谷歌使用的機器學習技術，稱為rankbrain來幫助自己的搜索結果。這是我們知道的。

谷歌使用 機器學習的人工智能系統，稱為“rankbrain”幫助整理搜索結果。不知道是如何工作的，符合谷歌的整體排名系統？以下是我們所知道的rankbrain。

信息涵蓋以下來自深圳網站建設三個來源和已更新，隨著時間的推移，筆記，更新了。這里是源：

首先是彭博社的故事這打破了rankbrain新聞（參見寫了它）。第二，附加的信息，谷歌現在已經直接提供給搜索引擎的土地。第三、在地方，谷歌并沒有提供答案，我們自己的知識和最佳的假設。我們要清楚這些來源的使用，當 認為必要，除了一般的背景信息。

rankbrain是什么？
rankbrain是谷歌的名字為機器學習的人工智能系統，用來幫助處理搜索結果，據報道彭博社也向我們證實了谷歌。

機器學習是什么？
機器學習是一個計算機教自己如何做，而不是被人類或以下的詳細規劃教。

2015年5-6月百度算法最新調整整理
解讀2015百度算法更新及調整

什么是人工智能？
真正的人工智能，簡稱AI，是一個計算機可以像人類一樣聰明，至少在感覺上獲取知識的講授和建筑在它所知道的，建立新的聯系。

真正的愛只存在于科幻小說，當然。在實踐中，AI是指計算機系統的設計學習和聯系。

人工智能機器學習如何不同？從rankbrain，似乎我們都很 同義。你可以聽到他們兩者交替使用，或者你可能會聽到機器學習用于描述人工智能方法被雇用的類型。

所以rankbrain是新的谷歌搜索結果排名？
第rankbrain是谷歌整體搜索”算法的一部分，”一個計算機程序，用來整理數十億頁它知道找到那些被認為最相關的特定的查詢。

谷歌搜索算法的名字是什么？

所以rankbrain是谷歌蜂鳥搜索算法的一部分？
這是我們的理解。蜂鳥算法的全局搜索能力，就像一輛車有一個整體的發動機在它。發動機本身可能由各種配件，如機油濾清器、燃油泵、散熱器等。以同樣的方式，包括各部分與rankbrain蜂鳥，是一個最新的。

特別是，我們知道rankbrain總體是蜂鳥算法部分因為彭博的文章明確指出，rankbrain不能處理所有的搜索，只有整體的算法。

蜂鳥也包含其他的名字在那些熟悉的地方搜索引擎優化空間，如 熊貓， 企鵝 和發薪日為了打擊垃圾郵件，鴿子為了改善當地的結果，重為了把廣告重頁，移動友好 旨在獎勵移動友好的頁面匹茲堡海盜旨在打擊侵犯版權。

我認為谷歌的算法被稱為“PageRank”
PageRank是覆蓋一個特定的方式給頁面信用基于其他頁面的鏈接指向他們的蜂鳥算法部分。

PageRank是特殊的因為這是谷歌所給的一個排序算法的部分第一名，回來的路上的時候，搜索引擎開始，1998。

這些“信號”，谷歌使用排名？
信號都是谷歌用以幫助確定如何排名的網頁。 為例，它會讀取網頁上的文字，所以文字是一種信號。如果有的話是大膽的，可能是另一個信號的注意。計算作為一部分給一個網頁的PageRank PageRank得分，作為信號。如果一個網頁是被認為是移動友好，這是另一個信號是登記。

所有這些信號處理的各個部分在蜂鳥算法來找出哪些頁面谷歌顯示響應不同的搜索。

多少信號呢？
谷歌已經相當一致，說有多200大排名的信號進行評估，進而，最多可以有10000個變化或子信號。它通常只是說“數百名”的因素，因為它沒有在昨天的彭博社第。

如果你想要更多的視覺引導的排名信號，看到我們SEO成功因素周期表：

元素周期表的SEO成功因素2015
這是一個很好的指南，我們認為，一般的東西，像谷歌這樣的搜索引擎排名的網頁使用幫助。

和rankbrain是第三個最重要的信號？
說的沒錯。不知從哪里來，這個新的系統已成為谷歌所說，是第三個最重要的因素 排名的網頁。從彭博社文章：

rankbrain是“數百名”信號，進入一種算法來決定什么樣的結果出現在谷歌搜索頁面和它們的排名，科拉多說。在幾個月內已經部署，rankbrain已成為最重要的第三個信號有助于搜索查詢的結果，他說。
什么是第一和第二重要的信號？
當這個故事最初寫的，谷歌不會告訴我們。這是我們的假設：

