“Semantic Relevance”nin Axtarış Nəticələrinə Təsiri

“Semantic Relevance”nin Axtarış Nəticələrinə Təsiri

“Semantic Relevance” axtarış sisteminin optimallaşdırılmasında veb səhifənin məzmununun müəyyən bir axtarış sorğusu və ya açar sözlə əlaqələndirməsi prosesidir.  

 

Ənənəvi SEO-da, müəyyən bir açar sözü olan səhifə axtarış sıralamasında rahatlıqla öndə ola bilirdi. Hazırda isə axtarış motorları getdikcə təkmilləşdikcə, veb-saytın optimallaşması üçün təkcə açar sözün olması kifayət deyil. Axtarış motorları əlavə olaraq məzmunun mənasını və kontekstini daha yaxşı başa düşmək üçün semantik təhlil aparır.

 

Axtarış sistemi “Semantic Relevance”ni necə anlayır?

 

Axtarış motorları istifadəçilərin sorğularını ən uyğun nəticələrlə uyğunlaşdırmaq üçün onun məzmununu başa düşməyə, istifadəçi niyyətini tanımağa və veb səhifələrin nüfuzunu qiymətləndirməyə əsaslanan bir neçə üsuldan istifadə edir.

 

“Semantic Relevance”nin anlaşılması prosesində sistemin işləmə gedişatı belədir:  

 

“Natural Language Processing” (NLP). Axtarış motorları NLP texnikalarından istifadə edərək veb səhifənin məzmununu mənalandırır və istifadəçi sorğularının semantik kontekstini təhlil etməyə çalışır.

 

Məsələn, bura “stemming” və “part-of-speech tagging”i aid edə bilərik. Yəni, axtarış motoru axtarışda işlənən sözün kökünü tapır və onun cümlədə hansı funksiyanı yerinə yetirdiyini müəyyənləşdirir. 

 

İstifadəçi axtarışa “qaçış” sözünü yazıbsa, sistem həmin an ”stemming”lə sözün kökünün “qaçmaq” olduğunu, daha sonra “part-of-speech tagging”lə onun cümlədə feil kimi işlədiyini anlayıb, həmin nitq hissəsi və mənaya uyğun nəticələri təhlil edir.  

 

Semantik təhlil. Semantik təhlil mətnin və ya ifadənin mənasını təhlil etmək üçün istifadə olunur. Axtarış motorları semantik analiz vasitəsilə sorğunun əsas məqsədini və mövzularını anlamağa çalışır.

 

Semantik təhlilə nümunə kimi LSI-ı göstərə bilərik.

 

“Latent Semantic Indexing”, yəni LSI səhifədə yalnız müəyyən açar sözlər deyil, həm də bu sözlərlə birlikdə tez-tez istifadə olunan terminlər və mövzuların olub-olmadığını qiymətləndirir. Nəticədə isə axtarış motoru məzmunun daha geniş kontekstini anlaya bilir.

 

Link təhlili. Axtarış motorları veb-saytın nüfuzunu və etibarlılığını qiymətləndirmək üçün link təhlili aparır. Bir səhifəyə verilən keçidlərin sayı və keyfiyyəti həmin səhifənin axtarış nəticələrində sıralamasına təsir edə bilər.

 

Link təhlili adətən PageRank ilə edilir. “Google” tərəfindən istifadə edilən PageRank alqoritmi veb-səhifələrin əhəmiyyətliliyini digər səhifələrdən aldıqları keçidlərin sayına və keyfiyyətinə görə müəyyən edən sistemdir.

 

İstifadəçi davranışı. Axtarış motorları istifadəçi davranışını təhlil edərək səhifənin semantik populyarlığını qiymətləndirir. Bu davranışlara klikləmə dərəcəsi (CTR), saytda olma vaxt və sıçrayış dərəcəsi daxildir.

