انجام کارهای بیشتر با کمتر: تولید محتوا با کیفیت بالا و خودکار

چگونه می توانید با زمان و منابع محدود به نتایج شگفت انگیز خود ادامه دهید؟

نوشتن مطالب با کیفیت که آموزش و ترغیب کند ، هنوز راهی مطمئن برای دستیابی به اهداف ترافیکی و تبدیل شما است.

اما روند کار دشوار و دستی است که مقیاس آن نیست.

خوشبختانه ، آخرین پیشرفت های در مورد درک زبان طبیعی و نسل ، نتایج امیدوار کننده و هیجان انگیزی را ارائه می دهد.

برای جلسه SEJ eSummit ، هملت باتیستا آنچه در حال حاضر با استفاده از مثالهای عملی (و کد) امکان پذیر است که متخصصان فنی می توانند برای تجارت خود دنبال کنند و سازگار باشند.

در اینجا گزارشی از ارائه او آورده شده است.

خودکار ، تولید محتوای با کیفیت بالا

پیشنهادات کامل

چند بار با این مسئله روبرو شده اید؟

تبلیغات

ادامه خواندن در زیر

شما شروع به تایپ کردن در Gmail می کنید و Google به طور خودکار کل قسمت را کامل می کند و بسیار دقیق است.

می دانید ، واقعاً جذاب است ، اما در عین حال ، واقعاً ترسناک است.

شما ممکن است قبلاً از فناوری هوش مصنوعی در کار خود استفاده کنید بدون آنکه حتی متوجه شوید.

خودکار جیمیل

اگر از ویژگی نوشتن هوشمند Google Docs ، Gmail یا حتی Microsoft Word و Outlook استفاده می کنید ، از این فناوری استفاده می کنید.

وقتی در حال برقراری ارتباط با مشتری هستید ، این بخشی از روز شما به عنوان بازاریاب است.

نکته جالب این است که این فناوری نه تنها در دسترس گوگل است.

از وب سایت نوشتن با ترانسفورمر ، نوشتن را شروع کرده و برای ایده های کامل جمله ، کلید زبانه را بزنید.

باتیستا نشان داد که چگونه پس از وصل کردن عنوان و یک جمله از مقاله اخیر SEJ ، دستگاه می تواند خطوط تولید را شروع کند – شما فقط باید به فرمان خودکار خود ضربه بزنید.

تبلیغات

ادامه خواندن در زیر

با ترانسفورمر بنویسید

تمام متن هایلایت شده فوق توسط کامپیوتر کاملاً تولید شده است.

نکته جالب در این باره این است که فناوری امکان پذیر این امکان را برای هر کسی که بخواهد از آن استفاده کند ، آزادانه در دسترس و قابل دسترسی است.

جستجوهای مبتنی بر قصد

یکی از تغییراتی که هم اکنون در SEO مشاهده می کنیم انتقال به جستجوهای مبتنی بر قصد است.

همانطور که مندی وینشتین آن را در مقاله ژورنال موتور جستجو قرار می دهد ، چگونه با تحقیقات کلمات کلیدی تر برویم:

“ما در عصری هستیم که جستجوهای مبتنی بر قصد بیشتر از حجم خالص برای ما مهم هستند.”

“شما باید یاد بگیرید که سؤالاتی که مشتریان از شما می پرسند و چگونگی توصیف مشکلات آنها را انجام دهند ، قدم اضافی بردارید.”

“از کلمات کلیدی به سؤالات بروید”

این تغییر زمانی که می نویسیم محتوا را برای ما فرصتی ایجاد می کند.

مقاله پیشنهادی  مولر گوگل در مورد مزایا و پیش بینی های SEO بحث می کند

فرصت

موتورهای جستجو این روزها در حال پاسخ دادن به موتورها هستند.

و یکی از راه های مؤثر برای نوشتن مطالب اصلی و پرطرفدار پاسخ به مهمترین سؤالات مخاطب مورد نظر شماست.

به این مثال برای جستجوی “Python for Seo” نگاهی بیندازید.

