Bu makale, arama sorgularının yorumlanmasında varlıkların rolünü ele almaktadır. Bazı Google patentlerini ve Google arama sorgularını nasıl analiz ettiğini inceleyeceğim.

RankBrain, BERT, MUM Ve Bilgi Grafiğinin Birlikte Çalışması

BERT Algoritması, RankBrain’den sonra arama sorgusunun yorumlanmasında en kritik gelişme sayılır. BERT Algoritması aynı zamanda, yararlı bilgileri bulmakta (kullanıcıların arama sorgularının arkasındaki amacı iyi anlamasına yardımcı oluyor ve alakalı bilgileri bulmasında rol oynuyor),  sıralamada ve öne çıkan snippet’lerde katkıda bulunuyor.

MUM (Multitask Unified Model), Google’ın daha karmaşık sorguları daha iyi anlamasına,  arama sonuçlarında daha yararlı ve ilgili bilgileri sunmasında,  ayrıca farklı dillerde ve bağlamlardan gelen bilgilerin anlamasında Google’ın  güçlü bir algoritmasıdır.

RankBrain algoritması ile, arama sorgusunda varlıklar (entities) tanımlanır ve bilgi grafiğindeki (Knowledge Graph) bilgilerle karşılaştırılır.

Rankbrain, BERT ve MUM gibi algoritmalar, kullanıcıların aramak istedikleri varlıkların bilgi grafiği (varlık veritabanı – knowledge graph) ile eşleştirerek, ilgili varlıkların birbirile ilişkisi yoluyla bir bağlam belirlemeye ve bunu arama sorgularının ve belgelerin anlamını belirlemek için kullanmaya odaklanmaktadır.

Google, Arama Amacını ve Anlamını Tanımak İstiyor

Karmaşık arama sorgularını anlamak, sesli arama ve arama sorgularının yorumlanması arama motorlarının en önemli ve zorlu çalışmalarından biridir. Google modern bilgi erişim sistemleri ile bir arama sorgusunun içerdiği anahtar kelimeler ile değil varlıklar ve bağlamlarla daha fazla ilgileniyor.

Her bir arama terimin arkasında bir arama amacı vardır. Bir arama amacı genellikle belirsizdir ve makinelerin bunu anlaması kolay değildir.

Google, sorgu’da kullanılan kelimelerin bağlamını, sorgunun ne olduğunu daha iyi anlamak için ve daha kaliteli sonuç sunmak için çok çalışıyor.

Sorgu’da tüm kelimeler toplamı değil onları arasında olan bağlamın anlamı önemlidir.

Eğer sadece sorguda olan kelimeleri baz alırsak bu iki sorgunun “beyaz masa” ve “masa beyaz” anlamlarının farkını bilemeyecektir çünkü terimler aynıdır.

Varlık tabanlı bir arama motoru arama sorgusunda ki kelimeler değil onların bağlamını baz alır.

Bir terimle bir varlığın bulmasını yeterlı olmayacağını bu örnekle anlıyoruz, kelimeler ve bunların dizilişi, anlamın ortaya çıkmasında önemli bir rol oynadıkları açıktır.

Arama terimlerinin konu başlıklarına göre düzenlenmesi

Bir arama sorgusunun konu başlığına göre sınıflandırılması, sorgu işleminde ilk adımdır. Klasik, anlamsal olmayan arama motorlarında, arama terimlerinde kullanılan anahtar kelimeler, konuların kümelerine ait terimlerle karşılaştırılır. Böylece arama sorgusu bir konuya göre sınıflandırılır.

Anlamsal arama motorlarında ise, arama sorgusunun arkasındaki anlamı daha iyi anlamak için çalışmalar yapılıyor. Böylece belirsiz arama sorguları bile sınıflandırılabilir.

Arama sorgularının analiz edilmesinde etkisi olabilecek bazı Google patentlerini anlatmak istiyorum:

Varlık algılama ile sorgu yeniden yazma

Google bu patentinde, bir varlık referansı içeren arama sorgularının gerek duyduğunda nasıl baştan yazıldığını ve alakalı arama sonuçları elde etmek için önerilerin nasıl değiştirdiğini açıklar.

Sistem bir arama sorgusunun bir varlık adı, örneğin bir marka veya mağaza adı içeriğ içermediğini kontrol eder ve daha alakalı sonuçlar sunmak için sorguyu yeniden yazıp yazmamya karar veriri. Örneğin, biri “Harry Potter Barnes & Noble” araması yaparsa, sistem sorguyu “barnesandnoble.com” web sitesine odaklanacak şekilde yeniden yazabilir.