我個人的猜測是，鏈接仍然是最重要的信號，這樣在谷歌統計選票的形式鏈接。這也是一個可怕的老化系統，我已經在我的 鏈接：破碎的“投票箱”由谷歌和Bing應用文章從過去 。

至于第二個最重要的信號，我猜會”的話，“哪里的話，將包括從網頁上的文字如何谷歌的解釋文字的人進入rankbrain分析搜索框之外的一切。

這被證明是非常正確的。2016三月，谷歌于前兩個因素是內容和鏈接。或鏈接和內容，因為它不會說這是第一次。更多的，看看我們的文章：

現在我們知道：這是谷歌的3大搜索排名的因素
究竟rankbrain嗎？
從電子郵件與谷歌，我想rankbrain主要是用來解釋人提交 找到頁面，可能沒有 確切的詞 ，搜索搜索。

不 谷歌已經找到超越精確查詢進入頁面的方法嗎？
是的，谷歌已經找到了超越具體條款有人進入了很長一段時間的頁面。例如，幾年前，如果你想進入類似“鞋，“谷歌可能沒有發現頁面說：“鞋，這是因為技術上是兩個不同的詞。但“遏制”，讓谷歌變得更聰明，懂得鞋是一個變化的鞋，就像“跑”是一種變異的“運行”。

谷歌也有同義詞的智慧，所以，如果你搜索“運動鞋，“它可能會明白你也意味著“跑鞋”。它甚至獲得了一些概念性的智慧，明白有頁關于“蘋果”的技術公司與“蘋果”的水果。

知識圖呢？
這個知識圖，在2012推出，是一種方式，谷歌變得更聰明的連接詞。更重要的是，它學會了如何尋找“事情不是字符串，“谷歌所描述的。

字符串的搜索字符串的字母，如“奧巴馬拼字比賽頁面。“事情不是谷歌知道，當有人搜索“奧巴馬”，“他們可能意味著美國總統巴拉克奧巴馬，與其他人的連接，一個實際的人，地方和事物。

知識圖是一個關于世界上的事物和它們之間的關系事實數據庫。這就是為什么你可以搜索“當是奧巴馬的妻子米歇爾奧巴馬出生”，得到答復如下，沒有使用她的名字：

奧巴馬的妻子

如何rankbrain幫助優化查詢？
方法 谷歌已經使用細化查詢通常都流到某些人在某個地方做的工作，無論是創建源列表或同義詞列表或數據庫連接之間的事情。當然，還有一些自動化。但在很大程度上， 這取決于人類的工作。

問題是，谷歌搜索每天處理三十億。2007，谷歌說，百分之20到百分之25這些查詢有 從未見過。2013，它帶來了一些下降到百分之15，并用昨日再次在彭博社文章和谷歌再次確認了我們。但百分之15的三十億仍然是一個巨大的查詢的數量從未進入任何人搜索-每天4億5000萬。

在那些可能是復雜的，多詞查詢，也叫“長尾巴”查詢。rankbrain旨在幫助更好地理解這些查詢和有效地轉化他們，幕后的一種方式，尋找最佳的搜索頁面。

谷歌告訴我們，它可以看到看似無關的復雜的搜索模式之間的了解其實是彼此相似的。 這學習，反過來，可以更好地理解未來的復雜的搜索，無論他們是與特定主題相關。 最重要的是，谷歌所告訴我們的，然后把這些組的搜索結果，搜索者會喜歡它認為最。

谷歌沒有提供組搜索實例或在最好的網頁是什么給如何rankbrain猜測細節。但后者 可能因為如果將模糊搜索到更多的東西 具體，它可以帶來更好的答案。

舉一個例子如何？
雖然谷歌沒有給組搜索，彭博的文章有一個搜索rankbrain理應幫助。錢在這兒:

在一個食物鏈最高級別的消費者的標題是什么
一個像我這樣的外行，“消費者”聽起來像一個參考的人誰買了東西。然而，它也有消費食品的科學術語。也有在食物鏈中的消費者水平。消費者在最高水平？標題的名字是“捕食者”。

