نمودار دانش و صحت واقعیت

نمودار دانش و صحت واقعیت

داده های نمودار دانش در این مقاله تحقیقاتی برای بهبود الگوریتم های Google استفاده شده است زیرا اطلاعات قابل اعتماد و قابل اعتماد هستند.

مقاله پژوهشی Google پیشنهاد می کند اطلاعات نمودار دانش را در روند آموزش ادغام کنید تا سوگیری ها را برطرف کرده و دقت واقعی را افزایش دهید.

تبلیغات

خواندن را در زیر ادامه دهید

آنچه تحقیقات گوگل پیشنهاد می کند دو برابر است.

اول ، آنها باید مبانی دانش را به متن زبان طبیعی تبدیل کنند.

در مرحله دوم ، مجموعه حاصل که با نام Knowledge Enhanced Language Model Pre-Training (KELM) نامیده می شود ، می تواند برای کاهش تعصبات در الگوریتم قبل از آموزش ادغام شود.

محققان مسئله را اینگونه توضیح می دهند:

"مدل های پردازش زبان طبیعی (NLP) بزرگ از قبل آموزش دیده ، مانند BERT ، RoBERTa ، GPT-3 ، T5 و REALM ، شرکت های زبان طبیعی اهرمی که از وب مشتق می شوند و برای داده های خاص وظیفه تنظیم می شوند ...

با این حال ، متن زبان طبیعی به تنهایی پوشش محدودی از دانش را نشان می دهد ... بعلاوه ، وجود اطلاعات غیر واقعی و محتوای سمی در متن می تواند در نهایت باعث تعصب در مدل های حاصل شود. "

از نمودار دانش داده های ساخت یافته گرفته تا متن زبان طبیعی

محققان اظهار داشتند که مشکل در تلفیق اطلاعات پایه دانش در آموزش این است که داده های پایه دانش به شکل داده های ساختاریافته است.

راه حل این است که داده های ساختار یافته گراف دانش را به متن زبان طبیعی با استفاده از یک وظیفه زبان طبیعی به نام ، تولید داده به متن تبدیل کنید.

تبلیغات

خواندن را در زیر ادامه دهید

آنها توضیح دادند که از آنجا که تولید داده به متن چالش برانگیز است ، آنها برای حل مشکل "خط لوله" جدیدی به نام "متن از KG Generator (TEKGEN)" ایجاد کردند.

استناد: تولید دانش مصنوعی مبتنی بر نمودار دانش برای پیش آموزش آموزش مدل زبان با دانش افزایش یافته (PDF)

متن زبان طبیعی TEKGEN صحت واقعیت را بهبود بخشید

TEKGEN فناوری است که محققان برای تبدیل داده های ساخت یافته به متن زبان طبیعی ایجاد کردند. این نتیجه نهایی ، متن واقعی است که می تواند برای ایجاد مجموعه KELM مورد استفاده قرار گیرد و سپس می تواند به عنوان بخشی از آموزش پیش از یادگیری ماشین برای جلوگیری از تعصب از ورود به الگوریتم ها استفاده شود.

محققان متذکر شدند که افزودن این اطلاعات نمودار اطلاعات اضافی (شرکت ها) به داده های آموزش منجر به بهبود دقت واقعی می شود.

روابط غیرمستقیم با MUM

روابط غیرمستقیم با MUM

گوگل همچنین اعلام کرده است که الگوریتم MUM نسل بعدی تا زمانی که گوگل راضی نباشد که تعصب روی پاسخ های شما تأثیر منفی ندارد ، منتشر نخواهد شد.

طبق اعلامیه Google MUM:

تبلیغات

خواندن را در زیر ادامه دهید

"همانطور که ما بسیاری از برنامه های BERT را که از سال 2019 راه اندازی شده است ، به دقت آزمایش کرده ایم ، MUM نیز همان فرایند را طی خواهد کرد که ما این مدل ها را در جستجو اعمال می کنیم.

به طور خاص ، ما به دنبال الگوهایی خواهیم بود که ممکن است تعصب را در یادگیری ماشین نشان دهند تا از وارد کردن تعصب در سیستم های خود جلوگیری کنیم. "

رویکرد KELM به طور خاص کاهش تعصب را هدف قرار می دهد ، که می تواند آن را برای توسعه الگوریتم MUM ارزشمند کند.

یادگیری ماشینی می تواند نتایج مغرضانه ایجاد کند

این مقاله تحقیقاتی بیان می دارد که داده هایی که مدل های زبان طبیعی مانند BERT و GPT-3 برای آموزش استفاده می کنند می توانند منجر به "محتوای سمی" و سوگیری شوند.