Makine, bir sorgunun yeniden yazılmasının daha alakalı sonuçlara yol açıp açmayacağını belirlemek için geçmiş arama verilerine bakarak bu kararı verir.

Örneğin, bir kullanıcı daha önce “Erkek ayakkabısı” araması yaptıysa ve daha sonra “spor ayakkabı fiyatı” araması yapıyorsa, arama motoru erkek spor ayakkabı satan web siteler için sonuçlar sağlamak üzere sorguya “erkek” anahtar kelimesini ekleyebilir. Bu, arama motorunun kullanıcının ilgi alanlarına ve tercihlerine göre daha kişiselleştirilmiş ve alakalı sonuçlar sunmasına yardımcı olur.

Eğer elden edilen veriler seçilmiş sonuçlara kullanıcılar tarafından güçlü bir tercih gösteriyorsa, sistem seçilmiş sonuçları göstermek için sorguyu otomatik olarak yeniden yazar veya kullanıcıya yeniden yazılmış bir sürümünü önerir. Bu teknik sayesinde, kullanıcıların niyetlerine daha alakalı, daha yakın bir arama sonuçları gördüklerine emin olabilirler.

Patent, arama motorlarını daha akıllı hale getirmenin, özellikle kullanıcıların sorgularında belirli isimler eklediklerinde gerçek niyetlerini anlamak ve tahmin etmek için bir yöntem özetlemektedir. Bu, kullanıcı deneyimini iyileştirir ve aramaların etkinliğini artırarak sonuçları daha doğru hale getirir.

Google, sorguları anlamak için çeşitlı yöntemler, sistemler ve medyalar açıklamaktadır

Google tarafından 2015 yılında yayınlana “Sorguları Yorumlama Yöntemleri, Sistemleri ve Medyası” başlıklı bu patent, arama motorları, arama sorgularını daha iyi yorumlaması için çeşitli tasarlanmış yöntemleri açıklamaktadır. Bu patent, bir sorgudaki arama terimlerinin belirli varlıklarla, örneğin isimler veya kategoriler, ilişkili olup olmadığını anlamak için sorgudaki arama terimlerini analiz eder. Örneğin, bir kullanıcı “Tom Cruise ile aksiyon filmi” aradığında, sistem “aksiyon,” “film” ve “Tom Cruise” terimlerini varlıklar olarak tanır ve bu bilgiyi daha ilgili arama sonuçları sunmak için kullanır.

Bu varlıkları popülerlik ve önemlerine göre derecelendirmek, sistemin doğruluğunu daha da artırmasına yardımcı olur. Kullanıcının gerçek arama sorgusuyla daha uyumlu sonuçlar elde etmek için, bağlam ve varlık puanına göre daha az ilgili olan varlıkları veya terimleri eleyebilir. Bu yöntemle, sorgunun kelimeleriyle eşleşen ancak kullanıcının niyetiyle uyumlu olmayan ilgisiz sonuçlar filtrelenir.

Benzer bir teknik kullanarak, sistem sesli istekleri de anlayabilir. Bu, sesli komutları tanırken, en pratik ve önemli kelimeleri belirleyip önceliklendirmesiyle mümkün olur. Bu şekilde, sistem, kullanıcının ne demek istediğini daha iyi anlar ve doğru komutları algılar. Genel olarak, bu buluş, kullanıcının sorusunda geçen terimleri anlayarak ve bu anlayışı kullanarak daha doğru ve faydalı sonuçlar sunan gelişmiş bir yöntem sunar.

Medya formatları, arama motorunun türüne bağlı olarak, örneğin: resim arama, video arama, aranan varlık türü: ‘Aksiyon Filmi’ ve varlık: ‘Tom Cruise’ ile eşleşecek uygun medya türleri verilecek. Patent, sesli aramalar ve görüntü aramaları da dahil olmak üzere geniş bir arama türlerini kapsıyor.

Yapısal benzerliğe göre belgelerden sorgu üretme

Google’ın bu patentinde “Belgeler Arasındaki Yapısal Benzerlik Kullanarak Sorgu Oluşturma” adlı amacı, indexlenen verilerde bulunan yapısal benzerlikleri kullanarak daha iyi sorgular oluşturmaktır. Sistem, verilerdeki HTML ve diğer kodları kullanarak, SERP’de yüksek sıralama şansı olan yeni sorgular üretiyor. Bu üretilen sorgular, kullanıcıların daha alakalı ve yararlı bilgileri bulmasına yardımcı olmak için kaydedilir.

