می‌شوند؟

در علوم کامپیوتر، از نظریه گراف برای نمایش و تحلیل روابط بین اشیاء استفاده می‌شود. بنابراین گراف ها ابزار مهمی در تحقیقات شبکه هستند. برای مثال، فیس بوک از گراف اجتماعی برای تجزیه و تحلیل روابط بین پروفایل‌ها استفاده می‌کند. گوگل مدت‌ها است که از گراف پیوند برای تحلیل و ارزیابی روابط بین اسناد و وب‌سایت‌ها استفاده می‌کند. Google از گراف دانش برای نقشه برداری و تجزیه و تحلیل روابط بین موجودیت‌ها استفاده می‌کند.

گراف دانش گوگل چیست؟

گراف دانش پایگاه معنایی گوگل است. در اینجا، موجودیت‌ها در ارتباط با یکدیگر قرار می‌گیرند، دارای ویژگی‌هایی و در زمینه موضوعی هستند. با معرفی الگوریتم رتبه بندی مرغ مگس خوار در سال 2013، گوگل مجوز رسمی ساخت یک موتور جستجوی معنایی را داد. ایده پشت آن این بود که محتوا در هر قالبی را درک کند و به هر درخواست جستجو پاسخ مناسب و با کیفیتی بدهد.

مزایای گراف دانش گوگل چیست؟

مزایای گراف دانش گوگل بقدری هست که یک موتور جستجو مانند گوگل، بخواهد روی آن وقت گذاشته و سرمایه‌گذاری کند. با سازماندهی شدن اطلاعات جهان بر اساس موضوع‌، به جای اینکه فرایند خزش و ایندکس کردن صفحات وب و وب‌سایت‌ها‌ صورت بگیرد، گوگل بعنوان یک موتور جستجو می‌تواند از مزایای متعددی بهره‌ ببرد. در ادامه به برخی از مهمترین مزایای گراف دانش برای گوگل و هر موتور جستجوی دیگر مانند Bing اشاره خواهیم کرد:

1. منابع داده متنوع: با ذخیره اطلاعات درباره یک موضوع، گوگل قادر است به جای ارسال کاربر به یک صفحه وب‌، از منابع داده متنوعی بهره ببرد. یعنی این امکان برای گوگل فراهم خواهد شد که حقایق مهم در مورد یک موضوع را جمع‌آوری نموده و ‌آن‌ها را به روش مطلوب‌تری برای کاربر به نمایش بگذارد.
2. مقیاس‌بندی: زمان زیادی است که تعداد صفحات وب، به شدت مورد بحث قرار دارد؛ در حالی که بسیاری از کارشناسان بر این باور هستند که تعداد ‌آن‌ها بی‌شمار است‌، شاید بتوان گفت که میلیاردها صفحه در فضای اینترنت وجود دارد که هر روز با سرعت بالایی در حال گسترش است. این موضوع در حالی رخ می‌دهد که، تعداد موضوعات قابل درک برای انسان، بسیار کمتر بوده و با سرعت پایینی در حال رشد است. این مطلب یعنی اینکه تکرار بی‌رویه‌ای از ایده‌ها در محتوای موجود در وب، به وجود آمده است. پس می‌توان گفت با ذخیره اطلاعات مربوط به یک موضوع به صورت نیمه ساختار یافته‌، اطلاعات موجود در اینترنت، فضای کمتری را اشغال خواهد کرد و تکرار کمتری هم بوجود می‌آید.
3. سرعت بازیابی اطلاعات: در صورت سازماندهی اطلاعات بر اساس موضوع‌، بازیابی اطلاعات، سرعت بالاتری پیدا خواهد کرد، این مزیت هم برای گوگل و هم برای کاربری که به دنبال سوزن در انبار کاه است، بسیار راهگشا است.
4. انسجام بهتر اطلاعات: این موضوع را باید اعتراف کرد که گراف دانش گوگل هنوز ممکن است حاوی اطلاعات اشتباهی باشد؛ بنابراین این احتمال وجود دارد که زمینه برای افرادی که قصد سوءاستفاده دارند، فراهم باشد. مزیتی که با این حال میتوان متصور بود این است که حداقل «یک نقطه مشخص حقیقت‌یابی» در اختیار یک موتور جستجو مانند گوگل قرار خواهد گرفت، دست کم برای موضوعاتی که چندان بخث‌برانگیز نیستند. احتمال دارد، لازم باشد یک حقیقت تازه در مورد موضوعی مشخص از یک آستانه کیفی عبور کند تا به گراف دانش گوگل اضافه گردد، اما بعید به نظر می‌رسد که این آستانه‌ها توسط گوگل به‌طور آشکار مورد بحث واقع شود. از جنبه منفی که به این ماجرا نگاه کنیم‌، تکیه بر یک نقطه مشخص حقیقت‌یابی می‌تواند تنوع اطلاعات را کاهش دهد و اگر منابع داده‌ای خودشان جانبدارانه باشند‌، مطلب استخراج شده نیز مستعد سوگیری می‌شود.

