El lenguaje natural en tu web

Google se esfuerza por mejorar la relevancia de los listados presentados en las páginas de resultados del motor de búsqueda (SERP) con cada actualización de algoritmo. Una actualización reciente de los SERP es las representaciones de codificador bidireccional de Google de Transformers (BERT), que utiliza el procesamiento del lenguaje natural. BERT se considera uno de los cambios más significativos introducidos por Google en los últimos cinco años, ya que afecta directamente a una de cada 10 consultas de búsqueda.

Su objetivo es mostrar resultados más relevantes al interpretar correctamente consultas de búsqueda complejas y de cola larga. En esta publicación, discutiremos qué significa esto y cómo cambia la forma en que busca.

¿Qué es el BERT?

Es una técnica basada en redes neuronales para el entrenamiento previo de PNL que le permite a Google identificar el contexto de las palabras en una consulta de búsqueda dada con mayor precisión.

Por ejemplo, considere las frases «seis a diez» y «seis menos cuarto», la misma preposición «a» tiene un significado diferente en cada frase, lo que puede no ser obvio para los motores de búsqueda. Sin embargo, aquí es donde BERT se vuelve útil, ya que efectivamente puede hacer la distinción entre el contexto de la preposición en la primera frase en comparación con cómo se usa en la segunda frase. A través de la comprensión del contexto, puede proporcionar resultados más relevantes.

Las redes neuronales de algoritmos facilitan el reconocimiento de patrones, mientras que las redes neuronales capacitadas en conjuntos de datos pueden identificar patrones. Sus aplicaciones típicas incluyen contenido de imágenes, prediciendo las tendencias del mercado financiero e incluso reconociendo la escritura a mano. Mientras procesamiento natural del lenguaje o PNL es una fracción de la inteligencia artificial (IA) que se ocupa de la lingüística.

  • PNL permite a las computadoras entender cómo los humanos se comunican naturalmente.
  • Los algoritmos de PNL permiten la interpretación, la comprensión y el reconocimiento de patrones de lenguaje.
  • Los modelos de PNL resaltan la gramática y las palabras para encontrar significado en cantidades infinitas de texto y voz.

Los avances facilitados por la PNL que los usuarios de Internet y las empresas en línea utilizan todos los días incluyen herramientas de escucha social, sugerencias de palabras y chatbots.

¿Qué significa esto?

BERT es un algoritmo de PNL que utiliza redes neuronales para producir modelos pre-entrenados. Estos modelos están entrenados utilizando cantidades interminables de datos disponibles en la web. Los modelos previamente entrenados son modelos genéricos de PNL que se refinan aún más para realizar tareas específicas de PNL. En noviembre del año pasado, BERT de código abierto de Google, alegando que proporcionó resultados completos y relevantes en 11 tareas de PNL, incluido el conjunto de datos de respuesta a preguntas de Stanford.

La bidireccionalidad de BERT lo distingue de otros algoritmos, ya que esto le permite dar contexto a una palabra. Puede hacerlo no solo considerando partes de la oración que conducen a esa palabra, sino también teniendo en cuenta las partes que la siguen. La bidireccionalidad permite a los motores de búsqueda comprender el significado de una palabra como «película» que tiene un significado diferente cuando se usa en «película de ventana» en comparación con cuando se usa junto con «éxito de taquilla».

En la búsqueda, BERT facilita la comprensión de los detalles clave de una consulta, especialmente cuando se trata de complejos, consultas conversacionales o aquellos con preposiciones en el mismo. Por ejemplo, en la consulta “El viajero indio de 2021 a Bali necesita una visa”, la preposición “a” sugiere que el viajero va de India a Bali. Al cambiar la preposición, podría cambiar la oración por completo, lo que se leería como «2021 viajero indio de Bali necesita una visa», y podría significar que los viajeros son de Bali y necesitan una visa para la India. BERT permite la comprensión de la diferencia contextual entre las dos oraciones.

¿Cuál es la diferencia entre BERT y RankBrain?

