Application of artificial intelligence in search engine optimization

Giriş

Axtarış motorunun optimallaşdırılması (SEO) saytın trafikini axtarış sistemləri vasitəsi ilə artırılması üçün nəzərdə tutulan bir sıra texniki və praktiki tələblərdir. Xüsusi açar sözlərin istifadə sayının artırılması burda başlıca rol oynayır [1]. Bununla belə, sayta axtarış sistemlərinin algoritminə uyğun olan fərqli kontentlər də yüklənir. Bu, saytı axtarışın nəticələrində daha üst sıralara çıxarmaq üçündür [2].

Süni intellektin inkişafı ilə axtarış alqoritmlərı də mühəndislər tərəfindən inkişaf edilir. Axtarış sistemləri daha düzgün məlumatları əldə etmək üçün müxtəlif süni intellekt metodları tətbiq edir. Buna “Support Vector Machine” [3], “Self-Orgazing Map” [4] və “Forest Generation Algorithm” [5] daxildir. Əlavə olaraq, bu algoritmlərin düzəldilməsində başqa faktorlar da rol oynayır. Məsələn, Google 200-dən artıq bilinməyən faktor istifadə edir. Bu faktorlar bilinsə belə, onların istifadə olunduğu alqoritmlər və onların kütlələri (dəyərləri) bilinmir. Son vaxtlarda, Google, axtarış sistemlərində sıralamanı təmin edən süni intellekt “RankBrain”-i istifadə etdiyini açıqladı [6].

Böyük SEO şirkətləri də nəticələrinin Google indexdində üst sırada çıxması üçün süni intellektdən istifadə edir. Şirkətlərin bu algoritmləri şirkət sirri hesab olunur və ictimaətə bildirilə bilməz. Nəticə olaraq, SEO-dakı süni intellekt tətbiqini tapılması kommersial məhsullardan və akademik axtarış nəticələrindən asılıdır. Lakin, bu hələ də bir prototipdir.

Aşağıda axtarış sistemlərinin optimallaşdırılmasında istifadə olunan bir sıra süni intellekt tətbiqləri qeyd olunub.

1. Polidoxa

"Polidoxa", şəbəkə istifadəçilərinin davranışını, habelə sosial təminat və gizlilik üçün etimad və gizlilik sisteminə əsaslanan sosial şəbəkəni istismar edən etibarlı axtarış sistemləri alqoritmləri [7]. Polidoxa, birgə bir cəmiyyətdəki böcəklərin koloniyalarının davranışlarını təqlid edən “Swarm Zəkası” prinsipləri ilə hazırlanmışdır. Polidoxa, sosial şəbəkələrin kollektiv zəkasına nail olmaq üçün swarm zəkasından istifadə edir. Məlumatın aktuallığına SEO-ya təsir edə bilməyən sosial şəbəkə istifadəçiləri tərəfindən qərar verilir.

Polidoxa istifadəçiləri etibarlı şəbəkənin fəaliyyətindən xəbərdar olmaq imkanına malikdirlər, lakin hələ də məlumatı qiymətləndirmək üçün tənqidi düşüncələrindən istifadə etməlidirlər.

2. Fuzzy Inference System

Axtarış sisteminin Fars dilində danışılan məlumatların sıralamasını artırmaq üçün veb əsaslı qeyri-səlis məntiq. Bu axtarış sistemi, fars dilində danışılan mövzuların internetdə hazırlanmasına imkan verir [8]. Bu yanaşmanın əsas məqsədi istifadəçilərin Fars dilindəki veb sayta daxil olmaq üçün Google axtarış sistemindən istifadə etmələrini təmin etməkdir

3. Commercial Packages

SPSS Clementine, ANN ilə hazırlanmış bir İBM ‘data-mining’ proqramıdır [9]. SPSS Clementine-də altı veb analitik tətbiq modulu mövcuddur: SEO, istifadəçi seqmentasiyası və avtomatlaşdırılmış ziyarətlər, istifadəçi davranışı və sayt fəaliyyətinin öyrənilməsi, ana səhifə fəaliyyəti, fəaliyyət seriyası analizi və trend analizi. SPSS, onlayn axtarış sistemlərində yüksək reytinq əldə etmək üçün SEO analitiki tərəfindən həyata keçirilən müxtəlif marketinq səylərini təhlil etmək üçün istifadə olunan onlayn verilənlər bazasından istifadə edir [10]. SearchDex SDX Hyperloop [11] süni zəkaya əsaslanan başqa bir ticarət SEO həllidir.