 

گراف دانش گوگل چه چیزهایی را ارائه می دهد؟

انواع ویژگی های گراف دانش گوگل شامل:

نمایش چرخ و فلکی

حتما برای شما نیز پیش آمده است که بعد از جستجوی یک فیلم در گوگل با اطلاعاتی از بازیگران و عوامل فیلم روبرو شده اید. زمانی که بر روی آن ها کلیک می کنید صفحه جستجویی جدا باز می شود. این نوع نمایش که آن Carousel Display یا نمایش چرخ و فلکی گفته می شود، بخشی از گراف دانش گوگل محسوب می گردد. در زیر نمونه های این نوع نمایش را مشاهده می کنید:

 

 

جعبه نتایج جداگانه

Google اطلاعات و داده‌های ساختار یافته را در مورد عبارت جستجو از منابع مختلف معتبری مانند ویکی‌پدیا جمع‌آوری می‌کند و به‌عنوان مثال در سمت راست بالای صفحه به ‌صورت جدید و قابل فهم مرتب می‌کند. گوگل برای ایجاد این اطلاعات فقط از داده‌های خود از Google Maps و Google My Business استفاده می‌کند. در زیر نمونه این نوع نمایش را مشاهده می کنید:

 

 

مقایسه در کادر نتیجه

گوگل با ارائه آپدیت مرغ مگس خوار، عملکرد Graph Knowledge را گسترش داده است، به طوری که اکنون امکان مقایسه موارد مختلف مانند ساختمان‌ها، غذاها یا سیارات وجود دارد. برای نمونه تصویر زیر را مشاهده می کنید که مقایسه دو سیاره را می توانید بدون وارد شدن به سایتی ببینید:

 

 

جعبه پاسخ گوگل

گراف دانش گوگل پاسخ کوتاه به برخی از سوالات را به صورت ویژه در بخشی به نام جعبه پاسخ گوگل Google Answer Box نمایش می دهد. این بخش در سال 2015 توسط گوگل معرفی شد و پاسخ‌های عملی به سوالات مربوط به تعاریف یا پدیده‌ها را در اختیار کاربران قرار می‌دهد. کاربران می توانند ادامه پاسخ خود را در سایت مربوطه مشاهده نمایند. نمونه این باکس را در تصویر زیر مشاهده می کنید:

 

تفاوت بین گراف دانش و پایگاه داده گراف چگونه بیان می‌شود؟

همانطور که تا اینجای مقاله توضیح دادیم، متوجه شدیم که گراف‌های دانش داده هستند. آن‌ها بایستی ذخیره، مدیریت و توسعه داده شوند، ضمن اینکه می‌توان آن‌ها را پرس و جو کرد. این موضوع به پایگاه داده‌ها و اجزایی نیاز دارد که معمولاً در لایه میان‌افزار معنایی پیاده‌سازی خواهند شد. این موارد روی پایگاه داده قرار دارند اما در عین حال نقاط پایانی خدمات را برای ادغام با سیستم‌های شخص ثالث ارائه خواهند نمود. بنابراین پایگاه داده‌ گراف، پایه هر گراف دانش را تشکیل خواهد داد.