در محاسبات اختصاری قدیمی وجود دارد ، GIGO که مخفف Garbage In - Garbage Out است. این بدان معنی است که کیفیت خروجی با توجه به کیفیت ورودی تعیین می شود.

اگر آنچه الگوریتم را با آن آموزش می دهید کیفیت بالایی داشته باشد ، نتیجه آن کیفیت بالا خواهد بود.

آنچه محققان پیشنهاد می کنند این است که کیفیت داده هایی را که فن آوری هایی مانند BERT و MUM برای حذف سوگیری ها آموزش داده اند ، بهبود بخشد.

مطمئن شوید که برای معیارهای تجربه کاربر بهینه شده اید.

آیا شما برای تجربه کاربر بهینه سازی می کنید؟ افزایش سرعت سایت ، ثبات محتوا و تعامل می تواند باعث افزایش رتبه بندی ارگانیک ، آگاهی از برند و فروش شود.

امتحانش مجانی است

تبلیغات

نمودار دانش

نمودار دانش مجموعه ای از حقایق در قالب داده ای ساخت یافته است. داده های ساختاری یک زبان نشانه گذاری است که اطلاعات خاص را به روشی که به راحتی توسط ماشین ها مصرف می شود ، انتقال می دهد.

در این حالت اطلاعات مربوط به افراد ، مکانها و چیزها است.

نمودار دانش Google در سال 2012 به عنوان راهی برای کمک به Google در درک روابط بین چیزها معرفی شد. بنابراین وقتی کسی درباره واشنگتن س asksال می کند ، گوگل می تواند تشخیص دهد که آیا س askingال کننده سال در مورد واشنگتن شخص ، ایالت یا ناحیه کلمبیا را می پرسد.

نمودار دانش Google اعلام شد که متشکل از داده های منابع معتبر واقعیت است.

اطلاعیه 2012 گوگل نمودار دانش را اولین قدم در جهت ایجاد نسل بعدی جستجو توصیف کرد ، که در حال حاضر از آن لذت می بریم.

KELM چیست؟

KELM چیست؟

KELM مخفف کلمه Pre-Training Model Language Enhanced Language است. مدل های پردازش زبان طبیعی مانند BERT معمولاً در وب و سایر اسناد آموزش داده می شوند. KELM پیشنهاد می کند برای بهبود دقت در واقعیت و کاهش تعصب ، محتوای واقعی قابل اعتماد (تقویت شده دانش) به مدل زبان قبل از آموزش اضافه شود.

KELM TEKGEnTEKGEN داده های ساختار یافته گراف دانش را به متن زبان طبیعی معروف به KELM Corpus تبدیل می کند

KELM از داده های قابل اعتماد استفاده می کند

محققان Google پیشنهاد کردند از نمودارهای دانش برای بهبود صحت واقعیت استفاده شود زیرا آنها منبع معتبری از حقایق هستند.

خواندن را در زیر ادامه دهید

"منابع جایگزین اطلاعات ، نمودارهای دانش (KG) هستند که از داده های ساخت یافته تشکیل شده اند. KG ماهیتی واقعی دارند زیرا اطلاعات معمولاً از منابع معتبر بیشتری استخراج می شوند و فیلترهای پس از پردازش و ویراستاران انسانی از حذف محتوای نامناسب و نادرست اطمینان حاصل می کنند. "

آیا Google از KELM استفاده می کند؟

Google مشخص نکرده است که KELM در حال استفاده است یا نه. KELM روشی است برای آموزش پیش از مدل زبان که نوید قوی می دهد و در وبلاگ Google AI خلاصه شده است.

تعصب ، دقت واقعی و نتایج جستجو

این تحقیق از آن جهت مهم است که کاهش تعصب و افزایش دقت واقعی می تواند بر نحوه رتبه بندی سایت ها تأثیر بگذارد. Google در حال حاضر نتایج جستجو را بررسی نمی کند.

در صورت معرفی KELM ، به طور تصورآمیزی می تواند بر روی سایتهایی تأثیر بگذارد که اظهارات و عقاید نادرست واقعاً واقعی را تبلیغ می کنند.

گزارش سابقه تماس Google شروع به نمایش داده ها در Google برای کسب و کار من می کند

گزارش سابقه تماس Google شروع به نمایش داده ها در Google برای کسب و کار من می کند

چند ماه پس از نمایش ویژگی "سابقه تماس پیش نمایش" ، Google اکنون برخی از داده ها را در این گزارش نشان می دهد.

باری شوارتز در 11 مه 2021 ساعت 8:13 صبح

در اکتبر سال 2020 ، Google شروع به نشان دادن ویژگی سابقه تماس در Google برای کسب و کار من کرد. اما داده ها خالی بودند و ممکن است در بهترین حالت ، خلاصه ای از تماس های پاسخ داده شده و از دست رفته از Google Maps یا جستجوی Google را نشان دهند.

اکنون Google شروع به نمایش داده های تماس گیرنده واقعی ، از جمله اطلاعات شناسه تماس گیرنده آنها مانند نام و شماره تلفن همراه با تاریخ تماس کرده است.

چه شکلی است جان اسمیت تصویری از این گزارش را در توییتر به اشتراک گذاشت.

همانطور که مشاهده می کنید ، این شماره تلفن تماس گیرنده ، تاریخی که آنها تماس گرفته اند و در صورت پاسخ دادن یا از دست دادن تماس شما را نشان می دهد. همچنین به شما امکان می دهد بر روی سه دکمه ، تماس ، کپی و سابقه کلیک کنید تا بتوانید با آنها تماس بگیرید ، شماره تلفن را کپی کنید یا تاریخچه تماس گیرنده را ببینید. چند بار با شما تماس گرفتند در بالا ، تعداد کل پاسخ های پاسخ داده شده و تماس های از دست رفته در آن بازه زمانی را به شما نشان می دهد.

چرا این را نمی بینی؟ گوگل در سند کمک خود گفته است که این "در حال حاضر یک ویژگی آزمایشی است و فقط برای گروه منتخب مشاغل فقط در ایالات متحده در دسترس است." من شخصاً آن را برای تجارت ام در ایالات متحده نمی بینم ، بنابراین منتظر می مانم و امیدوارم که به زودی دسترسی پیدا کنم.

چگونه کار می کند Google گفت که وقتی مشتری از دکمه "تماس" در نمایه کسب و کار شما استفاده می کند ، تماس های او در برگه "تماس" در Google برای کسب و کار من نشان داده می شود. از این برگه می توانید تماس های اخیر ، تماس های از دست رفته و موارد دیگر را پیدا کنید. پس از روشن شدن سابقه تماس ، مشتریان به جای شماره موجود در نمایه شما ، از طریق شماره ارسال به شما متصل می شوند. با شروع تماس ، یک پیام خودکار دریافت می کنید که می گوید: "تماس از طرف Google".

چرا اهمیت می دهیم همانطور که در پوشش قبلی خود گفتیم ، از نظر تاریخی ، مشاغل کوچک در پاسخگویی به تلفن و پاسخگویی به تماس های از دست رفته کار ضعیفی انجام داده اند. این ممکن است به طور قابل توجهی تغییر کرده باشد زیرا بسیاری از مشاغل در این دوره چالش برانگیز تلاش می کنند.

اگرچه از ویژگی های کمی برخوردار است ، اما سابقه تماس می تواند به بهبود خدمات مشتری در مشاغل کوچک و فروش مطمئن افزایشی کمک کند. همچنین ممکن است موارد استفاده از شرکت های پیچیده تری وجود داشته باشد.

برای من می دانم که دفتر من هنوز کاملاً کارمند نیست ، بسیاری از کارمندان من از خانه کار می کنند و راهی عالی برای تماس تلفنی نیست. بنابراین پاسخگویی به تمام تماس ها سخت و مکالمه از دست رفته برای شرکت من اکنون و در طی COVID مسئله بسیار بزرگتری است. این گزارشات ممکن است به من کمک کند بفهمم چه کسی زودتر تماس بگیرم یا اصلاً تماس نگیرم.

chema.org ابزار اعتبار سنجی نشانه گذاری خود را راه اندازی می کند

chema.org ابزار اعتبار سنجی نشانه گذاری خود را راه اندازی می کند

چندین ماه پس از آنکه گوگل گفت از ابزار آزمایش داده ساختاری گوگل منسوخ می شود ، Schema.org اعتبار سنجی نشانه گذاری خود را راه اندازی کرده است.

باری شوارتز در 11 مه 2021 ساعت 6:19 بعد از ظهر

این سازمان امروز بعد از ظهر اعلام کرد ، Schema.org ابزار اعتبار سنجی نشانه گذاری خود را در validator.schema.org راه اندازی کرده است. تأیید کننده نشانه گذاری به شما کمک می کند داده های ساختاری خود را در سایت خود که برای اهداف عمومی استفاده می شود ، خارج از ابزار آزمایش نتایج غنی گوگل ، تأیید کنید.

چرا حرکت گوگل در ابتدا ابزار ساخت یافته تست داده خود را در سال 2015 راه اندازی کرد و سپس در سال 2017 این ابزار را برای آزمایش نتایج غنی به بازار عرضه کرد. در ژوئیه 2020 گوگل ابزار آزمایش نتایج غنی را از نسخه بتا خارج کرد و با انتشار این اعلامیه ، گوگل گفت که از ابزار تست داده ساختاریافته خود استفاده نمی کند.

پس از واکنش شدید این صنعت ، Google تصمیم گرفت ابزار آزمایش داده ساختاری را از دارایی Google به Schema.org منتقل کند.

تفاوت بین Google و Schema.org. ابزار آزمایش نتایج غنی گوگل به گونه ای طراحی شده است که فقط طرحواره داده ساختاریافته پشتیبانی شده توسط Google را به شما نشان می دهد. اما اعتبار سنجی نشانه گذاری Schema.org بیشتر برای "اهداف عمومی" است و با هدف کمک به شما در اشکال زدایی از انواع داده های ساخت یافته تر ، کاملا فراتر از موارد پشتیبانی شده توسط Google ، انجام می شود.

ابزار نتایج غنی. ابزار نتایج غنی در سایت خود Google قرار دارد ، طراحی و نگهداری می شود تا انواع نتایج غنی از جستجوی Google را به شما نشان دهد. Google گفت "برای آزمایش مارک خود برای انواع نتایج غنی از جستجوی Google ، می توانید به استفاده از آزمون نتایج غنی ادامه دهید."

ابزار تست داده ساختار یافته. با این حال ، Google ابزار آزمایش داده های ساختاری را از دامنه خود Google و به schema.org منتقل خواهد کرد. Google گفت: "برای پشتیبانی بهتر از استانداردهای باز و تجربه توسعه ، ما دوباره ساختار ابزار آزمایش داده را متمرکز کرده و آن را به آوریل 2021 به یک دامنه جدید در خدمت جامعه schema.org منتقل می کنیم." گوگل توضیح داد که "هدف اصلی این ابزار بررسی نحو و انطباق نشانه گذاری با استانداردهای schema.org خواهد بود." با این حال ، با جلو رفتن ابزار تست داده ساخت یافته دیگر انواع نتایج غنی جستجوی Google را بررسی نمی کند.

اعتبار سنجی جدید Schema.org. رایان لورینگ از Schema.org گفت این نسخه "ساده تر از نسخه قبلی SDTT است زیرا به بررسی استفاده از JSON-LD ، RDFa و Microdata به روشهای کاملاً شناخته شده و همچنین هشدار دادن در صورت استفاده از Schema.org اختصاص داده شده است. انواع و خصوصیات در ترکیبات غیرمعمول. سعی نمی کند محتوای شما را در برابر نیازهای اطلاعاتی سرویس ها ، ابزارها یا محصولات خاص بررسی کند (موضوعی که شایسته پست وبلاگ خودش باشد). اما به شما کمک می کند درک کنید که آیا داده های شما آنچه را که امیدوارید بیان می کند بیان می کند یا خیر و همچنین بازتاب ماهیت داده های ساخت یافته خود را به روشی شهودی نشان می دهد که معنای اساسی آن را منعکس می کند. "

سرویس validator.schema.org از زیرساخت های عمومی Google برای کار با داده های ساخت یافته تأمین می شود و به عنوان ابزاری میزبان Google در اختیار پروژه Schema.org قرار می گیرد. ما همچنین خوشحالیم که توجه داشته باشیم که بسیاری دیگر از اعتبارسنجان schema.org گرا در دسترس هستند ، هم تجاری (به عنوان مثال Yandex) و هم منبع آزاد. به عنوان مثال ، ابزارهای Structured Data Linter ، JSON-LD Playground ، SDO-Check و Schemarama. ما امیدواریم که اعتبار سنجی جدید Schema Marked همکاری بین سازندگان ابزار را برای بهبود ثبات و تجربه توسعه دهنده برای همه کسانی که روی سیستم هایی که داده های Schema.org را مصرف می کنند ، تحریک کند.

چرا اهمیت می دهیم این ابزار دیگری را در اختیار ما قرار می دهد که می توانیم از آن برای اعتبار سنجی داده های ساختاری که به سایت های خود اضافه می کنیم استفاده کنیم. این باید ابزارهای بیشتری را در کمربند ابزار شما برای پشتیبانی از سایت شما و اشکال زدایی در وب سایت های شما فراهم کند.