Post by account_disabled on Dec 24, 2023 9:37:17 GMT
用于识别实体的ID，例如地址和 MREID （机器可读实体 ID）。简而言之，它们看起来像 URL，但其实不然。*注意： MREID 是一串字符（通常是字母和数字），用于指代单个实体（人、地点、地标）。例如：/m/0qs4dyq海量数据（data） ——得益于语料库或谷歌索引，谷歌拥有巨大的数据仓库。大型知识库，例如 Freebase 或 Wikipedia。谷歌多年前就出于这个目的收购了 Freebase。属性，基本上这些属性是实体之间的关系，可以帮助Google理解它们背后的概念。
2012年，谷歌发布了他们拥有的部分数据——谷歌知识 手机号码数据 库中约500个实体、35亿条信息，所有这些数据都是在大约7年前更新的。你可以想象今天这个数字有多么可怕。 Google 使用一种名为Word2Ve c 的算法来增强语言识别能力。Word2Vec 算法基于另外两个小型算法：Skip Grams和Continuous Bag of Words（缩写为 CBOW）。基本上，该算法将单词组合在一起，分析彼此接近的单词，从而了解单词在文本中的连接方式。通过 Word2Vec，Google 可以绘制文本或将文本转换为数字，然后这些数字将表示为向量或图形。**注： 如果您还记得向量的知识，请仔细阅读本节。但如果你忘记了并且从未有过向量的概念，请转到下一节！谷歌将理解不同语言中处于相似关系的单词。 例如，在第一个图表中，数字1、2、3、4、5在英语中分别为一、二、三、四、五。这些西班牙语数字的位置相同。实体搜索引擎优化示例 下面，我们有第一个图表，其中单词“猪”、“牛”、“马”在英语中为“猪”、“牛”、“马”，在西班牙语中这些单词的位置相同。
一旦你将单词转换成数字，单词就会变成概念，而代表的数字将与你所使用的语言完全无关。当我们连接向量时，我们就会看到语言和国家之间的关系。例如，河内是越南的首都，莫斯科是俄罗斯的首都，这两种关系是相同的。从那里，您可以组合单词来得出基本原则。 一切都变得极其合乎逻辑。 'THINGS NOT STRINGS'（对象，不是字符串）这个原则不仅可以帮助您了解页面上有多少单词，还可以帮助您了解这些单词的含义，从而了解用户正在搜索和想要了解哪些信息。如果把这个算法看成一个图，那么这里的实体就是交点（节点），而产生的关系就是连接交点时的边（边）。
2012年，谷歌发布了他们拥有的部分数据——谷歌知识 手机号码数据 库中约500个实体、35亿条信息，所有这些数据都是在大约7年前更新的。你可以想象今天这个数字有多么可怕。 Google 使用一种名为Word2Ve c 的算法来增强语言识别能力。Word2Vec 算法基于另外两个小型算法：Skip Grams和Continuous Bag of Words（缩写为 CBOW）。基本上，该算法将单词组合在一起，分析彼此接近的单词，从而了解单词在文本中的连接方式。通过 Word2Vec，Google 可以绘制文本或将文本转换为数字，然后这些数字将表示为向量或图形。**注： 如果您还记得向量的知识，请仔细阅读本节。但如果你忘记了并且从未有过向量的概念，请转到下一节！谷歌将理解不同语言中处于相似关系的单词。 例如，在第一个图表中，数字1、2、3、4、5在英语中分别为一、二、三、四、五。这些西班牙语数字的位置相同。实体搜索引擎优化示例 下面，我们有第一个图表，其中单词“猪”、“牛”、“马”在英语中为“猪”、“牛”、“马”，在西班牙语中这些单词的位置相同。
一旦你将单词转换成数字，单词就会变成概念，而代表的数字将与你所使用的语言完全无关。当我们连接向量时，我们就会看到语言和国家之间的关系。例如，河内是越南的首都，莫斯科是俄罗斯的首都，这两种关系是相同的。从那里，您可以组合单词来得出基本原则。 一切都变得极其合乎逻辑。 'THINGS NOT STRINGS'（对象，不是字符串）这个原则不仅可以帮助您了解页面上有多少单词，还可以帮助您了解这些单词的含义，从而了解用户正在搜索和想要了解哪些信息。如果把这个算法看成一个图，那么这里的实体就是交点（节点），而产生的关系就是连接交点时的边（边）。