濟南網站優化公司,為您提供專業的網站優化,排名優化,關鍵詞優化服務,seo優化師一對一對接,助您快速提升網站關鍵詞排名.

濟南網站優化

幫助企業快速提升網站排名和流量

專注網站優化,SEO關鍵詞排名,一切用數據說話!

整站優化業務咨詢

TechSEO Boost:SEO的機器學習

點擊次數: 發布時間:2019-12-25 17:01文章來源:搜索引擎優化

今年的techseo boost是一項致力于技術搜索引擎優化并由catalyst主辦的活動,于11月29日在波士頓舉行。

作為“面向開發人員和高級搜索引擎優化專家”的會議,techseo boost建立在2017年首屆活動的成功基礎上,通過一天的啟發,挑戰行業中最敏銳的人才。

有些話題全天都滲透到話語中,特別是機器學習是一個反復出現的主題。

正如techseo boost會議的本質一樣,這些會議旨在超越炒作,以定義精確的機器學習對于seo,無論是現在還是將來。

以下是moz高級搜索引擎優化科學家布蘭妮·穆勒(britney muller)的精彩演講的回顧,題為(恰如其分)“機器學習為seo”。

什么是機器學習?快速回顧一下。會議開始時簡要介紹了適合“機器學習”保護傘的關鍵術語和概念。

muller使用下圖中的定義將機器學習的感覺理解為“ai(人工智能)的一個子集,它結合了統計和編程,使計算機能夠”學習“而無需明確編程。

###

當我們考慮如何將機器學習應用于日常seo任務時,從新刺激中“學習”的核心思想是一個重要的思路。

機器學習擅長識別大量數據中的模式。因此,今天機器學習應用程序的一些常見示例包括:

推薦系統(netflix,spotify)共享應用程序(uber,lyft)數字助理(亞馬遜alexa,apple siri,google智能助理)然而,這種無處不在可以使它成為一個具有挑戰性的概念。事實上,谷歌的埃里克施密特甚至說,“谷歌正在研究的核心問題基本上是機器學習。”

將其分解為構成典型機器學習項目的步驟是有幫助的,以便了解我們如何將其應用于日常seo任務。

機器學習過程下圖顯示了muller在techseo boost上分享的機器學習過程:

###

重要的是要記住,一些培訓數據應保留在過程的后期進行測試。

在可能的情況下,還應清楚地標記此數據,以幫助機器學習算法識別噪聲數據集內的分類和類別。

正是由于這個原因,google要求我們標記圖像以驗證我們的身份:

###

這證明了我們人類在雜亂的環境中挑選對象的能力,但它還為google提供了更高質量的圖像數據。

上周剛剛公布了無監督機器學習方法的缺陷,以及可以解釋的訓練數據集。

gmail中的“智能撰寫”功能通過在預測用戶可能想說的內容時更喜歡某些代詞來證明性別偏見。

據路透社報道,“gmail產品經理保羅蘭伯特說,公司研究科學家在1月份發現了這個問題,當時他打字”我下周會見投資者“,smart compose提出了一個可能的后續問題:”你想要嗎?遇見他?“而不是”她。“

###

這里的挑戰不僅限于如此規模的項目。想要弄臟手的營銷人員必須意識到機器學習的局限性以及令人興奮的可能性。

muller補充說,人們傾向于過度填充他們的數據,這降低了他們使用的模型的準確性和靈活性。當模型與一個特定數據集非常接近時,會發生這種(非常常見的)現象,從而降低其對新方案的適用性。

有效擴展的能力使機器學習具有吸引力,因此過度擬合是需要小心避免的。有一個很好的引到這個話題在這里,它也是通過這個形象很好的解釋:

###

那么,如何使用這個ai子集來提高seo性能呢?

如何使用機器學習seo與所有炒作友好型技術一樣,企業也熱衷于參與機器學習。然而,關鍵是不要因為害怕被遺忘而“使用機器學習”,而是為每個企業找到機器學習的最佳用途。

布蘭妮·穆勒(britney muller)在techseo boost的會議期間分享了她在moz的角色。

第一種是使用algorithmia高級內容摘要生成器自動生成元描述的方法,然后將其與google直接從登錄頁面提取的自動描述方法進行比較。

在嘗試鼓勵積極的點擊率時,元描述仍然是一項重要的資產,但是花費了大量時間來制作這些片段。可以解釋登錄頁面含義并創建可點擊摘要以在serp中顯示的自動替代方案將非常有用。

###

muller分享了一些例子,比如上面的圖片,以展示兩種方法之間的比較。機器學習方法并不完美,可能需要進行一些調整,但與谷歌的選擇相比,它可以很好地傳達頁面的意圖。

moz的團隊已將其構建到google表格中:

###

雖然這不是其他企業現在可以訪問的產品,但是paul shapiro(techseo boost主機)通過github 在這里分享了實現自動元描述的另一種方法。

分享此文章

###

自動圖像優化seo的機器學習的另一個有趣的用途是圖像優化的自動化。布蘭妮·穆勒(britney muller)展示了如何在20分鐘內訓練出一種區分貓和鴨的算法,然后將這個模型用于一個高精度的新數據集。

###

對于大型零售商而言,這種方法的應用可能非常有益。由于每天都有大量新圖像添加到庫存中,并且隨著視覺搜索的增加,可擴展的圖像標簽系統將證明是非常有利可圖的。如techseo boost所示,對于愿意建立自己的模型的企業來說,這是一個非常現實的可能性。

布蘭妮穆勒描述的機器學習的進一步用途是播客的轉錄。這種任務的自動化方法可以將音頻文件轉換為搜索引擎更易讀的內容,從而有助于對相關主題進行索引和排名。

muller詳細介紹了通過amazon web services使用amazon transcribe產品實現此目標的方法。

###

音頻被分解并在j-son文件中以很多細節傳送,播客上的不同揚聲器分別標記。

###

在會議中沒有足夠的時間來研究seo的機器學習的每一個潛在用途,但muller的核心信息是業內的每個人都應該努力至少掌握這些概念的工作知識。

一些進一步的實驗機會如下:

###

我們可以看到,在處理大型數據集來識別模式時,機器學習確實很出色。

工具和資源訂婚的最佳方式是將理論與實踐相結合。這幾乎總是如此,但它與編程有關,是一個特別有效的建議。

muller\'s并不是全天引用google codelabs的第一次或最后一次談話。

###

比以往任何時候都有更多的資源,像亞馬遜和谷歌這樣的人希望機器學習變得平易近人。亞馬遜推出了機器學習課程,google的速成課程是學習成功項目組件的絕佳方式。

###

一旦獲得基本的掌握,谷歌擁有的kaggle一直是審判新數據集和審查世界各地數據科學家所做的創新工作的好地方。

此外,google的colaboratory使您可以輕松開始項目并與遠程團隊合作。

關鍵要點:seo的機器學習通過muller的演講特別清楚的是,seo的機器學習應用程序是多么平易近人。此外,對于愿意在該學科中投入一些時間的人來說,實驗的空間是前所未有的。

久久青草费线频观看