在考虑与SEO相关的机器学习的兴起时，我们可能会面临一个可怕的场景，这当然取决于SEO专业人士的类型。
大多数SEO专业人士都是基于逻辑的。我曾经不知道如何“建立优秀的内容，我甚至无法想象我能坚持下去，写出一堆乱七八糟的东西。
什么是机器学习？在SEO的世界里，了解你正在优化的系统是非常重要的。
你需要知道:
搜索引擎如何抓取和索引网站；
搜索算法功能；
搜索引擎将用户意图视为排名信号(以及他们可能使用它的地方)；
机器学习不同于人工智能(AI)，但应用开始变得有点模糊。
如上所述，机器学习是一门让计算机根据信息得出结论的科学，但对于如何完成任务并没有专门的编程。
另一方面，人工智能是创造具有或似乎具有类似人类智能并以类似方式处理信息的系统背后的科学。
其中，差异:
机器学习是为解决问题而设计的系统。它以数学方式产生解。解决方案可以专门编程，也可以手工编译，但是没有这个要求，解决方案会更快。
一个很好的例子就是设置一台机器，不用编程就能通过大量数据勾勒出肿瘤的大小和位置。机器将列出已知的良性和恶性结论。有了这个，我们会要求系统生成未来遭遇肿瘤的预测模型，从而根据分析的数据提前生成概率。
这纯粹是数学问题。数百名数学家可以做到这一点——但这将花费他们数年时间(假设数据库非常大),希望他们不会出错。或者，你可以通过机器学习在更短的时间内完成同样的任务。
另一方面，当我在思考人工智能时，我开始想到一个触及创造力的系统，从而变得不那么可预测。
设定在同一任务上的人工智能，可以简单参考这方面的文献，从以往的研究中得出结论。或者它可以添加新数据。或者你可以开始研究一种新的汽车发动机系统来完成最初的任务。
关键词虽然是人为的，但为了符合标准，必须是真的，从而产生变量和未知数，类似于我们与周围人交往时遇到的。
机器学习如何影响链接和链接建设？区域机器学习最简单的例子之一:链接可以大大增加谷歌的功能。
举个小例子，机器学习可以在链接评估的一个关键方面发挥作用:过滤垃圾邮件。
谷歌已经在Gmail中使用了机器学习，成功率为99.9%，只有0.05%的时间产生误报。
结合链接评估，你就有了一个非常成功的模型。
以前，谷歌工程师必须:
创建一个劣质网站列表，并手动阻止其链接资产的流动。
根据他们之前所看到的，编译坏链接的具体特征。
设置贬值函数链接计算，希望不要包含太多误报。
通过机器学习，世界打开了。
但是仍然有一个主要的起点——一个已知坏域的列表和另一个假定坏信号的列表。
但这些是机器学习系统可以用于训练的原因:
学习如何将这些信号应用到他们遇到的其他链接中。
针对看似垃圾的(或对本次活动有益的)开发自己的信号。
机器可以通过观察模式来进行自我学习，而不是简单地依赖这样苛刻的标准。
观察假设信号不良的站点(在其链路输出或链路中)并分析机器。
然后，一旦做出错误的决定，它可以启动逆向工程模式，以便在将来更快地检测。
垃圾邮件链接到什么样的网站？
垃圾网站可以获得哪些类型的链接？
有链接增长模型吗？
出售付费链接的网页是否也倾向于链接到其他特定网站(确实如此)，如果是，是哪些网站？
然后，系统可以将这些添加到它所应用的指标中。
它真的很少触及机器如何模拟人类能做的事情并加以放大的冰山一角。
想知道谷歌是怎么宣布他们在用垃圾链接贬低网站，而不是人工惩罚的吗？
它可以由能够以不可思议的速度学习和应用货币贬值并且误报率低的机器来实现。
除此之外，机器还可以知道页面的内容质量和相关性，并将这些理解单独和整体地补充到方程中。
一个机器可以问，“这个链接应该为你的个人网站提供高权重吗？”然后进一步说“链接有可能是付费的还是有其他问题？”在其他链接数据中找到并在此页面和域中分析。
这些是机器学习可以应用于链接的极其有限的例子。
垃圾邮件模式已经并将以更高的成功率被检测到，而高质量的链接将会以更高的比率被理解和奖励。
这意味着更加关注质量、相关性和合法性——除非你认为你能拿出一个系统来愚弄谷歌，而不是一台机器来解决问题。
机器学习如何影响内容SEO？虽然我们使用上面链接的例子，但SEO的其他领域很少会受到机器学习而不是内容的影响。
为了说明这一点，我们只需要看看谷歌在翻译方面的工作。
10年来，他们一直使用基于短语的机器翻译来解决这个问题——主要是匹配已知短语并提供结果。
2016年9月，他们改用机器学习系统(谷歌神经机器翻译系统)，在推出后的24小时内，该系统提高了之前十年的翻译水平。
基本上，机器学习可以在24小时内比人工编辑更有效地理解语言，即使没有机器辅助，也可以达到3650次。
这对SEO专业人士意味着什么？数字营销的圣杯来了——那时，我们唯一的工作就是推出尽可能好的内容和广泛的内容，格式足以满足更多用户的意图和喜好，而不是下一个。如果这些已经完成，谷歌大概也会明白这一点。
这并不是说机器没有缺陷或者SEO专业人士没有作用。
事实上，我认为我们将发挥更重要的作用，但它不会用在关键词上——而是用在制定用户满意度上。
机器学习如何影响SEO技术？说到搜索引擎优化技术，你现在需要关注一个人:辛迪·克鲁姆(CindyKrum)。注意她要说的话，因为她的思路是正确的。
在关于移动优先索引的对话中，她创造了一个术语，我个人认为可以很好地概括搜索引擎优化技术的未来。她将“移动优先”称为不正确的术语，并将正确的术语命名为“便携式优先”。
她提出的想法是，内容要容易与你的设计和技术结构分离(即便携)，以便随时随地访问。
当我们进入机器学习的新世界时，我们的目标是为用户提供满足其意图的信息。
我们的工作是确保内容易于理解并从其存在的结构中提取出来——通过标记、XMLfeed，或者只是以清晰易懂的方式在页面上构建内容。
相关文章推荐欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）