RankBrain fue el primer método de IA de Google aplicado en la búsqueda. Se ejecuta en paralelo a los algoritmos de clasificación de búsqueda orgánica y realiza ajustes en los resultados calculados por esos algoritmos. RankBrain ajusta los resultados ofrecidos por los algoritmos basados ​​en consultas históricas.

RankBrain También facilita que Google interprete las consultas de búsqueda para que pueda mostrar resultados que pueden no tener las palabras exactas como la consulta. Por ejemplo, cuando busque «la altura del punto de referencia en Dubai», automáticamente le mostrará información relacionada con Burj Khalifa.

Por otro lado, el componente bidireccional de BERT lo hace funcionar de una manera muy diferente. Donde los algoritmos tradicionales miran el contenido de la página para medir la relevancia, los algoritmos de PNL van un paso más allá al mirar el contenido antes o después de una palabra para un contexto adicional. Dado que la comunicación humana suele ser compleja y en capas, hace que este avance en el procesamiento del lenguaje natural sea esencial.

Juntos, BERT y RankBrain son utilizados por Google para procesar y comprender consultas. BERT no es un sustituto de RankBrain, pero se puede aplicar junto con otros algoritmos de Google o en combinación con RankBrain, dependiendo del término de búsqueda.

Mejorando la búsqueda en más idiomas

Con la capacidad de tomar lo que hemos aprendido de un idioma y aplicar esto a otro, BERT se utiliza para hacer que los resultados de búsqueda sean más relevantes para los usuarios de Internet en todo el mundo. Por ejemplo, lo que aprendimos de los idiomas más utilizados en la web, como el inglés, se aplica a otros idiomas. De este modo, ofrece mejores resultados en otros idiomas en los que las personas también están buscando. Además, el modelo BERT también mejora la relevancia de los fragmentos destacados en todos los países e idiomas.

¿Cómo afecta BERT a su negocio?

BERT también afecta al Asistente de Google al activarlo para ofrecer fragmentos destacados o resultados web influenciados por la actualización de BERT. La tecnología NLP como BERT mejora la comprensión de la máquina y esta innovación es sin duda beneficiosa para muchos usuarios y empresas en línea. Sin embargo, en lo que respecta al SEO, los principios siguen siendo los mismos. Si tienes el Mejores prácticas de SEO arraigado en su estrategia de marketing, puede estar seguro de su éxito web. Los sitios web que producen contenido fresco, relevante y de alta calidad de manera consistente se beneficiarán más de esta actualización de algoritmo.

Escribir contenido superior basado en la investigación de palabras clave es un ejercicio que seguirá siendo un factor de clasificación prioritario en los motores de búsqueda. Los propietarios de sitios web que se centran en que sus usuarios obtengan el contenido informativo y preciso que esperan, terminan con una buena clasificación en el SERP. Monitorear el rendimiento de las páginas, mientras crea un gran contenido, ayudará a los sitios web a mantenerse relevantes.

¿NLP resuelve la intención de búsqueda?

Con BERT, independientemente del idioma o las palabras utilizadas en la consulta, las posibilidades de que Google obtenga los resultados correctos han aumentado, pero aún no son del 100 por ciento. Por ejemplo, incluso con BERT, cualquiera que busque «qué estado está al sur de Nebraska», es probable que obtenga resultados para «South Nebraska» en lugar de Kansas, que es probablemente la respuesta que busca el usuario.

Ayudar a las máquinas a comprender el lenguaje sigue siendo un esfuerzo continuo y obtener un significado definido de cualquier consulta es un proceso complejo. Cuando Google aplica PNL a una lista de palabras clave clave, los resultados superiores que se muestran pueden no contener algunas o solo una de las palabras clave requeridas, lo que hace que esos resultados sean irrelevantes. Con BERT, Google ha mejorado su juego al ofrecer una actualización sofisticada de su algoritmo, pero la búsqueda sigue siendo un problema sin resolver debido a la naturaleza compleja del lenguaje humano.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *