समाचारं

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

नवीन बुद्धि प्रतिवेदन

सम्पादक : सम्पादकीय विभाग

[नव प्रज्ञायाः परिचयः] ।मेमासे दस्तावेजस्य लीकस्य अनन्तरं गूगलस्य अन्वेषणयन्त्रं पुनः उल्टा अभवत् । न केवलं DeepMind इत्यनेन Vizier-प्रणाल्याः तन्त्रस्य व्याख्यानं कृत्वा एकं पत्रं प्रकाशितम्, अपितु blogger Mario Fischer इत्यनेन अपि अस्य अन्तर्जाल-विशालकायस्य पूर्णचित्रं पुनः स्थापयितुं प्रायः शत-दस्तावेजानां सम्यक् शोधं विश्लेषणं च कृतम्

गूगलेन प्रकाशितपत्रेषु पुनः स्वस्य प्रौद्योगिक्याः रहस्यं प्रकाशयितुं आरब्धम् अस्ति।

DeepMind इत्यस्य वरिष्ठः शोधवैज्ञानिकः Xingyou (Richard) Song इत्यादिभिः प्रकाशितेन अद्यतनपत्रे ते गूगलस्य Vizier सेवायाः पृष्ठतः एल्गोरिदम् रहस्यं व्याख्यातवन्तः

एकः कृष्णपेटी अनुकूलकः इति नाम्ना यः कोटिकोटिवारं चालितः अस्ति, विजिएर् इत्यनेन गूगलस्य अनेकानाम् आन्तरिक-अध्ययनानाम्, प्रणालीनां च अनुकूलनं कर्तुं साहाय्यं कृतम्, तस्मिन् एव काले गूगल-क्लाउड् तथा वर्टेक्स् इत्यनेन विजियर-सेवाः अपि प्रारब्धाः येन शोधकर्तारः विकासकाः च हाइपरपैरामीटर् समायोजनं अथवा ब्लैक बॉक्स-अनुकूलनं कर्तुं साहाय्यं कुर्वन्ति .

सोङ्ग इत्यनेन उक्तं यत् अन्यैः उद्योगस्य आधाररेखाभिः यथा Axe/BoTorch, HEBO, Optuna, HyperOpt, SkOpt इत्यादिभिः सह तुलने Vizier इत्यस्य बहुषु उपयोक्तृपरिदृश्येषु अधिकं दृढं प्रदर्शनं भवति, यथा उच्च आयामाः, बैचप्रश्नाः, बहुउद्देश्यसमस्याः इत्यादिषु।

पत्रस्य विमोचनस्य लाभं गृहीत्वा गूगलस्य दिग्गजः जेफ् डीन् अपि विजियर्-व्यवस्थायाः प्रशंसायै ट्वीट् कृतवान् ।

सः उल्लिखितः Vizier इत्यस्य मुक्तस्रोतसंस्करणं GitHub भण्डारे आतिथ्यं कृतम् अस्ति, अत्यन्तं विस्तृतं दस्तावेजीकरणं च अस्ति, अद्यतनकाले च निरन्तरं परिपालितं अद्यतनं च कृतम् अस्ति

गोदामस्य पताः https://github.com/google/vizier इति

OSS Vizier इत्यस्य वितरितं क्लायन्ट्-सर्वर-प्रणाली

यद्यपि गूगल रिसर्च इत्यनेन २०१७ तमे वर्षे एव सम्पूर्णस्य विजियर्-प्रणाल्याः चर्चां कृत्वा लेखः प्रकाशितः तथापि नवीनतमलेखस्य अपेक्षया सामग्री दूरं न्यूना विस्तृता अस्ति ।

अस्मिन् तकनीकीप्रतिवेदने विशालमात्रायां शोधकार्यस्य परिणामाः उपयोक्तृप्रतिक्रिया च सन्ति यदा मुक्तस्रोतविजियर-एल्गोरिदमस्य कार्यान्वयनविवरणानां डिजाइनविकल्पानां च वर्णनं भवति, तदा विजिएर्-इत्यस्य दृढतां बहुमुख्यतां च विविधरूपेण प्रदर्शयितुं मानकीकृत-मापदण्डेषु प्रयोगानां उपयोगः भवति व्यावहारिकगुणाः ।

तेषु विजियर-व्यवस्थायाः पुनरावर्तनीय-प्रक्रियायाः अनुभवाः पाठाः च एकैकं प्रदर्शिताः सन्ति, यस्य शैक्षणिक-उद्योगयोः कृते महत् सन्दर्भ-महत्त्वं वर्तते, द्रष्टव्यं च

विजियर-प्रणाल्याः प्रयुक्तस्य बेयसियन-एल्गोरिदम् इत्यस्य मूलघटकाः

लेखस्य मुख्यानि योगदानानि यथा - १.

- Vizier इत्यस्य वर्तमानसंस्करणस्य पूर्वनिर्धारित-एल्गोरिदमस्य औपचारिकपुष्टिः तथा च तस्य कार्यक्षमतायाः, डिजाइन-विकल्पानां, सम्पूर्णे पुनरावृत्ति-प्रक्रियायां ज्ञातानां पाठानाम् च व्याख्यानम्

- मूल C++ कार्यान्वयनस्य आधारेण मुक्तस्रोतस्य पायथन् तथा JAX ढांचा कार्यान्वयनम् प्रदाति

- सामान्य-उद्योग-मापदण्डानां उपयोगेन परीक्षणं कृतम्, उच्च-आयामी, वर्गीकरण-, बैच-बहु-उद्देश्य-अनुकूलन-विधासु विजियरस्य दृढतां प्रदर्शयति

- शून्य-क्रमस्य विकासात्मक-अधिग्रहण-अनुकूलकस्य अपरम्परागत-डिजाइन-चयनस्य विषये एब्लेशन-प्रयोगाः क्रियन्ते, तथा च प्रमुख-लाभानां प्रदर्शनं चर्चा च भवति

पत्रस्य लेखकसूचौ शीर्षद्वयं रिचर्डद्वयं——

Xingyou (Richard) Song OpenAI इत्यत्र सुदृढीकरणशिक्षणसामान्यीकरणविषये शोधकर्तृरूपेण कार्यं कृतवान् सः २०१९ तमे वर्षे Google Brain इत्यत्र वरिष्ठशोधवैज्ञानिकरूपेण सम्मिलितवान् तथा च २०२३ तमे वर्षात् DeepMind इत्यत्र वरिष्ठशोधवैज्ञानिकरूपेण कार्यं करिष्यति, GenAI इत्यत्र कार्यं करिष्यति।

Qiuyi (Richard) Zhang वर्तमान समये DeepMind Vizier दलस्य कार्यं करोति तथा च Vizier इत्यस्य मुक्तस्रोतसंस्करणस्य सहनिर्माता अपि अस्ति तस्य शोधं मुख्यतया हाइपरपैरामीटर् अनुकूलनं, बेयसियन मापनं च सैद्धान्तिकयन्त्रशिक्षणदिशासु केन्द्रितम् अस्ति तदतिरिक्तं तस्य शोधरुचिः अस्ति in AI alignment, counterfactual/fairness सेक्स इत्यादयः पक्षाः अपि सम्मिलिताः सन्ति।

झाङ्गः २०१४ तमे वर्षे प्रिन्स्टन् विश्वविद्यालयात् स्नातकपदवीं प्राप्तवान्, ततः बर्कले-नगरस्य कैलिफोर्निया-विश्वविद्यालयात् अनुप्रयुक्तगणितस्य सङ्गणकविज्ञानस्य च पीएचडी-उपाधिं प्राप्तवान्

अन्वेषणयन्त्रतन्त्रं अधः आरभ्यते

एकः निरपेक्षः उद्योगविशालकायः इति नाम्ना गूगलस्य बहवः अप्रकटिताः मूलप्रौद्योगिकीः बहिः जगत् दीर्घकालं यावत् जिज्ञासुं कृतवन्तः, यथा अन्वेषणयन्त्राणि

दशवर्षेभ्यः अधिकं यावत् ९०% अधिकं विपण्यभागं कृत्वा गूगल-अन्वेषणं सम्भवतः सम्पूर्णे अन्तर्जालस्य प्रभावशालिनी प्रणाली अभवत्, एषा वेबसाइट्-स्थानानां जीवनं मृत्युं च, ऑनलाइन-सामग्री-प्रस्तुतिं च निर्धारयति

परन्तु गूगलः जालपुटानां क्रमाङ्कनं कथं करोति इति विशिष्टविवरणं सर्वदा "कृष्णपेटी" एव आसीत् ।

Vizier इत्यादीनां उत्पादानाम् विपरीतम् अन्वेषणयन्त्राणि गूगलस्य धनसङ्केतः गृहपालनप्रौद्योगिकी च सन्ति, आधिकारिकपत्रेषु तान् प्रकटयितुं असम्भवम् ।

यद्यपि केचन माध्यमाः, शोधकर्तारः, अन्वेषणयन्त्रस्य अनुकूलनकार्यं कुर्वन्तः जनाः च विविधानि अनुमानं कृतवन्तः तथापि ते केवलं गजस्य चिन्तनं कर्तुं प्रयतमानाः अन्धाः जनाः एव सन्ति

दीर्घकालं यावत् चलितस्य गूगलस्य न्यासविरोधी मुकदमेन अद्यैव सर्वेषु स्तरेषु अमेरिकी-अभियोजकाः प्रायः ५० लक्षपृष्ठानि दस्तावेजानि एकत्रितवन्तः, तान् सार्वजनिकसाक्ष्यरूपेण परिणमयितवन्तः च।

परन्तु अन्येषां मध्ये आन्तरिकं गूगल-दस्तावेज-लीक्स्, एण्टीट्रस्ट्-सुनवायानां सार्वजनिक-दाखिलीकरणं च, वास्तवतः अस्मान् सम्यक् न वदन्ति यत् क्रमाङ्कनं कथं कार्यं करोति |.

अपि च, यन्त्रशिक्षणस्य उपयोगात् जैविकसन्धानपरिणामानां संरचना एतावता जटिला अस्ति यत् क्रमाङ्कन-एल्गोरिदम्-विकासे संलग्नाः गूगल-कर्मचारिणः अपि अवदन् यत्,ते अनेकसंकेतभारानाम् अन्तरक्रियां पूर्णतया न अवगच्छन्ति यत् व्याख्यातुं शक्नुवन्ति यत् कश्चन परिणामः प्रथमद्वितीयस्थाने किमर्थम् अस्ति।