به طور معمول، اینها فناوری‌هایی هستند که بر اساس چارچوب توصیف منابع RDF، یک استاندارد W۳C یا بر اساس گراف‌های دارایی‌های دارای برچسب LPG ساخته شده اند. با این حال، برای انتشار گراف‌های دانش در شرکت‌ها، بیش از یک پایگاه داده مورد نیاز است: فقط با کمک اجزایی مانند ویرایشگرهای طبقه‌بندی و هسته شناسی، استخراج کننده‌های موجودیت، نقشه بردارهای گراف، اعتبارسنجی، تجسم و ابزارهای جستجو و غیره می‌توان اطمینان حاصل شود که گراف دانش می‌تواند به طور پایدار توسعه و مدیریت شود. در حالی که پایگاه‌های داده معمولاً توسط مهندسان داده بسیار ماهر یا متخصصان وب نگهداری می‌شوند، رابط‌های واسطه معنایی همچنین به افراد امکان می‌دهد با گراف دانش تعامل داشته باشند که می‌توانند دانش فنی کمتری به جای کسب و کار و دانش تخصصی به گراف‌ها ارائه دهند.

 

گراف دانش گوگل و پیامدهای آن برای SEO و SEA

گوگل با معرفی گراف دانش، موقعیت خود را به عنوان یک تامین کننده اطلاعات تقویت کرد. بنابراین، اگر در حال انجام یک جستجوی سطحی هستید و به دنبال پاسخی کوتاه برای سؤالی درباره یک شاعر یا دانشمند هستید، لازم نیست جستجوی گوگل را ترک کنید. در اغلب موارد در همان نگاه اول بعد از جستجو و بدون وارد شدن به سایت خاصی می توانید پاسخ سوال خود را دریابید. نتیجه این کار برای وب سایت‌های اطلاعاتی می‌تواند از دست دادن ترافیک بزرگ باشد. اگر از این سایت‌ها برای بازاریابی وابسته یا تبلیغات نمایشی نیز استفاده شود، نرخ کلیک کمتری برای تبلیغات قابل انتظار است.

پتانسیل بهینه ‌سازی برای مکان‌ها، هنرمندان یا برخی حقایق برای کلیدواژه‌های تک یا دو کلمه‌ای در نتیجه گراف دانش وجود ندارد. بنابراین سئوکاران بیش از هر زمان دیگری باید پیش بینی کنند که کاربران به دنبال چه چیزی هستند و چگونه آن را جستجو می‌کنند.

با Google Answer Box، امروزه وب مسترها این توانایی را دارند که در رتبه اول در SERP قرار گیرند. به این ترتیب، گراف دانش شما را قادر می‌سازد تا برای وب سایت خود اعتبار ایجاد کنید. الگوریتم گوگل از معیارهای خاص خود برای تعیین عناصر متنی یا نشانه گذاری برای پاسخ به سوالات استفاده می‌کند.

 

 

نحوه کار گراف دانش با فیس بوک

شبکه اجتماعی فیس بوک از سال 2013 گراف دانش خاص خود را دارد که به نام Entity Graph در فیس بوک است. فیس بوک مانند گوگل از منابع خارجی و خود برای جمع آوری داده‌ها استفاده می‌کند. نمودار دانش فیس بوک زمانی نشان داده می‌شود که از جستجوی داخلی فیس بوک استفاده می‌کنید و وارد سیستم می‌شوید.  برای مثال، اگر به دنبال «لئوناردو داوینچی» هستید، اطلاعات بیشتری در مورد ملیت یا حرفه فرد مورد نظر دریافت خواهید کرد. اگر روی یکی از نتایج کلیک کنید، در صفحه انجمن یا گروه مرتبط دیگری قرار خواهید گرفت.

برگرفته از : en.ryte.com