Η Google, η Σημασιολογική Αναζήτηση και το Knowledge Graph

Η αναζήτηση στον Παγκόσμιο Ιστό με τις μηχανές αναζήτησης έχει αλλάξει. Αυτό το γνωρίζουμε (σχεδόν) όλοι. Η προσπάθεια των μηχανών αναζήτησης ήταν πάντα να γίνουν πιο “έξυπνες” με την έννοια να προσφέρουν την καλύτερη απάντηση σε κάθε αναζήτηση ενός χρήστη. Η προσπάθεια βασίστηκε σε 2 πυλώνες. Στην κατανόηση του περιβάλλοντος μίας λέξης / φράσης αναζήτησης (search context) καθώς και στην κατανόηση του σκοπού του χρήστη (search intent). Η τεχνολογική εξέλιξη έφερε και αλλαγές στην πρόσβαση στην πληροφορία και πλέον δεν πληκτρολογούμε μία φράση που μας ενδιαφέρει στο desktop pc της εργασίας μας αλλά παντού, στο δρόμο, για καφέ, στο σπίτι, στις διακοπές, με PCs, laptops, smartphones, tablets, smart TVs κλπ με δυνατότητα να πούμε την αναζήτηση σε κάποιο voice app όπως Google Now, Siri, Sherpa, Cortana.

