گراف دانش یا knowledge graph گوگل

امروزه سیستم‌های بازیابی اطلاعات در مقیاس بزرگ، برای بازیابی داده‌ها و اطلاعات حقیقی، عملکرد مناسبی را از خود نشان می‌دهند. اما تبدیل این داده‌ها به دانش و بازیابی دانش از میان انبوه اطلاعات همواره به عنوان چالشی در دنیای ذخیره و بازیابی اطلاعات مطرح بوده است. موتور جستجوی گوگل با معرفی سرویس “Knowledge Graph” در تلاش است تا بازیابی دانش از میان انبوه اطلاعات موجود در وب را انجام دهد.

گراف یک نمودار ریاضی است که شامل تعدادی گره است که توسط یال‌ها به یکدیگر متصل شده‌اند. از گراف‌ها در بسیاری از مدلسازی‌ها استفاده می‌شود. به عنوان مثال در مدل کردن انواع شبکه از گراف استفاده می‌کنند که مراکز داده را در گره‌ها و پیوندهای ارتباطی بین آن‌ها را با یال‌ها مدل می‌کنند.

گراف دانش (knowledge graph)، پایگاه اطلاعاتی است که از گراف برای مدل کردن اطلاعات استفاده می‌کند. گراف‌های دانش اغلب برای ذخیره توضیحات به هم پیوسته موجودیت‌ها (اشیاء، رویدادها، موقعیت‌ها یا مفاهیم انتزاعی) استفاده می‌شود. از زمان توسعه وب معنایی، گراف‌های دانش اغلب بر ارتباطات بین مفاهیم و موجودیت‌ها تمرکز دارند.

نمودار دانش گوگل (google knowledge graph) پایگاه دانشی است که توسط گوگل برای ارتقا موتور جستجویش برای بازیابی اطلاعات مفهومی از منابع مختلف موجود در وب در سال 2012 راه اندازی شد. این سرویس اطلاعاتی ساختارمند در مورد عبارت جستجو در اختیار کاربران قرار می‌دهد. هدف این سرویس ایجاد ارتباط مفهومی بین اطلاعات پراکنده و دسترسی راحت کاربران به پاسخ سوالاتشان، بدون مرور تعداد زیادی از صفحات وب است.

تاریخچه استفاده از نمودار پایگاه دانش به موتورهای پاسخگوی سوالات (Question Answering Engines) برمی‌گردد که به مباحث “پردازش زبان‌های طبیعی (NLP)” و “بازیابی اطلاعات” مربوط می‌شوند. این سامانه‌ها جهت پاسخگویی به سوالاتی که توسط انسان‌ها به صورت زبان طبیعی از ماشین پرسیده می‌شود به وجود آمده‌اند.

پیش از موتورهای جستجو نیز موتورهایی برای پاسخ‌گویی به سوالات به وجود آمده بودند. مانند Walfram alpha که در سال 2009 تاسیس شد. گوگل نیز با توجه به رقبای خود تلاش‌هایی برای خلاصه‌سازی اطلاعات موجود در وب و ایجاد شبکه ارتباطی بین موجودیت‌ها انجام داد تا پاسخ به هر جستجوی کاربر را غنی‌تر کند.

داده‌های پیوند شده (Linked data) چیست؟

در سال 2006، Tim Berners-Lee داده‌های پیوند شده را بصورت زیر توصیف کرده است:

« وب معنایی (Semantic Web) تنها قرار دادن داده‌ها در وب نیست! این کار در مورد ایجاد پیوند است بطوریکه یک شخص یا ماشین می‌تواند شبکه داده را کاوش کند. با داشتن Linked Data هنگامی که مقداری از آن‌ها را دارید می‌توانید داده‌های مرتبط دیگر را پیدا کنید. »

در توصیف Linked Data روشی برای انتشار و پیوند دادن داده‌های حاصل از منابع داده ناهمگن توصیف می‌شود که می‌توانند به هم پیوسته و به اشتراک گذاشته شوند و به طور کلی این امکان را فراهم می‌کند تا داده‌های منابع مختلف متصل شده و مورد پرس و جو قرار گیرند.