मे २७ दिनाङ्के एकः अनामिकः स्रोतः (पश्चात् सर्चइञ्जिन-अनुकूलन-उद्योगस्य दिग्गजः अभ्यासकः एर्फान् अजीमी इति पुष्टिः अभवत्) स्पार्कटोरो-सङ्घस्य मुख्याधिकारी रेण्ड् फिशकिन् इत्यस्मै २५०० पृष्ठीयं गूगल-सर्च-एपिआइ-लीक-दस्तावेजं प्रदत्तवान्, येन गूगल-सर्च-इञ्जिन-आन्तरिकस्य विवरणं प्रकाशितम् रैंकिंग एल्गोरिदम।

परन्तु तत् एव न।

सर्च इन्जिन लैण्ड् इति समाचारजालस्थलं यत् सर्चइञ्जिन-उद्योगस्य विषये प्रतिवेदने विशेषज्ञतां प्राप्नोति, अद्यैव एकं ब्लॉगं प्रकाशितवान् यत् सहस्राणि लीक् कृतानि गूगल-न्यायालय-दस्तावेजान् रिवर्स-इञ्जिनीयरिङ्गं कृत्वा प्रथमवारं गूगलस्य ऑनलाइन-सन्धान-क्रमाङ्कनस्य मूल-तकनीकी-सिद्धान्तान् प्रकाशितवान्

इदं ब्लॉग-पोस्ट् मूललेखकेन कतिपयेषु सप्ताहेषु कार्येषु बहुवारं प्रायः १०० दस्तावेजानां समीक्षा, विश्लेषणं, संरचनं, परित्यक्तं, पुनर्गठनं च कृत्वा अभवत् यद्यपि एतत् कठोररूपेण सटीकं वा व्यापकं वा न भवति तथापि गूगलस्य अवगमनम् इति वक्तुं शक्यते अन्यस्य अन्वेषणयन्त्रस्य इव व्यापकविस्तृतसूचना।

लेखकस्य प्रवाह-रक्षण-संस्करण-संरचना-चित्रं निम्नलिखितम् अस्ति ।

गूगल-अन्वेषणयन्त्रं विशालं जटिलं च परियोजना इति न संशयः । क्रॉलर-प्रणाली, भण्डारः अलेक्जेण्ड्रिया, रूक्ष-क्रमाङ्कन-मुस्टङ्ग-तः आरभ्य, पृष्ठस्य अन्तिम-प्रतिपादनस्य उत्तरदायी फ़िल्टरिंग्-फायन-क्रमाङ्कन-प्रणाली Superroot तथा ​​GWS यावत्, एते वेबसाइट्-पृष्ठस्य अन्तिम-प्रस्तुतिं, एक्सपोजरं च प्रभावितं करिष्यन्ति

नूतना सञ्चिका: Googlebot अभिगमनस्य प्रतीक्षां करोति

यदा नूतनं जालस्थलं प्रकाशितं भवति तदा तत्क्षणमेव गूगलेन अनुक्रमणं न भविष्यति।

प्रथमं सोपानं क्रॉलिंग् तथा च आँकडा संग्रहणं गूगलस्य प्रथमं वेबसाइट् URL इत्यस्य अस्तित्वं ज्ञातव्यं यत् साइट् मैपं अपडेट् कृत्वा अथवा URL लिङ्क् स्थापयित्वा गूगलः नूतनं वेबसाइट् क्रॉल कर्तुं शक्नोति।

अपि च, बहुधा गच्छन्तीनां पृष्ठानां लिङ्क्-आदयः गूगलस्य ध्यानं शीघ्रं आकर्षयितुं शक्नुवन्ति ।

क्रॉलर-प्रणाली नूतनानां सामग्रीनां क्रॉलं करोति, यदा URL-इत्यस्य पुनः दर्शनं भवति तदा वेबसाइट्-अद्यतन-परीक्षणं भवति चेत् एतत् शेड्यूलर-नामकेन घटकेन प्रबन्धितं भवति ।

ततः भण्डारणसर्वरः निर्णयं करोति यत् URL अग्रे प्रेषयितव्यः वा सैण्ड्बॉक्स् मध्ये स्थापयितव्यः वा इति ।

गूगलः पूर्वं सैण्डबॉक्सस्य अस्तित्वं अङ्गीकृतवान्, परन्तु अद्यतनलीक्स् सूचयन्ति यत् (शङ्किताः) स्पैम् तथा न्यूनमूल्याः वेबसाइट् अपि सैण्ड्बॉक्स् मध्ये स्थापिताः सन्ति, तथा च गूगलः प्रत्यक्षतया केचन स्पैम् वेबसाइट् अग्रे प्रेषयिष्यति, सम्भवतः सामग्रीयाः अधिकविश्लेषणार्थं प्रशिक्षणस्य एल्गोरिदमस्य च कृते।

ततः चित्रलिङ्कं पश्चात् अन्वेषण-आह्वानार्थं ImageBot -इत्यत्र स्थानान्तरितं भवति, कदाचित् विलम्बेन सह ImageBot इत्यस्य क्रमणविशेषता भवति यत् समानानि वा तत्सदृशानि वा चित्राणि चित्रपात्रे स्थापयति ।

क्रॉलर-प्रणाली सूचना-क्रॉल-करणस्य आवृत्तिं समायोजयितुं स्वस्य PageRank-इत्यस्य उपयोगं करोति इति भासते यदि कस्यापि वेबसाइट्-मध्ये अधिकं यातायातम् अस्ति तर्हि एषा क्रॉल-आवृत्तिः वर्धते (ClientTrafficFraction)