Το Γράφημα Γνώσης

Οι μηχανικοί που κατασκευάζουν τις μηχανές αναζήτησης σύντομα κατάλαβαν ότι η απλή συσχέτιση λέξεων / φράσεων κλειδιών δεν θα ήταν ποτέ αρκετή. Έπρεπε να κατανοήσουν πώς τα δεδομένα αλληλοσυνδέόνταν και ποιες ήταν συνολικά οι πληροφορίες που αφορούσαν τις οντότητες του πραγματικού κόσμου πίσω από τα keywords. Αυτή η πορεία από τα keywords στις οντότητες του πραγματικού κόσμου κατέληξε στο Knowledge Graph. Σκοπός του Knowledge Graph είναι να συνδέσει τους χαρακτήρες που συνθέτουν τη λέξη ή φράση αναζήτησης με τα αντικείμενα στα οποία αναφέρεται, τη σχέση μεταξύ των τυχαίων strings χαρακτήρων που είναι οι λέξεις με τα αντικείμενα, πράγματα, έννοιες του πραγματικού κόσμου στα οποία αναφέρεται. Στο Knowledge Graph οι πληροφορίες που αφορούν τα αντικείμενα του πραγματικού κόσμου συγκεντρώνονται σε οντότητες που ονομάζονται objects και οι πληροφορίες που αφορούν κάθε object δεν είναι απομονωμένες αλλά επικοινωνούν και συσχετίζονται μεταξύ τους και αυτές οι συσχετίσεις φτιάχνουν το πλέγμα που αποτελεί το Knowledge Graph. Μία από τις πρώτες εφαρμογές του Knowledge Graph είναι το πάνελ δίπλα στα αποτελέσματα αναζήτησης πχ για γνωστές προσωπικότητες και παρόμοιες αναζητήσεις. Έτσι πχ σε αναζήτηση για τον Albert Einstein στο πάνελ δίπλα στα αποτελέσματα αναζήτησης θα δούμε στοιχεία του βιογραφικού του, διάσημα αποφθέγματά του, βιβλία που αφορούν τον ίδιο και τις διάσημες θεωρίες του, καθώς και άλλους γνωστούς φυσικούς. Το Knowledge Graph κατασκεύασε ένα σύνολο πληροφοριών που αφορούν τον διάσημο φυσικό Einstein μέσα από τη συσχέτιση της αναζήτησης με το φυσικό πρόσωπο. google search query about einstein Αντίστοιχη αναζήτηση για τους Metallica θα μας δείξει στοιχεία για την πορεία τους, το βιογραφικό τους, τη δισκογραφία και τα social media. google search query about metallica rock band Οι εφαρμογές του Knowledge Graph δίνουν ακόμη τη δυνατότητα για περαιτέρω εξερεύνηση με συνοπτικά αποτελέσματα από τις συλλογές του Knowledge Graph με μορφή carousel στην κορυφή των αποτελεσμάτων αναζήτησης. Όπως βλέπουμε και στα παραδείγματα αφορά συνήθως ομάδες ομοειδών οντοτήτων: Αναζήτηση για μουσεία της Αθήνας. google search query for museums in athens Αντίστοιχα αποτελέσματα αναζήτησης για τα νησιά της Ελλάδας google search query about islands of greece Ή συνδυασμός του top carousel με το side panel για αναζήτηση για τους δορυφόρους του Δία google search query about the moons of jupiter Το Knowledge Graph εκμεταλλεύεται τη συνολική γνώση που αποκτά η μηχανή αναζήτησης μέσα από τις αναζητήσεις δισεκατομυρίων ανθρώπων. Εξελιγμένοι αλγόριθμοι βοηθούν στην κατανόηση του τι θεωρούν οι χρήστες πιο σημαντικό για κάθε αναζήτηση και αυτή η γνώση ενσωματώνεται στο Knowledge Graph. Όπως εξηγεί και η ίδια η Google στο βίντεο για το Knowledge Graph μπορεί και συνδυάζει και ομαδοποιεί έννοιες. Για παράδειγμα ο Leonardo Da Vinci ήταν ζωγράφος της Αναγέννησης αλλά αν γνωρίζουμε μόνο τον Leonardo Da Vinci και τίποτα για τη ζωγραφική στην περίοδο της Αναγέννησης τότε στο side panel θα βρούμε στοιχεία για τα έργα του και συναφείς αναζητήσεις από άλλους χρήστες που περιλαμβάνει και άλλους ζωγράφους της Αναγέννησης όπως ο Ραφαήλ και Μιχαήλ Άγγελος. Στόχος, σύμφωνα με την παραδοχή της ίδιας της Google, είναι η μετεξέλιξή της από information engine σε knowledge engine. Αυτό σημαίνει ότι θα μπορεί να καταλβαίνει περισσότερο τις αναζητήσεις του χρήστη και άρα το σκοπό της αναζήτησης (search intent) καθώς και το συνολικό περιβάλλον της φράσης αναζήτησης (search content). Ο σκοπός (search intent) προέρχεται από τον ίδιο τον χρήστη και προσπαθεί να καταλάβει τι είναι αυτό που ψάχνει. Το περιβάλλον αναζήτησης (search content) είναι όλα τα στοιχεία που περιβάλλουν την αναζήτηση και της δίνουν ένα συγκεκριμένο νόημα. Έτσι με την κατανόηση και σύνδεση σκοπού και περιβάλλοντος οι μηχανές αναζήτησης μπορούν και κατανοούν τα διαφορετικά ερωτήματα (queries), καθώς και τα κίνητρα και τις προσδοκίες του χρήστη. Εδώ έρχεται μία σημαντική αναβάθμιση των αλγορίθμων αναζήτησης που πήρε το όνομα Humminbird. Σκοπός της αναβάθμισης (όπως και όλων των άλλων) ήταν η βελτίωση των αποτελεσμάτων αναζήτησης και η συνακόλουθη βελτίωση της εμπειρίας χρήστη το Google product. Η διαφορά εδώ ήταν ότι πρώτη φορά οι αλγόριθμοι αναζήτησης της Google ενσωμάτωσαν σε τέτοιο βαθμό τις παραπάνω αρχές του σκοπού και περιβάλλοντος (search intent / search context). Σύμφωνα με τα παραδείγματα τα αποτελέσματα αναζήτησης βελτιώθηκαν θεαματικά σε αναζητήσεις τύπου “συζήτησης”. Αναζητήσεις του τύπου “Ποιο είναι το πιο κοντινό μαγαζί με παπούτσια NIKE;”, “ποιο είναι το καλύτερο εστιατόριο στην Αθήνα;”, “τι καιρό θα κάνει αύριο;”, “πόσο χρονών είναι ο τσίπρας;”, “τι συμβαίνει τώρα;” κλπ. Για παράδειγμα, στην αναζήτηση “Ποιο είναι το πιο κοντινό μαγαζί με παπούτσια NIKE;” αν ο χρήστης έχει ενεργοποιημένη την εύρεση τοποθεσίας η μηχανή θα καταλάβει ότι ο χρήστης αναζητεί ένα φυσικό κατάστημα (όχι eshop) που να βρίσκεται κοντά στο σπίτι του και ότι το κατάστημα αυτό θα είναι για αθλητικά είδη. Με όλη αυτή τη γνώση η Google δίνει αποτελέσματα αναζήτησης πολύ πέρα από το απλό ταίριασμα ιστοσελίδων με keywords. Όπως εξήγησε η Google το Hummingbird δίνει σημασία σε κάθε λέξη ενός query αλλά στο τέλος προσπαθεί να βγάλει νόημα από ολόκληρο το query (τη συζήτηση) παρά από κάθε λέξη μεμονωμένα. Αντίστοιχα η αναζήτηση “τι καιρό θα κάνει αύριο” για να απαντηθεί προϋηποθέτει τη γνώση 2 παραμέτρων για τον χρήστη, τον τόπο και τον χρόνο. google search query weather tomorrow Αντίστοιχες αναζητήσεις “συζήτησης” που η μηχανή ανταποκρίνεται μαζεύοντας και συνοψίζοντας τις πληροφορίες του Knowledge Graph Αναζήτηση “πόσο χρονών είναι ο τσίπρας” google search about tsipras age Αναζήτηση “σε ποιο παιχνίδι κέρδισε ο παοκ” Φυσικά μία μηχανή αναζήτησης μάλλον δεν είναι ο καλύτερος τρόπος να βρείτε τα κλειδιά σας, στην ανάλογη ερώτηση όμως μπορεί να προτείνει σελίδες με tips & tricks για να μη τα χάνετε τόσο συχνά. search query about lost keys Και φυσικά η Google δεν είναι μόνο για αναζήτηση. Από online κομπιουτεράκι – αριθμομηχανή, μέχρι μετατροπές δολλαρίων και ευρώ και αντίστροφα με την τρέχουσα ισοτιμία, μέχρι μετοχές του δείκτη Dow Jones και πολλά πολλά περισσότερα. Περισσότερες πληροφορίες:

Sharing is caring!