نتیجه اول نشان می دهد که ما می توانیم از مطالبی استفاده کنیم که به سؤالات پاسخ می دهند ، در این حالت با استفاده از طرح سؤالات متداول.

قطعه های جستجوی متداول املاک بیشتری را در SERP ها به دست می آورند.

python for seo

با این وجود ، انجام این کار به صورت دستی برای هر قطعه محتوایی که می خواهید ایجاد کنید بسیار گران و وقت گیر است.

اما اگر بتوانیم با استفاده از هوش مصنوعی و دارایی های محتوای موجود ، آن را اتوماتیک کنیم؟

استفاده از دانش موجود

بیشتر مشاغل تأسیس شده از قبل دارای دانش و دانش ارزشمندی هستند که با گذشت زمان فقط با تعامل عادی با مشتریان توسعه یافته اند.

بارها این موارد هنوز در دسترس عموم نیستند (ایمیل های پشتیبانی ، چت ها ، ویکی های داخلی).

منبع باز AI + دانش اختصاصی

با استفاده از تکنیکی به نام “انتقال یادگیری” ، می توانیم با تلفیق پایگاههای دانش اختصاصی و مدلها و مجموعه دادههای یادگیری عمیق ، محتوای اصلی و با کیفیت تولید کنیم.

تبلیغات

ادامه خواندن در زیر

انتقال آموزش

بین یادگیری ماشین سنتی (ML) و یادگیری عمیق تفاوت هایی وجود دارد.

در ML سنتی ، شما در درجه اول کار طبقه بندی و استفاده از دانش موجود را انجام می دهید تا پیش بینی های خود را انجام دهید.

اکنون با یادگیری عمیق ، می توانید به دانش عقل سلیم بپردازید که به مرور زمان توسط شرکتهای بزرگی مانند Google ، Facebook ، Microsoft و سایرین ساخته شده است.

در طول جلسه ، باتیستا نشان داد که چگونه می توان این کار را انجام داد.

چگونه به طور خودکار تولید محتوا

در زیر مراحلی که هنگام بررسی خودکار رویکردهای تولید سؤال و پاسخ باید انجام شود ، آورده شده است.

  • سوالات محبوب را با استفاده از ابزارهای آنلاین منبع دهید.
  • با استفاده از دو روش NLG به آنها پاسخ دهید:
    • یک روش جستجو برای دهانه
    • رویکرد “کتاب بسته”.
  • طرح سؤالات متداول را اضافه کنید و با استفاده از SDTT اعتبار دهید.

تبلیغات

ادامه خواندن در زیر

کمک به سوالات محبوب

یافتن سوالات رایج بر اساس کلمات کلیدی شما یک چالش بزرگ نیست زیرا ابزارهای رایگان وجود دارد که می توانید برای این کار استفاده کنید.

به عموم مردم پاسخ دهید

به سادگی یک کلمه کلیدی را تایپ کنید و می توانید سوالات زیادی را که کاربران از آنها سوال می کنند دریافت کنید.

به عمومی

تحلیلگر سوال توسط BuzzSumo

آنها اطلاعات مربوط به انجمن ها و مکان های دیگر را جمع می کنند. همچنین می توانید نوع سؤالات با دم بلند بیشتری پیدا کنید.

تبلیغات

ادامه خواندن در زیر

تحلیلگر سوال توسط BuzzSumo

همچنینAsked.com

این ابزار از Google نیز سؤال می کند.

مقاله پیشنهادی  مبانی تحلیل پروفایل پیوند

alsoAsked.com

سیستم پرسش و پاسخ

الگوریتم

Papers With Codes یک منبع عالی برای تحقیقات برجسته در مورد پاسخ به سؤال است.

این امکان را به شما می دهد تا آزادانه به جدیدترین تحقیقاتی که منتشر می شود ضربه بزنید.

دانشگاهیان و محققان تحقیقات خود را ارسال می کنند تا بتوانند از همسالان خود بازخورد بگیرند.

آنها همیشه برای به وجود آوردن یک سیستم بهتر ، یکدیگر را به چالش می کشند.