Sistem ilk olarak geçmişte aranan ve başarılı olan sorguları analiz eder (Google bu sorguları kendi veri tabanında tutuyor) ve yeni sorguları oluşturmak için geçmişteki bu başarılı sorguların yapısını diğer benzer belgelerede uygular. Örnek olarak: bir sorgu bir belge için iyi sonuç veriyorsa, sistem başka bir belge ama benzer bir yapıya sahip olana, benzer bir sorguyu oluşturabilir. Bu çalışma konsepti, eğer kullanıcılar sorgularını mükemmel bir şekilde yazmamış olsalar yine arama sonuçlarında (SERP) daha doğru bilgiyi elede edebiliyorlar.

Arama sorgularında isimlendirilmiş varlıkların belirlenmesi

Google, bir sorgunun hangi varlıkla alakalı olduğunu anlamak ister. Bu süreç “isimlendirilmiş varlık tanıma” olarak da bilinir. Bir varlığın kendisi arama teriminde geçmiyorsa bu süreç o kadar da kolay değildir. Google, arama teriminde geçen varlıklar ve bu varlıklar arasındaki bağlamlar aracılığıyla aranan varlığı tanımlayabilir.

Bir örnek: “Shell’de müdür kimdir”,  sorgusu veya “ceo shell” sorgusu söyle google tarafından yanıtlanır:

Google, bilg panelinde ve normal arama sonuçlarında çıkan sonuçlarda, arama sorgusunda anahtar kelime olarak geçmemesine rağmen “Oliver Blume” varlığına odaklanmıştır, gördügünüz gibi görüntülenen varlığın (Oliver Blume), sorgulanan varlıklarla doğrudan bağlılığı yoktur.

Bu örnekte, iki varlık ve bir bağlantı türü vardır:

• Shell (Varlık)
• Müdür (Bağlantı türü)
• Oliver Blume (Varlık)

Google “Oliver Blume” varlığın hakkındaki sorguyu ancak “Shell” varlığı ile “Müdür” bağlantısını birleştirerek yanıtlayabilir. Google bu yüzden bu kadar varlıklara ve bağlamlara önem veriyor, Google bu varlıklar arasındaki bağlantıları bilgi grafiğinde (Knowledge Graph) kullanır ve sorgularda geçmeyen anahtar kelimeleri bu grafiği kullanarak kolaylıkla sorguları cevaplayabiliyor.

Bir varlığı bir arama sorgusuyla ilişkilendirme

Google bu patent’de arama sorgularında, kullanıcılara gösterilen sonuçun nasıl iyileştirmeye yönelik bir yöntemini açıklıyor. İlk olarak, Google varlıkları tanımlamak için sorgunu analiz ediyor ve ardından sorgudaki bu varlıklara yakın içerikler buluyor. Örneğin, bir kullanıcı bir kitap adı ararsa, Google, sorgudaki varlıkları analiz ettikten sonra belgelerle eşleştirdikten sonra en yakın ve alakalı içeriği (belgeyi) kullanıcıya sunuyor.

Bu patent’de sistem önceki arama sorgularını ve belgeleri analiz ederek arama sorguları ve varlıklar arasındaki ilişkilerin sürecini anlatıyor. Sorguya ilişkilendirilen varlıkların alaka düeyini ve kullanıcı memnuniyetini de dikkate alır. Bu tarz ilişkilendirmeler gelecekteki arama sorgularında çok faydalı olacak ( güvenilir bilgiyi hizli bir şekilde kullanıcıya sunacaktır)

Buna ek olarak, sistem tanımlanan varlıklara bağlı olarak, kullanıcıya daha iyi sonuçlar elde etmesi için kendi sogularını önerebilir.

Varlıkların özelliklerini tanımlama ve sıralama

Google bu patent’de, kullanıcının arama sorgusundaki varlıklarla ilgili en alakalı bilgileri bulup sıralayarak arama sonuçlarını iyileştirmeye bir yöntem sunmaktadır.

Bir kullanıcının bir varlığı için ilgi duyduğu bilgi türleri farklıdır. Sistem arama sorgularını analiz ederek, belirli bir varlık için en sık talep edilen bilgileri tespit ediyor. Örneğin, birçok kullanıcı “New York hava durumu” için arama yaparsa, sistem “hava durumunun ” New York şehiri için sıkça talep edilen bir özellik olduğunu anlar ve sık talep edildiği için kısa bir özetini bir bilgi panelinde sunabilir.

Bu patent, belirli varlıklar için ne sıklıkla arandığını dıkkate alır ve öncelik verir bu sebeble arama motorlarını daha akıllı ve kullanıcı odaklı hale getirmeye çalışır.