अलेक्जेण्ड्रिया : गूगल अनुक्रमणिका प्रणाली

गूगलस्य अनुक्रमणिकाप्रणाली, अलेक्जेण्ड्रिया इति, प्रत्येकस्य जालपुटस्य सामग्रीं प्रति एकं अद्वितीयं DocID नियुक्तं करोति । द्वितीयकसामग्रीणां सन्दर्भे नूतनं ID न निर्मितं भविष्यति, परन्तु URL विद्यमानेन DocID इत्यनेन सह सम्बद्धं भविष्यति ।

गूगलः URL-दस्तावेजयोः मध्ये स्पष्टं भेदं करोति: दस्तावेजे समानसामग्रीयुक्तानि बहुविध-URL-इत्येतत् भवितुं शक्नोति, यत्र भिन्नाः भाषा-संस्करणाः सन्ति, ये सर्वे एकेन DocID-द्वारा आह्वयन्ति

यदि भवान् भिन्न-भिन्न-डोमेन्-नामानां द्वितीयक-सामग्री-सम्मुखीभवति तर्हि गूगलः अन्वेषण-क्रमाङ्कने कैनोनिकल्-संस्करणं प्रदर्शयितुं चयनं करिष्यति । एतेन अन्ये URL-सङ्केताः कदाचित् समानरूपेण किमर्थं भवितुं शक्नुवन्ति इति अपि व्याख्यायते । अपि च, URL इत्यस्य तथाकथितं "canonical" संस्करणं एकवारं भवति, अपितु कालान्तरे परिवर्तते ।

अलेक्जेण्ड्रिया संग्रह दस्तावेज URL

लेखकस्य दस्तावेजस्य एकमेव संस्करणं ऑनलाइन अस्ति, अतः प्रणाल्याः स्वकीयः DocID दत्तः अस्ति ।

DocID इत्यनेन दस्तावेजस्य प्रत्येकं भागं कीवर्ड-अन्वेषणं कृत्वा अन्वेषण-सूचकाङ्के सारांशः क्रियते । "hit list" इति कीवर्डस्य सारांशं ददाति ये प्रत्येकस्मिन् पृष्ठे बहुवारं दृश्यन्ते, ते प्रथमं प्रत्यक्षसूचकाङ्कं प्रति प्रेषिताः भविष्यन्ति ।

लेखकस्य जालपुटं उदाहरणरूपेण गृह्यताम् यतः तस्मिन् "पेन्सिल" इति शब्दः बहुवारं दृश्यते, अतः शब्दसूचिकायां "पेन्सिल" इति प्रविष्टेः अधः DocID सूचीबद्धः अस्ति ।

एल्गोरिदम् विभिन्नपाठविशेषतानां आधारेण दस्तावेजे "पेन्सिल" इति शब्दस्य IR (Information Retrieval) स्कोरस्य गणनां करोति तथा च DocID इत्यस्मै नियुक्तं करोति, यस्य उपयोगः पश्चात् Posting List इत्यत्र भवति

उदाहरणार्थं, दस्तावेजे "पेन्सिल" इति शब्दः बोल्ड् कृत्वा प्रथमस्तरीयशीर्षके (AvrTermWeight इत्यत्र संगृहीतम्) समाविष्टः अस्ति

गूगलः महत्त्वपूर्णदस्तावेजान् HiveMind इति मुख्यस्मृतिप्रणाल्यां स्थानान्तरयिष्यति, द्रुतगतिना SSDs तथा पारम्परिक HDDs (TeraGoogle इति उच्यते) इत्येतयोः उपयोगेन सूचनानां दीर्घकालीनभण्डारणार्थं यस्य शीघ्रं प्रवेशस्य आवश्यकता नास्ति

उल्लेखनीयं यत्, विशेषज्ञाः अनुमानयन्ति यत् अद्यतन-AI-उत्साहात् पूर्वं गूगल-संस्थायाः विश्वस्य प्रायः अर्धं जालसर्वर-नियन्त्रणं आसीत् ।

परस्परं सम्बद्धानां समूहानां विशालं जालं कोटिकोटि मुख्यस्मृति-एककानां एकत्र कार्यं कर्तुं शक्नोति एकदा गूगलस्य अभियंता सम्मेलने सूचितवान् यत् सिद्धान्ततः गूगलस्य मुख्यस्मृतिः सम्पूर्णं जालं संग्रहीतुं शक्नोति

रोचकं तत् अस्ति यत् HiveMind इत्यत्र संगृहीतानाम् महत्त्वपूर्णदस्तावेजानां लिङ्कानां तथा च बैकलिङ्कानां भारः अधिकं दृश्यते, यदा तु HDD (TeraGoogle) इत्यस्मिन् URL लिङ्कानां भारः न्यूनः भवितुम् अर्हति, तेषां विचारः अपि न भवितुं शक्नोति

प्रत्येकस्य DocID कृते अतिरिक्तसूचनाः संकेताः च PerDocData इत्यस्मिन् गतिशीलरूपेण संगृह्यन्ते, एकः भण्डारः यः प्रत्येकस्य दस्तावेजस्य अद्यतनतमानि 20 संस्करणं (CrawlerChangerateURLHistory मार्गेण) धारयति, यत् प्रासंगिकतां समायोजयन् बहवः प्रणाल्याः अभिगच्छन्ति

तथा, गूगलस्य कालान्तरे भिन्नसंस्करणानाम् मूल्याङ्कनस्य क्षमता अस्ति । यदि भवान् दस्तावेजस्य सामग्रीं वा विषयं वा पूर्णतया परिवर्तयितुम् इच्छति तर्हि सैद्धान्तिकरूपेण पुरातनसंस्करणस्य पूर्णतया अधिलेखनाय २० संक्रमणकालीनसंस्करणानाम् निर्माणस्य आवश्यकता भविष्यति ।