تبلیغات

ادامه خواندن در زیر

نکته جالب توجه این است که حتی افرادی مانند ما می توانند به کدی که می خواهیم برای پاسخ به سؤال ها دسترسی پیدا کنند ، دسترسی پیدا کنند.

برای این کار ، ما می خواهیم از T5 یا ترانسفورماتور انتقال متن به متن استفاده کنیم.

بانک اطلاعات

ما همچنین به داده های آموزشی که سیستم برای استفاده از آنها برای یادگیری پاسخ دادن به سؤالات نیاز دارد.

پاسخ دادن به سوال استنفورد Dataset 2.0 (SQuAD 2.0) محبوب ترین مجموعه اطلاعات درک مطلب است.

SQuAD 2.0

اکنون که مجموعه داده و کد را در اختیار داریم ، اجازه دهید در مورد دو رویکردی که می توانیم استفاده کنیم صحبت کنیم.

  • پاسخ به سوال کتاب باز: می دانید جواب کجاست.
  • پاسخ به سوال کتاب بسته: شما نمی دانید جواب کجاست.

تبلیغات

ادامه خواندن در زیر

رویکرد شماره 1: یک رویکرد جستجوی دهانه (کتاب باز)

با سه خط ساده کد ، می توانیم سیستم را برای پاسخ به سوالات خود بدست آوریم.

این کاری است که می توانید در Google Colab انجام دهید.

یک نوت بوک Colab ایجاد کرده و موارد زیر را تایپ کنید:

!pip install transformers

from transformers import pipeline
# Allocate a pipeline for question-answering
nlp = pipeline('question-answering')
nlp({
    'question': 'What is the name of the repository ?',
    'context': 'Pipeline have been included in the huggingface/transformers repository'
})

وقتی فرمان را تایپ می کنید – ارائه یک سؤال ، و همچنین زمینه ای که فکر می کنید جواب سوال را دارد – خواهید دید که این سیستم اساساً جستجوی رشته ای را انجام می دهد که جواب آن را دارد.

{'answer': 'huggingface/transformers',
'end': 59,
'score': 0.5135626548884602,
'start': 35}

مراحل ساده است:

بنابراین چگونه می خواهید زمینه را بدست آورید؟

با چند خط کد

!pip install requests-html

from requests_html import HTMLSession
session = HTMLSession()

url = "https://www.searchenginejournal.com/uncover-powerful-data-stories-phyton/328471/"

selector = "#post-328471 > div:nth-child(2) > div > div > div.sej-article-content.gototop-pos"

with session.get(url) as r:

post = r.html.find(selector, first=True)

text = post.text

با استفاده از کتابخانه HTML درخواستی ، می توانید URL را – که معادل آن با مرورگر به URL است ، بکشید – و یک انتخاب کننده ارائه دهید (که این مسیر عنصر بلوک متن در صفحه است.)

تبلیغات

ادامه خواندن در زیر

من به سادگی باید تماس بگیرم تا مطالب را بکشم و آن را به متن اضافه کنم – و این متن می شود.

در این مثال ، ما می خواهیم سوالی بپرسیم که در مقاله SEJ گنجانده شده است.

یعنی می دانیم جواب کجاست. ما مقاله ای را ارائه می دهیم که جواب آن را دارد.

اما اگر نمی دانیم کدام مقاله حاوی جواب است ، پس می خواهیم بپرسیم؟

مقاله پیشنهادی  5 تغییر اساسی که در حال جستجو و بازاریابی دیجیتال هستند

رویکرد شماره 2: کاوش در حدود NLG با T5 و Turing-NLG (کتاب بسته)

T5 گوگل (مدل پارامتر 11 میلیاردی) و TuringNG مایکروسافت (مدل پارامتر 17 میلیاردی) می توانند بدون ارائه هیچ زمینه ای به سؤالات پاسخ دهند.

آنها آنقدر گسترده هستند که می توانند هنگام تمرین ، از بسیاری از موارد حافظه خود را حفظ کنند.

تیم T5 Google با استفاده از مدل پارامتر 11 میلیاردی در یک چالش چیزهای کوچک میخانه به سر و سر رفت و باخت.