進入查詢到谷歌提供了很好的答案，即使查詢本身聽起來很奇怪：

食物鏈的消費者
現在考慮的結果，搜索“食物鏈的頂層是多么的相似，”如下圖所示：

top_level_of_the_food_chain_ - _google_search
想象一下，rankbrain連接原長和復雜的查詢 這個短得多，這可能是更普遍的做。據了解，他們是非常相似的。因此，谷歌可以利用它知道得到幫助提高它所提供的罕見的一個更常見的查詢答案。

讓我強調一下，我不知道rankbrain是連接這兩個搜索。我只知道谷歌給第一個例子。這就是我如何rankbrain用于連接到一個共同的一個罕見的搜索作為一種改進實例。

將這樣做，也有RankNet？
在2005回，微軟開始使用自己的機器學習系統，稱為RankNet，今天為什么成為其Bing搜索引擎的一部分。事實上，對RankNet首席研究員和創造者最近榮幸。但在過去的幾年里，微軟幾乎沒有談到RankNet。

你可以打賭，可能會改變。同樣有趣的是，當我把 搜索到了Bing，多么偉大的rankbrain谷歌就是一個例子，并給了我很好的結果，其中包括上市，谷歌也回來了：

what's_the_title_of_the_consumer_at_the_highest_level_of_a_food_chain_ - _bing
一個查詢并不意味著Bing的RankNet是不如谷歌的rankbrain反之亦然。不幸的是，它想出了一個清單，這樣的比較是很困難的。

更多的例子嗎？
谷歌沒有給我們一個鮮活的例子：“一杯多少湯匙？“谷歌說，rankbrain青睞澳大利亞不同的結果與美國查詢因為每個國家的措施是不同的，盡管類似的名字。

我試圖通過在谷歌澳大利亞搜索Google.com與測試。我沒有看到太大的區別，我自己。即使沒有rankbrain，結果往往是不同的這是因為有利于從已知的澳大利亞網站對于那些使用谷歌澳大利亞搜索頁面的“過時”的意思。

rankbrain是否真的有幫助嗎？
盡管我的兩個以上的例子不引人注目的rankbrain的偉大見證，我真的相信，這可能是一個很大的影響，因為谷歌聲稱。該公司是相當保守的排序算法是什么。它的小測試所有的時間。但它只推出大的變化時，它有一個很大的置信度。

rankbrain整合，在一定程度上它是第三個最重要的信號，是一個巨大的變化。這不是一個我認為谷歌會做除非真的相信這是幫助。

rankbrain何時開始？
谷歌告訴我們，有一個逐步推出rankbrain 2015年初，它已經完全的生活和全球幾個月了。

什么查詢的影響？
2015十月，谷歌告訴彭博社，一個“非常大的部分“查詢通常不會看到百分之15之前進行rankbrain。總之，百分之15或更少。

2016六月，有消息稱rankbrain被用于每一個查詢，谷歌處理。看到我們的故事：

谷歌使用rankbrain每個搜索排名，影響“地段”的人
是rankbrain總是學習？

所有的學習，rankbrain確實是離線的，谷歌告訴我們。它給歷史搜索批次，學會從這些預測。

這些預測進行了測試，如果證明好，然后rankbrain最新版本上線。然后離線學習和測試循環重復。

不rankbrain做更多的查詢優化？
通常，如何查詢細化是通過堵塞、同義詞或rankbrain -現在還沒有考慮排名的因素或信號。

信號通常 因素都與內容，如頁面上的文字，鏈接指向一個頁面，一個頁面是否是一個安全的服務器等。它們也可以被連接到一個用戶，如 在搜索位于或他們的搜索和瀏覽歷史。

所以當谷歌談起rankbrain作為第三最 重要的信號，它真的是一個排名的信號是什么意思？是谷歌再次確認了我們有一個組件，rankbrain直接貢獻不知是否一個網頁排名。

到底怎么了？有一些類型的“rankbrain評分”可能質量評估？也許，但它似乎更可能是rankbrain就是幫助谷歌更好的分類根據它們包含的內容頁。rankbrain或許能夠更好地總結一下一個網頁的內容比谷歌現有的系統做了。

或不。谷歌并不是說比其他任何有一個排序的組件。

我如何了解更多關于rankbrain？
谷歌告訴我們的人要學習“向量”的單詞和短語，可以在數學上連接應該看看這個博客，討論系統如何（這不是在后命名為rankbrain）學到的概念國家首都城市只是通過掃描新聞文章：

谷歌網頁速度測試工具
谷歌的挑戰響應的最佳實踐