अत एव अवधिसमाप्तस्य डोमेनस्य (एकदा सक्रियः आसीत् किन्तु पश्चात् दिवालियापनस्य वा अन्यकारणानां कारणेन परित्यक्तः वा विक्रीतः वा) पुनर्स्थापनेन मूलडोमेनस्य श्रेणीलाभः न धारितः भविष्यति

यदि कस्यचित् डोमेनस्य Admin-C तस्य विषयसामग्री च एकस्मिन् समये परिवर्तन्ते तर्हि यन्त्राणि सहजतया एतत् चिन्तयितुं शक्नुवन्ति ।

अस्मिन् समये गूगलः सर्वान् संकेतान् शून्यं करिष्यति, तथा च पुरातनं डोमेननाम यस्य एकदा यातायातमूल्यं आसीत्, तत् पुनः किमपि लाभं न दास्यति पुरातनं डोमेननाम ग्रहणस्य अर्थः न भवति मूलयातायातस्य श्रेणीनां च उपरि।

लीकस्य अतिरिक्तं अमेरिकीन्यायिकसुनवायानां, गूगलविरुद्धविचाराणां च प्रमाणदस्तावेजाः आन्तरिक-ईमेल-सहितानाम् अपि संशोधनस्य उपयोगी स्रोतः सन्ति

QBST: कश्चन "पेन्सिल" इति अन्वेषयति।

यदा कोऽपि गूगल-मध्ये "pencil" इति अन्वेषणपदं प्रविशति तदा QBST (Query Based Salient Terms) कार्यं आरभते ।

QBST उपयोक्त्रा प्रविष्टानां अन्वेषणपदानां विश्लेषणं कर्तुं, तस्मिन् निहितस्य प्रत्येकस्य शब्दस्य महत्त्वस्य प्रासंगिकतायाः च आधारेण भिन्नं भारं नियुक्तुं, क्रमशः प्रासंगिकानि DocID प्रश्नान् कर्तुं च उत्तरदायी भवति

शब्दावलीभारप्रक्रिया अत्यन्तं जटिला अस्ति तथा च RankBrain, DeepRank (पूर्वं BERT), RankEmbeddedBERT इत्यादीनां प्रणालीनां समावेशः भवति ।

QBST SEO कृते महत्त्वपूर्णं यतः एतत् प्रभावितं करोति यत् गूगलः अन्वेषणपरिणामानां क्रमाङ्कनं कथं करोति अतः वेबसाइट् कियत् यातायातस्य दृश्यतां च प्राप्तुं शक्नोति।

QBST एकं वेबसाइट् उच्चतरं स्थानं करिष्यति यदि तस्मिन् सर्वाधिकं प्रयुक्ताः पदाः सन्ति ये उपयोक्तृप्रश्नानां मेलनं कुर्वन्ति।

QBST इत्यस्य अनन्तरं "पेन्सिल" इत्यादयः सम्बद्धाः शब्दाः अग्रे संसाधनार्थं Ascorer इत्यस्मै प्रसारिताः भविष्यन्ति ।

स्कोररः : “हरितवलयम्” रचयन्तु ।

Ascorer उल्टासूचकाङ्कात् (अर्थात्, शाब्दिकसूचकाङ्कात्) "पेंसिल" प्रविष्टेः अन्तर्गतं शीर्ष 1000 DocIDs निष्कासयति तथा च IR स्कोरेन क्रमाङ्कयति ।

आन्तरिकदस्तावेजानां अनुसारं एषा सूची "हरितवलयम्" इति उच्यते । उद्योगे एतत् पोस्टिंग् सूची इति कथ्यते ।

अस्माकं "पेन्सिल" उदाहरणे प्रकाशितसूचौ तत्सम्बद्धं दस्तावेजं १३२ स्थाने अस्ति । अन्यव्यवस्थानां हस्तक्षेपं विना एषा एव तस्य अन्तिमस्थानं स्यात् ।

सुपररूट् : "सहस्रमाइलतः दश" ।

सुपररूट् इत्यस्य उत्तरदायित्वं वर्तते यत् मस्टैङ्ग् इत्यनेन अधुना एव स्क्रीन् कृतानां १,००० अभ्यर्थीनां जालपुटानां पुनः क्रमाङ्कनं करणीयम्, येन १,००० DocIDs इत्यस्य "ग्रीन रिंग" १० परिणामानां "ब्लू रिंग" इत्येव न्यूनीकरोति

इदं कार्यं विशेषतया Twiddlers तथा NavBoost इत्यनेन क्रियते अन्ये प्रणाल्याः अपि अत्र सम्मिलिताः भवितुम् अर्हन्ति, परन्तु अशुद्धसूचनया विशिष्टविवरणानि अस्पष्टानि सन्ति ।

मुस्टङ्गः १००० सम्भाव्यपरिणामान् जनयति, सुपररूट् तान् १० पर्यन्तं फ़िल्टर करोति

Twiddlers: छाननस्य स्तराः

विभिन्नाः दस्तावेजाः सूचयन्ति यत् गूगलः शतशः Twiddler प्रणालीनां उपयोगं करोति, यत् वयं वर्डप्रेस् प्लगिन्स् मध्ये फ़िल्टर् इव चिन्तयितुं शक्नुमः ।

