RankBrain جزء الگوریتم اصلی گوگل است که از یادگیری ماشینی (توانایی ماشین‌ها برای آموزش خود از ورودی داده‌ها) برای تعیین مرتبط‌ترین نتایج به درخواست‌های موتور جستجو استفاده می‌کند. قبل از RankBrain، گوگل از الگوریتم اصلی خود برای تعیین اینکه کدام نتایج را برای یک پرس و جو نشان می دهد استفاده کرد. پس از RankBrain، اعتقاد بر این است که پرس و جو اکنون از طریق یک مدل تفسیری می گذرد که می تواند عوامل احتمالی مانند مکان جستجوگر، شخصی سازی و کلمات پرس و جو را برای تعیین هدف واقعی جستجوگر اعمال کند. با تشخیص این هدف واقعی، گوگل می تواند نتایج مرتبط تری ارائه دهد.

جنبه یادگیری ماشینی RankBrain چیزی است که آن را از سایر به روز رسانی ها متمایز می کند. برای «آموزش» الگوریتم RankBrain برای تولید نتایج جستجوی مفید، Google ابتدا داده‌های آن را از منابع مختلف «تغذیه» می‌کند. سپس الگوریتم آن را از آنجا می گیرد و در طول زمان به خود محاسبه و آموزش می دهد که سیگنال های مختلف را با نتایج مختلف مطابقت دهد و بر اساس این محاسبات رتبه بندی موتورهای جستجو را ترتیب دهد.

درک RankBrain

برای مفهوم سازی واضح RankBrain، می تواند به شما کمک کند تا خود را در جایگاه گوگل قرار دهید و سعی کنید هدف یک جستجوی موتور جستجو مانند “مکان المپیک” را درک کنید.

هدف واقعی از این جستجو چیست؟ آیا جستجوگر می خواهد در مورد بازی های المپیک تابستانی یا زمستانی بداند؟ آیا آنها به المپیکی اشاره می کنند که به تازگی به پایان رسیده است یا المپیکی که چهار سال بعد برگزار می شود؟ آیا جستجوگر در حال حاضر در المپیک حضور دارد، در یک هتل نشسته و به دنبال مسیرهایی برای رسیدن به محل برگزاری مراسم افتتاحیه است؟ آیا آنها حتی می توانند به دنبال اطلاعات تاریخی در مورد مکان اولین المپیک در یونان باستان باشند؟

حال، تصور کنید که در تلاش برای پاسخ به این پرسش، تنها چیزی که دارید سیگنال های الگوریتمی ساده مانند کیفیت محتوا یا تعداد لینک هایی است که یک قطعه محتوا برای رتبه بندی نتایج برای این جستجوگر به دست آورده است. تصور کنید که بازی های زمستانی در سوچی روسیه به تازگی در ماه گذشته به پایان رسیده است و وب سایت رسمی المپیک سوچی میلیون ها لینک برای محتوای خود در مورد رویداد گذشته به دست آورده است. اگر الگوریتم شما ساده است، ممکن است فقط نتایجی را در مورد بازی های سوچی نشان دهد، زیرا آنها بیشترین پیوندها را به دست آورده اند … حتی اگر جستجوگر واقعاً امیدوار بود که مکان بازی های المپیک زمستانی بعدی در پیونگ چانگ، کره جنوبی را بیاموزد.

در این موقعیت پیچیده اما رایج است که ظرفیت RankBrain ضروری است. تنها با توانایی محاسبه ریاضی نتایج بر اساس الگوهایی که الگوریتم یادگیری ماشین در رفتار جستجوگر «توجه کرده است» است که Google می‌تواند تعیین کند که برای مثال، اکثر افرادی که «مکان المپیک» را جستجو می‌کنند می‌خواهند بدانند بازی‌های بعدی کجاست. (چه تابستان و چه زمستان) برگزار خواهد شد. بنابراین، در این مورد، یک جعبه پاسخ گوگل با مکان بازی های آینده در آن اکثر نیازهای جستجوگران را برآورده می کند.

در حالی که آن جعبه پاسخ ممکن است به هدف پشت اکثر جستجوهای «مکان المپیک» اشاره کند، استثنائات قابل توجهی وجود دارد که Google باید آنها را برطرف کند. به عنوان مثال، اگر جستجو توسط کاربری در یک شهر المپیک (مانند پیونگ چانگ) در هفته بازی ها انجام شود، گوگل ممکن است در عوض مسیرهای رانندگی را به غرفه ای که مراسم افتتاحیه در آن برگزار می شود ارائه دهد. به عبارت دیگر، سیگنال‌هایی مانند موقعیت مکانی کاربر و تازگی محتوا باید برای تفسیر هدف و ارائه نتایجی که به احتمال زیاد جستجوگران را راضی می‌کند در نظر گرفته شوند.

*RankBrain کاری در حال انجام است، با هدف یادگیری ماشینی، تفسیر گوگل از هدف جستجوگر را در طول زمان کامل کند. جالب اینجاست که پرس و جوی فرضی ما، “مکان المپیک”، که در آوریل 2017 در ایالات متحده انجام شد، این نتیجه جعبه پاسخ گوگل را برمی گرداند:

آیا این نشان می‌دهد که دستگاه معتقد است بیشتر افرادی که این عبارت را جستجو می‌کنند، همچنان به بازی‌های تابستانی ریودوژانیرو ۲۰۱۶ علاقه‌مندتر از رویداد بعدی، بازی‌های زمستانی پیونگ‌چانگ ۲۰۱۸ هستند؟ آیا RankBrain در اینجا بر اساس الگوهایی که محاسبه کرده است موفق است، یا هنوز «در حال کار است»، از مبهم بودن پرس و جو ما مطمئن نیستیم که آیا ما یک پاسخ قدیمی‌تر و محبوب‌تر می‌خواهیم یا پاسخی تازه‌تر که به آینده نگاه می‌کند؟ و اگر بتوانیم آن را در ژانویه 2018 انجام دهیم، این پرس و جو چه چیزی را برمی گرداند؟ آیا جعبه پاسخ پیونگ چانگ را نشان می دهد زیرا سیگنال های اطراف رویداد تا آن زمان تشدید شده اند؟

از آنجایی که میزان و تفاوت‌های ظریف تأثیر RankBrain بر نحوه عملکرد الگوریتم جستجوی اصلی Google هنوز به طور کامل مشخص نشده است، یکی از بهترین راه‌ها برای یادگیری بیشتر در مورد نحوه عملکرد RankBrain ممکن است مشاهده تعداد دفعات پاسخ Google به انواع مختلف شما باشد. سوالات با پاسخ های رضایت بخش هر چند وقت یکبار قصد شما را به درستی تفسیر می کنند؟