器学习驱动的东西如果不是深度学习的话。因此所有这些指标都有衍生品。有他们的集团。有一些提取的片段例如 嘿当我们还看到锚文本与之前也搜索过此内容的人执行的搜索查询相匹配时我们只会在这些类型的结果上查看和测量锚文本。 那目的。机器学习系统计算出人类永远不会提取的东西我们甚至永远不会从他们可以看到的输入中创建的指标。 然后随着时间的推移这个想法是在未来即使是输入也不是由人类提供的。
机器开始自己解决这些问题。这很奇怪。这意味着如 柬埔寨 WhatsApp 号码列表 果你在一个深度学习控制排名算法的世界里问谷歌工程师如果你问设计排名系统的人 嘿如果我获得更多链接这有关系吗 他们可能就像 嗯也许吧。 但他们不知道因为他们不知道这个算法里有什么。只有机器知道机器甚至无法真正解释。你可以拍一张快照看看它但 它在不断发展 这些指标中有很多将是一堆指标的怪异组合和衍生物这些指标混合在一起又分开只有在满足某些标准时才会考虑。哎呀。
那么这对 意味着什么。就像我们必须从所有这些系统中关心什么以及这种演变和这种向深度学习的转变顺便说一句这就是杰夫迪恩我认为他是谷歌的高级研究员他是每个人都喜欢的家伙在那里嘲笑自己是世界上最聪明的计算机科学家 基本上说 嘿我们想把它放到搜索中。它还没有但我们想采用这些模型这些东西是 建立的并且我们想对它们进行搜索。 对于未来的 来说这意味着通用排名输入、排名因素的区别要小得多。我们不会像今天那样真正拥有排名因素。