प्रत्येकस्य Twiddler इत्यस्य स्वकीयाः विशिष्टाः फ़िल्टरिंग् लक्ष्याः सन्ति तथा च IR स्कोरं वा रैङ्किंग् स्थानं वा समायोजितुं शक्नोति ।

एतत् एवं परिकल्पितम् अस्ति यतोहि Twiddler इत्यस्य निर्माणं तुल्यकालिकरूपेण सुलभं भवति तथा च Ascorer इत्यस्मिन् जटिल-क्रमाङ्कन-एल्गोरिदम् इत्यस्य परिवर्तनस्य आवश्यकता नास्ति ।

क्रमाङ्कन-एल्गोरिदम्-संशोधनम् अतीव चुनौतीपूर्णं भवति यतोहि तत्र सम्भाव्य-दुष्प्रभावाः सन्ति, अतः विस्तृत-नियोजनं, प्रोग्रामिंग् च आवश्यकम् अस्ति । तस्य विपरीतम्, बहुविधाः ट्विडलर्-जनाः समानान्तरेण वा क्रमेण वा कार्यं कुर्वन्ति, अन्येषां ट्विडलर्-क्रियाणां विषये अनभिज्ञाः च भवन्ति ।

ट्विडलर् मूलतः द्वयोः प्रकारयोः विभक्तुं शक्यते : १.

-PreDoc Twiddlers शतशः DocIDs संग्रहं सम्भालितुं शक्नुवन्ति यतोहि तेषां कृते अल्पा अतिरिक्तसूचनाः आवश्यकाः भवन्ति;

-तद्विपरीतम्, "Lazy" प्रकारस्य Twiddler इत्यस्य कृते अधिकानि सूचनानि आवश्यकानि सन्ति, यथा PerDocData दत्तांशकोशात् सूचना, यस्य कृते तुल्यकालिकं दीर्घकालं, अधिकजटिलप्रक्रिया च आवश्यकी भवति

अतः PreDocs प्रथमं प्रकाशनसूचीं प्राप्नोति तथा च जालपुटप्रविष्टयः न्यूनीकरोति, ततः मन्दतरं "Lazy" प्रकारस्य फ़िल्टरस्य उपयोगं करोति द्वयोः संयोजनेन गणनाशक्तिः समयः च बहु रक्षिता भवति ।

100 तः अधिकाः Twiddlers द्वौ प्रकारौ सम्भाव्यसन्धानपरिणामानां संख्यां न्यूनीकर्तुं पुनः क्रमेण च उत्तरदायी स्तः

परीक्षणानन्तरं Twiddler इत्यस्य विविधाः उपयोगाः सन्ति विकासकाः नूतनान् फ़िल्टरान्, गुणकान् वा विशिष्टस्थानप्रतिबन्धान् प्रयतितुं शक्नुवन्ति, अपि च अन्यस्य परिणामस्य पूर्वं वा पृष्ठतः विशिष्टं अन्वेषणपरिणामं स्थापयितुं अत्यन्तं सटीकं हेरफेरं प्राप्तुं शक्नुवन्ति

एकं लीक् कृतं आन्तरिकं गूगल-दस्तावेजं प्रकाशयति यत् कतिपयानि Twiddler-विशेषतानि केवलं मुख्य-अन्वेषण-दलेन सह परामर्शं कृत्वा विशेषज्ञैः एव उपयोक्तव्यानि ।

यदि भवान् मन्यते यत् भवान् जानाति यत् Twidder कथं कार्यं करोति तर्हि अस्मान् विश्वसितुम्: भवान् न जानाति। वयं न निश्चिताः यत् वयं अवगच्छामः

केवलं एनोटेशन्स् निर्मातुं तानि एनोटेशन्स् DocID मध्ये योजयितुं च Twiddlers अपि सन्ति ।

COIVD-काले भवतः देशस्य स्वास्थ्यविभागः COVID-19 अन्वेषणस्य सूचीयां सर्वदा शीर्षस्थाने किमर्थं भवति ?

तत् यतोहि Twiddler भाषायाः क्षेत्रस्य च आधारेण आधिकारिकसंसाधनानाम् सटीकवितरणस्य सुविधायै queriesForWhichOfficial इत्यस्य उपयोगं करोति ।

यद्यपि विकासकानां ट्विडलरस्य पुनर्क्रमाङ्कनस्य परिणामेषु नियन्त्रणं नास्ति तथापि तस्य यान्त्रिकस्य अवगमनेन श्रेणीनिर्धारणस्य उतार-चढावः तान् "अव्याख्याताः श्रेणीः" च अधिकतया व्याख्यातुं शक्यते

गुणवत्ता आकलनकर्ता तथा रैंकलैब

विश्वे सहस्राणि गुणवत्तामूल्यांककाः सन्ति ये गूगलस्य अन्वेषणपरिणामानां मूल्याङ्कनं कुर्वन्ति तथा च लाइव् गमनात् पूर्वं नूतनानां एल्गोरिदम् अथवा फ़िल्टरस्य परीक्षणं कुर्वन्ति।

गूगलः कथयति यत् तेषां रेटिंग् केवलं सन्दर्भार्थम् एव अस्ति, ते च क्रमाङ्कनं प्रत्यक्षतया प्रभावितं न कुर्वन्ति।

एतत् मूलतः सत्यम्, परन्तु तेषां रेटिंग्, बोलीटिकटस्य च क्रमाङ्कनस्य उपरि महत् परोक्षं प्रभावः भवति एव ।

मूल्याङ्ककाः सामान्यतया मोबाईल-यन्त्रे मूल्याङ्कनं कुर्वन्ति, प्रणाल्याः URL अथवा अन्वेषणवाक्यं प्राप्य पूर्वनिर्धारितप्रश्नानां उत्तरं ददति ।

यथा, तेभ्यः पृष्टं भविष्यति यत्, “किं अस्य सामग्रीयाः लेखकः, सृजनात्मकः अभ्यासः च स्पष्टः अस्ति?