بیایید ببینیم آموزش T5 برای پاسخ به سؤالات خودسرانه ما چقدر ساده است.

تبلیغات

ادامه خواندن در زیر

در این مثال ، یکی از سؤالاتی که باتیستا پرسید این است که “بهترین سئو در جهان کیست؟”

T5 در پاسخ به سؤالات T5 در پاسخ به سؤالات دلخواه.

بهترین سئو در جهان ، طبق الگویی که آموزش داده شده است ، توسط گوگل است SEOmoz.

SEOmoz - بهترین سئو مطابق T5

نحوه آموزش ، ریز و تنظیم و استفاده از T5

آموزش T5

ما قصد داریم با استفاده از TPU رایگان Google Colab ، مدل پارامتر 3 میلیاردی را آموزش دهیم.

در اینجا برنامه فنی استفاده از T5 آورده شده است:

تبلیغات

ادامه خواندن در زیر

نوت بوک Colab را در Google Drive خود کپی کنید

  • محیط زمان اجرا را به Cloud TPU تغییر دهید.

محیط Runtime را به Cloud TPU تغییر دهید محیط Runtime را به Cloud TPU تغییر دهید یک سطل ذخیره Google Cloud Storage ایجاد کنید

  • مسیر سطل را به نوت بوک ارائه دهید.

مسیر سطل را به نوت بوک ارائه دهید

  • مدل پارامترهای 3 میلیاردی را انتخاب کنید.

مدل پارامترهای 3 میلیاردی

  • سلولهای باقیمانده را تا مرحله پیش بینی اجرا کنید.

سلولهای باقیمانده را تا مرحله پیش بینی اجرا کنید

و اکنون شما مدلی را دریافت کرده اید که در واقع می تواند به سؤالات پاسخ دهد.

اما چگونه دانش اختصاصی شما را اضافه کنیم تا بتواند از وب سایت شما به سؤالات موجود در حوزه یا صنعت شما پاسخ دهد؟

اضافه کردن مجموعه های جدید آموزش اختصاصی

این جایی است که ما به مرحله تنظیم دقیق می رویم.

فقط روی آن کلیک کنید تنظیم دقیق گزینه در مدل.

تنظیم دقیق

و نمونه هایی در کد نحوه ایجاد قابلیت های جدید و چگونگی ارائه قابلیت های جدید به مدل وجود دارد.

تبلیغات

ادامه خواندن در زیر

به یاد داشته باشید به:

  • پایگاه دانش اختصاصی خود را از قبل فرمت کنید که می تواند با T5 کار کند.
  • برای این منظور کد موجود را تنظیم کنید (سؤالات طبیعی ، TriviaQA).

برای یادگیری عصاره ، تبدیل و بارگیری برای یادگیری ماشین ، مقاله ژورنال موتور جستجو Batista ، یک مقدمه عملی در یادگیری ماشین برای متخصصان SEO را بخوانید.

اضافه کردن طرح سؤالات متداول

این مرحله مستقیم به جلو است.

برای سؤالات متداول به اسناد Google بروید: سؤالات متداول خود را با داده های ساخت یافته مشخص کنید.

توسعه دهندگان Google - نشانه گذاری متداول

ساختار JSON-LD را برای آن اضافه کنید.

پرسشهای متداول JSON-LD

آیا می خواهید این کار را بطور خودکار انجام دهید؟

تبلیغات

ادامه خواندن در زیر

باتیستا همچنین مقاله ای راجع به آن نوشت: معرفی مقدماتی در جاوا اسکریپت مدرن برای SEO.

با استفاده از JavaScript ، باید بتوانید این JSON-LD را تولید کنید.

منابعی برای کسب اطلاعات بیشتر:

تماشای این ارائه

هم اکنون می توانید نمایش کامل Batista را از SEJ eSummit در تاریخ 2 ژوئن مشاهده کنید.


اعتبار تصویر

تصویر برجسته: پائولو بابیتا
تمام تصاویر گرفته شده توسط نویسنده ، ژوئیه 2020