Linked Data چگونه کار می‌کند؟ این مثال ساده به شما کمک می‌کند تا درک کنید چگونه Linked Data مفاهیم و اتصالات را انتقال می‌دهد.

بگذارید بگوییم که در وبسایت A می‌توانیم موجودیت “جیسون” و این واقعیت را که او “ماری” را می‌شناسد ارائه دهیم. در وبسایت B می‌توانیم تمامی اطلاعات مربوط به ماری و در وبسایت C اطلاعاتی در مورد محل تولد ماری ارائه دهیم.

Google knowledge Graph چیست؟

گوگل برای درک بهتر از جستجوی کاربران و نمایش مناسب‌ترین نتایج به کاربران باید بتواند مفاهیم هر کوئری جستجو شده توسط کاربران را درک کند. عبارت‌های جستجو شده توسط کاربران تنها کلمات نیستند، بلکه به اشیاء و موجودیت‌های واقعی اشاره دارند. اگر بتوان مفاهیم عبارات جستجو شده در وب را درک کرد، می‌توان کاربر را به محتوای مورد نظرش رساند.

روشی که گوگل سعی می‌کند براساس آن در مورد مفاهیم واقعی اطلاعات بدست آورد، ساختن گراف دانش است.

گراف دانش در مورد جمع آوری اطلاعات اشیاء در دنیای واقعی است. به عنوان مثال، برای یک شخص مشهور، گوگل اطلاعات مربوط به آن (تاریخ تولد، قد، حرفه، محل تولد و …) را جمع آوری می‌کند و آن را به اشیاء مرتبط با او در گراف دانش وصل می‌کند.

به عنوان مثال فرض کنید، شما به نقاشان دوره رنسانس علاقه‌مندید و یا این سوال برای شما ایجاد شده است که تابحال چند زن جایزه نوبل را برنده شده‌اند؟

نحوه عملکرد google knowledge graph

در نمودار دانش گوگل دو فعالیت عمده صورت می‌گیرد:

• تشخیص موجودیت‌های دنیای واقعی
• خلاصه‌سازی و ارائه محتوای مرتبط با آن موجودیت

گوگل غالبا موجودیت‌ها را از پایگاه‌های دانش عمومی موجود در وب مانند freebase.com و Wikipedia.org استخراج می‌کند. پس از شناخت موجودیت مورد جستجو، نوبت به خلاصه‌سازی و نمایش اطلاعات می‌رسد.

فرض کنید عبارت “تاج محل” را در گوگل جستجو می‌کنیم. با جستجوی عبارت “تاج محل”، گوگل سه موجودیت با این عنوان را تشخیص می‌دهد:

• تاج محل: نام محل تاریخی در کشور هند
• تاج محل: نام یک آهنگساز
• تاج محل: نام هتلی در تهران

گوگل تلاش می‌کند تا با ارائه اطلاعاتی دقیق و خلاصه، پاسخ کاربران را بدون نیاز به جستجوی زیاد در بین صفحات وب بدهد. به همین دلیل اینفوباکس برای نمایش به کاربران با آی.پی ایران با اینفوباکس قابل نمایش برای کاربران آلمان متفاوت است.

مزایای google knowledge graph

• بهینه سازی اطلاعات

یکی از مهم‌ترین ویژگی‌های google knowledge graph پاسخ دادن به سوالات کاربران بدون نیاز به جستجوی زیاد است. گوگل در جستجوی موجودیت‌ها تمام تلاش خود را می‌کند تا پراستفاده‌ترین صفات آن‌ها را بطور خلاصه شده در لیست نتایج خود نمایش دهد.

• تشخیص پرسش‌ها

ویژگی دسته‌بندی موجودیت‌ها در نمودار دانش به گوگل این امکان را می‌دهد تا درک صحیح‌تری از سوالات جستجو شده در وب داشته باشد. به عنوان مثال در جستجوی عبارت “brad pitt age” گوگل تاریخ تولد و فعلی را از یکدیگر کسر می‌کند و در نتایج نمایش می‌دهد:

همچنین گوگل بیشترین سوالات پرجستجوی مرتبط را مانند قد، نام کامل، تاریخ تولد، نام فرزندان و والدین و بسیاری از اطلاعات دیگر را در مورد این هنرپیشه به نمایش می‌گذارد.