4. Support Vector Machine (SVM) Application

Tapılma sürətini artırmaq məqsədinə çatmaq üçün SVM tətbiqetməsini inkişaf etdirilməlidir, yəni veb saytları axtarış sistemindən istifadə edən istifadəçi tərəfindən daha tez tapılması üçün optimallaşdırılmalıdır. Bu, sənədin bütün kolleksiyadan nə qədər yaxşı ayrıldığını və əlaqəli mövzuların açar sözünün sənəd tərəfindən tutulma dərəcəsini bilməklə həyata keçirilir. Bu model, açar sözün mürəkkəblik dərəcəsini və axtarış sistemləri tərəfindən tutula bilən mövzuların aspektlərinin sayını proqnozlaşdırmaq üçün istifadə edilə bilər.

5. K-Nearest Neighbor Algorithm Application

Məlumat əldə etmək üçün Microsoft Internet Information System (IIS) Manager-in bir hissəsi olan SEO Toolkit-dən istifadə etmək lazımdır. SEO Toolkit bir veb saytın strukturunda gəzir və performansla əlaqəli məlumatları alır. Bu, administratorlara SEO standartlarına uyğun olaraq onlayn mövcudluqlarını artırmağa imkan verir. K-Nearest Neighbor alqoritmindən bir neçə bankın internet mövcudluğuna müxtəlif yanaşmaların səmərəliliyini simulyasiya etmək üçün istifadə olunur.

Nəticə

SEO-da süni intellektin tətbiqi, axtarış sistemləri tərəfindən sayt seçilməsində istifadə olunan sirli meyarlar və SEO şirkətlərinin işlərini həyata keçirmək üçün istifadə etdikləri alqoritmin məxfiliyi ilə müşayiət olunur. Buna baxmayaraq, prototip şəklində və ya bəzi ticarət paketlərdə olsa da, SEO-da süni intellekt tətbiq etmək üçün bir sıra səylər göstərilir. Süni intellektə əsaslanan cihazlarla SEO optimallaşdırma metodlarının analitikləri, həm internet strukturlarını artırmaq üçün həm struktur, həm açar sözlər, məzmun və ya əlaqələr üzərində nələrin edilməsi lazım olduğuna qərar verə bilərlər.

1. Kumar A. Search Engine Optimization (SEO): Technical Analysis Concepts, Int. J. Emerging Technology and Advanced Engineering, vol. 3, no. 3, pp. 123–128, Mar. 2013.
2. Dahake S., ThakreV.M. Search Engine Optimization Techniques – The Analysis, Int. J. Advanced Research in Computer Science, vol. 5, no. 4 (Special Issue II), pp. 163–167, Apr. 2014.
3. Jankowski J. Increasing Website Conversions Using Content Repetitions with Different Levels of Persuasion, Proc. 5th Asian Conf. on Intelligent Information and Database Systems (ACIIDS), Kuala Lumpur (Malaysia), Mar. 2013, LNCS, vol. 7803, A. Selamat, N.T. Nguyen, and H. Haron, Eds., Part II, pp. 439–448, doi: 10.1007/ 978-3-642-36543-0_45.
4. Ganta S.K., Somayajula S.P.K. Search Engine Optimization through Spanning Forest Generation Algorithm, Int. J. on Computer Science and Engineering, vol. 3, no. 9, pp. 3275–3282, Sep. 2011.
5. Evans M.P. Analysing Google Rankings through Search Engine Optimization Data, Internet Research, vol. 17, no. 1, pp. 21–37,2007, doi: 10.1108/10662240710730470.
6. Agarwal V. 5 Search Engine Optimization Trends for 2017, The Next Web (TNW), Nov. 1, 2017. [Online] Available: https://thenextweb.com/insider/2017/01/11/5-search-engine-optimization-trends-for-2017/.
7. Mazzara M., Biselli L., Greco P.P., Dragoni N., Marraffa A., Qamar N. de Nicola S. Social Networks and Collective Intelligence: A Return to the Agora, in Social Network Engineering for Secure Web Data and Services, L. Caviglione, M. Coccoli, and A. Merlo, Eds., ch. 5, pp. 88–113, IGI Global, 2013, doi: 10.4018/978-1-4666-3926-3.ch005.
8. Golzardi E., Meghdadi M., Ghaderzade A. Improving Ranking Persian Subjects in Search Engine Using Fuzzy Inference System, Int. J. Mechatronics, Electrical and Computer Technology, vol. 3, no. 9, pp. 330–344, Oct. 2013.
9. Luan J., Data Mining and Knowledge Management in Higher Education – Potential Applications, Proc. 42nd Annu. Association for Institutional Research (AIR) Forum, Toronto (Canada), Jun. 2002.
10. Segall R.S., Zhang Q. Web Mining Technologies for Customer and Marketing Surveys, Kybernetes, vol. 38, no. 6, pp. 925–949,2009, doi: 10.1108/03684920910973162.
11. Bussiness Wire, New SearchDex Platform Allows Companies to Build Their Brand through SEO, Mar. 30, 2017. [Online] Available: http://www.businesswire.com/news/home/20170330005391/en/ SearchDex-Platform-Companies-Build-Brand-SEO.