 

Qeyd edim ki, istifadəçi davranışı fərdiləşdirilmiş nəticələrin hazırlanması üçün aparılır. Axtarış nəticələrini fərdiləşdirmək üçünsə sistem istifadəçinin keçmiş axtarış tarixçəsi, yeri və cihaz növü kimi amillərdən istifadə edilir.

 

“Structured Data”nın “Semantic Relevance”yə təsiri nədir?

 

Strukturlaşdırılmış məlumatların semantik uyğunluğa təsiri, axtarış motorlarına veb səhifələrin məzmununu daha yaxşı başa düşmək və qiymətləndirmək imkanı verməklə istifadəçilərə təqdim edilən axtarış nəticələrinin keyfiyyətini və uyğunluğunu artırmaqdır.

 

Bəs “Structured Data” bu uyğunluğu necə artırır?

 

Tutaq ki, şirniyyat reseptləri dərc etdiyimiz veb-saytımız var və saytda “şokoladlı tort resepti” bloqunu yayımlamışıq. Bu reseptin səhifəsini düzgün strukturlaşdırılmış məlumatlarla işarələsək, axtarış motorları səhifəmizin məzmununu daha yaxşı anlayacaq və onu semantik cəhətdən uyğun sorğuların hamısında təqdim edəcək. 

 

Daha yaxşı anlamaq üçün prosesin gedişatına addım-addım baxaq: 

 

1.Strukturlaşdırılmış məlumatlarla işarələməni belə edə bilərik;

 

Reseptin adı: Şokoladlı tort resepti

Hazırlanma vaxtı: 20 dəqiqə

Pişirmə vaxtı: 30 dəqiqə

Tərkibi: Qara şokolad, un, şəkər və s.

Kalori: 250 kkal/dilim

İstifadəçi reytinqi: 4.5/5

 

Bu məlumatları Schema.org-un "Recipe" sxemindən istifadə edərək JSON-LD, Microdata və ya RDFa formatlarında əlavə edirik.

 

2.Axtarış motorlarının məzmunumuzu anlaması. Strukturlaşdırılmış məlumatlar axtarış motorlarına səhifəmizdəki məzmunu ətraflı başa düşməyə imkan verir. 

 

Sistem bilir ki, bizim saytımızdakı ümumi resept deyil, “şokoladlı tort resepti”dir, bununla yanaşl hazırlanması, kalorisi kimi məlumatlar da bizdə var.

 

3. Semantik əlaqəli sorğuların uyğunlaşdırılması

 

İstifadəçilər “qara şokoladlı tort resepti”, “aşağı kalorili desertlər” və ya “20 dəqiqəyə hazırlanan tort” kimi sorğular etdikdə, axtarış motorları strukturlaşdırılmış məlumatlar sayəsində səhifəmizin bu sorğular üçün nə dərəcədə uyğun olduğunu qiymətləndirir və istifadəçi birbaşa “şokoladlı tort” axtarmasa belə, saytımız onun axtarışında təqdim olunan nəticələr arasında olur. 

 

Qısacası, “Semantic Relevance”, strukturlaşdırılmış məlumatların və semantik işarələmənin istifadəsi köməkliyilə axtarış motorlarına istifadəçi sorğularını məzmunun dəqiq uyğunlaşdırmasına səbəb olur. Nəticədə veb-saytımızın axtarış nəticələrində görünürlülüyü artır və orqanik trafik əldə edirik. 

Muzaffar Garakhanli

Other articles

“On-Device Machine Learning”: Üstünlükləri Və Funksiyaları

“On-Device Machine Learning”: Üstünlükləri Və Funksiyaları

"Google" Veb-Saytı Kateqoriyalara Ayırarkən Nələri Nəzərə Alır?

"Google" Veb-Saytı Kateqoriyalara Ayırarkən Nələri Nəzərə Alır?

"Query Context": "Query Definition" Və "Query Aspect" Yanaşmaları

"Query Context": "Query Definition" Və "Query Aspect" Yanaşmaları