• پیشنهاد جستجو

فرض کنید نام “leonardo da vinci” را در گوگل جستجو می‌کنید.

در جستجوی این کوئری در گوگل اطلاعاتی در مورد تاریخ تولد، وفات، محل تولد، تعداد و نام فرزندان و همچنین نام کتاب‌های نگارش شده را در اینفوباکس مشاهده می‌کنید. همچنین این کوئری می‌تواند با موضوعات زیر مرتبط باشد:

• هنر نقاشی
• دوره رنسانس
• هنرمندان نقاش
• برترین نقاشی‌های دوره رنسانس

به همین دلیل با توجه به گراف دانش گوگل، اشخاص و موضوعات مرتبط با این موضوعات برای کاربران پیشنهاد داده می‌شود. گوگل ادعا می‌کند که با پیشنهادات جستجو به 37 درصد از سوالات بعدی مراجعه‌کنندگان پاسخ می‌دهد.

Knowledge graph panel به SERP اضافه شد تا لینک به سایت‌های خارجی، اطلاعات عمومی و پاسخ مستقیم به سوالات را فراهم کنند. اطلاعاتی که در Knowledge Graph وارد شده‌اند از منابع مختلفی استخراج شده‌اند که شامل Structured data در صفحات وب هستند که از Microdata و JSON-LD استفاده می‌کنند.

وظیفه اصلی google knowledge graph این است که در مورد حقایق کلی جهان اطلاعات کسب کند، این اطلاعات را با هم سازمان دهد و درک کند که این اطلاعات چگونه باهم ارتباط برقرار می‌کنند.

چگونه می‌توان در Google Knowledge Graph قرار گرفت؟

برای قرار گرفتن در نمودار دانش گوگل، باید حضور آنلاین خود را تقویت کنید و به یک مرجع در موضوع خود تبدیل شوید. ایجاد حضور آنلاین آسان است، مانند:

• استفاده از داده‌های ساخت یافته در محتوای صفحات
• استفاده بیشتر از محتوای متنی به جای تصویر و ویدئو
• ثبت در Google My Business و سایر شبکه‌های اجتماعی مانند Facebook و YouTube
• لینک‌های ورودی از سایت‌های معتبر و مرتبط
• لینک‌های خروجی به سایت‌های معتبر و مرتبط

برای اینکه به عنوان مرجع در موضوع کاری خود شناخته شوید، با استفاده از تحقیق کلمات کلیدی و داده‌های ساخت یافته، محتوا ایجاد کنید. با اینکار، google نهادهایی را با استفاده از محتوای شما و دانشی که ارائه داده‌اید ایجاد می‌کند.

چگونه با استفاده از Knowledge Graph باعث بهبود وضعیت SEO خود شوید؟

Knowledge panel اطلاعاتی در مورد بیزینس‌ها، اشخاص و یا موضوعات خاص در قسمت سمت راست نتایج گوگل نمایش می‌دهد. اطلاعات درون اینفوباکس، بوسیله نمودار دانش گوگل تقویت می‌شود و تمام حقایق مرتبط با هم را برای یک موجودیت نمایش می‌دهد.

Google knowledge panel یک روش عالی برای بدست آوردن قابلیت مشاهده در نتایج جستجوی گوگل است و عمدتا دو نوع پنل وجود دارد:

• لوکال پنل: که اطلاعات یک بیزینس که شامل اکانت Google My Business است را نمایش می‌دهد.
• برند (پرسونال) پنل: که شامل اطلاعات در مورد یک سازمان یا شخص است که دارای یک اعتبار خاص است. برای این مورد داشتن یک مقاله در ویکی پدیا می‌تواند برای این پنل دانش مفید واقع شود.

قرار گرفتن در لینک سایت در Knowledge Cards و Knowledge Graphs می‌تواند باعث افزایش چشمگیر ورودی سایت از طریق نتایج گوگل شود.