एतानि उत्तराणि उच्चगुणवत्तायुक्तानि, विश्वसनीयाः पृष्ठानि, न्यूनविश्वसनीयानि च पृष्ठानि उत्तमरीत्या चिन्तयितुं यन्त्रशिक्षण-एल्गोरिदम्-प्रशिक्षणार्थं संगृह्यन्ते, उपयुज्यन्ते च ।

अन्येषु शब्देषु, मानवमूल्यांककैः प्रदत्ताः परिणामाः गहनशिक्षण-अल्गोरिदम्-इत्यस्य महत्त्वपूर्णाः मापदण्डाः भवन्ति, तथा च गूगलस्य अन्वेषणदलेन निर्मिताः श्रेणीमापदण्डाः तावत् महत्त्वपूर्णाः न भवन्ति

कल्पयतु यत् मानवमूल्यांककैः कीदृशाः जालपुटाः विश्वसनीयाः इति मन्यन्ते?

पृष्ठं प्रायः प्रत्ययप्रदं दृश्यते यदि तस्मिन् लेखकस्य फोटो, पूर्णनाम, लिङ्क्डइनलिङ्क् च भवति । तद्विपरीतम् एतेषां लक्षणानाम् अभावयुक्ताः जालपुटाः न्यूनविश्वसनीयाः इति न्याय्यन्ते ।

ततः तंत्रिकाजालम् एतत् विशेषतां प्रमुखकारकरूपेण चिनोति, न्यूनातिन्यूनं ३० दिवसानां सक्रियपरीक्षाधावनानन्तरं, मॉडलः स्वयमेव एतत् विशेषतां श्रेणीमापदण्डरूपेण उपयोक्तुं आरभुं शक्नोति

अतः लेखकस्य फोटो, पूर्णनाम, लिङ्क्डइन-लिङ्क् च युक्ताः पृष्ठाः ट्विडलर-तन्त्रस्य माध्यमेन क्रमाङ्कनस्य वर्धनं प्राप्नुवन्ति, यदा तु एतेषां लक्षणानाम् अभावयुक्तेषु पृष्ठेषु क्रमाङ्कनस्य न्यूनता भविष्यति

तदतिरिक्तं गूगलेन लीक् कृतसूचनानुसारं isAuthor विशेषतायाः AuthorVectors विशेषतायाः ("लेखकस्य अङ्गुलिचिह्नपरिचयस्य" सदृशस्य) माध्यमेन, प्रणाली लेखकस्य अद्वितीयशब्दान् व्यञ्जनानि च (अर्थात् व्यक्तिगतभाषालक्षणं) चिन्तयितुं भेदं च कर्तुं शक्नोति

मूल्याङ्ककानां रेटिंग् "सूचनासन्तुष्टिः" (IS) स्कोररूपेण समुच्चयः भवति । यद्यपि बहवः मूल्याङ्ककाः भागं गृह्णन्ति तथापि IS स्कोरिंग् केवलं अल्पसंख्याकानां URL मध्ये एव प्रवर्तते ।

गूगलः दर्शयति यत् ये बहवः दस्तावेजाः क्लिक् न भवन्ति ते अपि महत्त्वपूर्णाः भवितुम् अर्हन्ति। यदा प्रणाली अनुमानं कर्तुं असमर्था भवति तदा दस्तावेजं स्वयमेव मूल्याङ्ककं प्रति प्रेषितं भवति तथा च स्कोरः उत्पद्यते ।

"सुवर्ण" इति पदस्य उल्लेखः मूल्याङ्ककसम्बद्धेषु शब्देषु भवति, यत् सूचयति यत् कतिपयेषु दस्तावेजेषु "सुवर्णमानकं" भवितुम् अर्हति तथा च मानवमूल्यांककानां अपेक्षां पूरयितुं दस्तावेजस्य "सुवर्ण"मानकं प्राप्तुं साहाय्यं कर्तुं शक्यते

तदतिरिक्तं, एकः वा अधिकः Twiddler प्रणाली "सुवर्णमानकं" पूरयन्तः DocIDs शीर्षदशसु प्रचारयितुं शक्नोति ।

गुणवत्तासमीक्षकाः सामान्यतया गूगलस्य पूर्णकालिककर्मचारिणः न भवन्ति अपितु आउटसोर्सिंग् कम्पनीभिः सह सम्बद्धाः भवन्ति ।

तस्य विपरीतम्, गूगलस्य स्वविशेषज्ञाः RankLab इत्यत्र कार्यं कुर्वन्ति, प्रयोगान् कुर्वन्ति, नूतनानां Twiddlers इत्यस्य विकासं कुर्वन्ति, तेषां मूल्याङ्कनं च सुधारं च कुर्वन्ति यत् Twiddler परिणामानां गुणवत्तां सुधारयति वा केवलं स्पैम् इत्येतत् छानयति वा इति।

ततः सिद्धं प्रभावी च ट्विड्लरं जटिलं, परस्परं सम्बद्धं, गणनागहनं च एल्गोरिदम् उपयुज्य मुस्टङ्ग-प्रणाल्यां एकीकृतम् ।

NavBoost: उपयोक्तृभ्यः किं रोचते ?

