DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁SEO優化 >  >> SEO最新資訊 >> 關於SEO資訊
譯文:谷歌將通過分類學習來打擊垃圾網頁
編輯:關於SEO資訊     

在過去幾年裡,Google一直忙於建設如今家喻戶曉的「谷歌大腦」團隊,並通過觀看大量視頻進行深度學習,直到大腦能識別什麼是貓臉、什麼是人臉。


谷歌僱傭了很多人來增強谷歌大腦的能力,今年前段時間還重金在英國進行人才收購。正如外界所傳,谷歌大腦還開始直接與谷歌搜索團隊展開深度合作。


該專利描述的方法包括:


1. 接收輸入,其中包含多個資源的特征,每個資源的特征都含有相應的屬性;


2. 利用嵌入函數給每一個資源特征屬性賦予一個或幾個數值;


3. 使用一個或多個神經網絡層對資源特征屬性值進行處理,其中採用一個或多個非線性轉換來處理浮點值;


4. 給輸入的數值預先設置多個分類器,每個分類器有不同的評分方案,並為每個類別設定上下閾值,以此判斷資源該屬於哪個類別。


預設的資源分類可能包含不同類別資源的作弊特征,也可能僅包含本類資源的作弊特征。不同類別的分數可以應用在以下幾方面:


1. 決定這個網頁是否會被索引;


2. 決定這個網頁是否會被展示在搜索結果頁面上。


深層網絡能有效將資源分類,例如把資源分類為垃圾內容或非垃圾內容,而垃圾內容又可細分為不同類型,垃圾資源則屬於其中一種或多種。專利告訴我們:使用深層網絡分類系統,可以讓搜索結果更好地滿足用戶對信息的需求。比如通過檢測垃圾資源,讓它們不展示在搜索結果中,或讓某類搜索資源只出現在對應信息的搜索結果裡。


文摘:方法、系統和設備,包括編碼在計算機存儲媒體的計算機程序,得分概念術語都在使用深層網絡。其中一種方法包括:


1. 接收輸入,包含多個資源的特征,每個特征含有相應屬性;


2. 利用嵌入函數給每個資源特征屬性賦予一個或幾個數值;


3. 使用一個或多個神經網絡層處理屬性值,採用非線性轉換處理浮點值;


4. 預設多個分類器,每個有不同的評分方案,並為每個類別設定上下閾值以判斷資源類別。


專利告訴我們,這個資源分類系統可以幫我們辨別哪些是垃圾資源,比如:資源內容很垃圾;資源包含很多垃圾鏈接;很難判斷的垃圾內容;諸如此類。


一個網站的網頁其實包含很多標記化內容,比如URL、網頁標題、網站域名、內容類別、網站年齡等,這些標記都會被用來計算網頁是否為垃圾內容,從而決定是否索引或降低關鍵詞排名。例如我們對網頁所代表的標記特征打分,再通過深層網絡建立決策進行綜合評分,並為總分設立閾值,一旦超過就可直接不對網頁進行索引。


同理,我們也可以通過分類系統對網頁內容分類:若網頁內容分類與用戶搜索的分類相同,就可提升其排名;若不相同,則可降低排名。如此處理,用戶將更容易找到符合其特定需求的內容。


不過,專利本身並未提供太多處理細節,也未透露這個機器學習模型的具體功能。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved