TG Data

对于搜索引擎来说，识别搜索查询的含义和意图至关重要。这项专利可能是该方法的一部分。

具体来说，该专利包含对 BERT（Transformer 的双向编码器表示）的引用，这表明该方法可能与 BERT 在搜索算法中的应用相关。



标识符：US20230334045A1

国家：美国、中国、韩国、欧洲

发布日期：2023 年 10 月

该专利描述了一种评估人类对搜索查询的解释准确性的系统和方法，其中包括两种不同的模型：

第一个模型：该模型在包含历史搜索查询、其人工解释以及表明这些解释的准确性的人工分配的标签的数据集上进行训练。其主要功能是初步确定人类对搜索查询的解释的准确性。
第二个模型：在第一个模型的初步评估基础上，该模型整合了搜索查询的时间和聚类特征等附加因素。它的工作是对人类对搜索查询的解释的准确性做出最终判断。
谷歌的专利涉及查询分组或聚类的概念，这是其评估搜索查询解释方法的一个关键方面。

该专利包含了搜索意图的概念，尽管“搜索意图”一词可能没有明确提及。该专利重点关注人类对搜索查询的解释的准确性，本质上涉及识别用户搜索查询背后的目的或目标，这是搜索意图的核心。以下是该专利如何隐性考虑搜索意图的概述：

搜索查询的人工解释：

评估系统对搜索查询的人类解释的准确性从根本上需要理解用户的意图或目标。这种理解对于搜索意图的概念至关重要。

搜索查询的细化：

该专利讨论了将后续搜索查询识别为先前搜索查询的细化。这一过程与搜索意图密不可分，因为当初始结果不能完全满足他们的意图时，用户通常会优化他们的搜索，从而调整他们的查询以产生更精确的结果。

时间和集群功能：

通过在评估过程中考虑时间和聚类特征，系统间接解决了搜索意图的背景和细微差别。例如，查询的时间或它们在某些主题集群内的分组可以提供有关用户预期目标的信息。

带有人工评级标签的训练数据集：

训练数据集中包含了人类对先前搜索的解释和评估标签，表明系统正 99 英亩数据库 在从先前的案例中学习，在这些案例中，人类判断被用来理解搜索查询背后的意图。

向量集表示和距离算法：

在解析和聚类查询中使用向量集表示和距离算法与理解搜索意图有关。这些技术有助于理解查询的语义含义和细微差别，这对于识别用户意图至关重要。

SEO影响：
注重准确的查询解释：SEO 策略应优先将内容与用户对搜索查询的可能解释相结合。理解和匹配用户查询的预期解释对于有效的搜索引擎优化至关重要。
背景和时间性的重要性：考虑到时间背景以及主题或关键词的任何可能的聚类，优化内容非常重要。这种方法可确保内容保持相关性，并根据新趋势和时间敏感查询进行准确索引。
适应搜索细化：针对细化搜索优化网站非常重要，因为这些细化可以表明搜索引擎最初的误解或曲解。专注于回答精确的搜索查询可以提高网站在搜索结果中的相关性和准确性。
使用自然语言处理 (NLP)：随着 BERT 等方法集成到搜索引擎中，在内容创作中加入 NLP 策略变得越来越重要。这种与搜索引擎查询解释方法的一致性可以提高网站在搜索结果中的可见性和相关性。