सुपररूट् इत्यस्मिन् अन्यः कोर सिस्टम् NavBoost इत्यपि अन्वेषणपरिणामानां श्रेणीनिर्धारणे महत्त्वपूर्णां भूमिकां निर्वहति ।

Navboost इत्यस्य उपयोगः मुख्यतया अन्वेषणपरिणामानां सह उपयोक्तृणां अन्तरक्रियायाः आँकडानां संग्रहणार्थं भवति, विशेषतः तेषां भिन्नप्रश्नपरिणामेषु क्लिक् कृते ।

यद्यपि गूगलः आधिकारिकतया क्रमाङ्कनार्थं उपयोक्तृक्लिक्-दत्तांशस्य उपयोगं अङ्गीकुर्वति तथापि संघीयव्यापार-आयोगेन (FTC) प्रकटितेन आन्तरिक-ईमेलेन निर्देशः दत्तः यत् क्लिक्-दत्तांशस्य निबन्धनस्य मार्गः गोपनीयः एव भवितुमर्हति

गूगलः एतत् कारणद्वयेन अङ्गीकुर्वति।

प्रथमं उपयोक्तुः दृष्ट्या गूगलः अन्वेषणमञ्चरूपेण सर्वदा उपयोक्तृणां ऑनलाइनक्रियाकलापानाम् निरीक्षणं करोति, येन गोपनीयताविषयेषु मीडिया-आक्रोशः भविष्यति

परन्तु गूगलस्य दृष्ट्या क्लिक्-दत्तांशस्य उपयोगस्य उद्देश्यं सांख्यिकीयदृष्ट्या महत्त्वपूर्णानि आँकडा-मापकानि प्राप्तुं भवति, न तु व्यक्तिगत-उपयोक्तृणां निरीक्षणं कर्तुं ।

FTC दस्तावेजेन पुष्टिः कृता यत् क्लिक्-दत्तांशः श्रेणीं प्रभावितं करिष्यति तथा च NavBoost-प्रणाल्याः बहुधा उल्लेखः कृतः (18 एप्रिल, 2023 दिनाङ्के सुनवायीकाले 54 वारं), यस्य पुष्टिः 2012 तमे वर्षे आधिकारिकसुनवायेन अपि अभवत्

२०१२ तमस्य वर्षस्य अगस्तमासात् आरभ्य अधिकारिणः स्पष्टं कृतवन्तः यत् क्लिक्-दत्तांशैः क्रमाङ्कनं प्रभावितं भविष्यति

अन्वेषणपरिणामपृष्ठे विविधाः उपयोक्तृव्यवहाराः, यथा अन्वेषणं, क्लिक्, पुनरावृत्ति-अन्वेषणं, पुनरावृत्ति-क्लिक् च, तथैव जालस्थलं वा जालपुटं प्रति यातायातम्, सर्वे क्रमाङ्कनं प्रभावितयन्ति

उपयोक्तृगोपनीयतायाः विषये चिन्ता केवलं एकं कारणम् अस्ति । अन्यत् चिन्ता अस्ति यत् क्लिक्-दत्तांशस्य, यातायातस्य च माध्यमेन मूल्याङ्कनं स्पैमर-घोटाल-कर्तारः क्रमाङ्कनस्य हेरफेरार्थं नकली-यातायातस्य कृते बोट्-प्रणालीनां उपयोगं कर्तुं प्रोत्साहयितुं शक्नोति

गूगलस्य अपि एतस्याः स्थितिः प्रतिकारयितुं पद्धतयः सन्ति, यथा उपयोक्तृक्लिक् दुष्टक्लिक्, उत्तमक्लिक् च बहुमूल्यांकनद्वारा भेदः ।

प्रयुक्तेषु मेट्रिकषु लक्ष्यपृष्ठे व्यतीतः समयः, यस्मिन् समये पृष्ठं दृष्टम् आसीत्, अन्वेषणस्य आरम्भपृष्ठं, उपयोक्तुः अन्वेषण-इतिहासस्य अद्यतनतमः "गुड-क्लिक्" अभिलेखः इत्यादयः सन्ति

अन्वेषणपरिणामपृष्ठेषु (SERPs) प्रत्येकं क्रमाङ्कनस्य कृते आधाररेखारूपेण औसत अपेक्षितः क्लिक्-थ्रू-दरः (CTR) भवति ।

यथा, बर्लिननगरे अस्मिन् वर्षे CAMPIXX सम्मेलने जोहानेस् बेउस् इत्यस्य विश्लेषणस्य अनुसारं प्राकृतिकसन्धानपरिणामेषु प्रथमस्थाने औसतेन २६.२% क्लिक्, द्वितीयस्थाने च १५.५% क्लिक् प्राप्तः

यदि CTR अपेक्षितदरात् महत्त्वपूर्णतया न्यूनं भवति तर्हि NavBoost प्रणाली एतत् अन्तरं लक्षयिष्यति तदनुसारं DocID इत्यस्य श्रेणीं समायोजयिष्यति ।

यदि "expected_CRT" वास्तविकमूल्यात् महत्त्वपूर्णतया विचलितं भवति तर्हि तदनुसारं क्रमाङ्कनं समायोजितं भविष्यति

उपयोक्तृक्लिक् मूलतः परिणामानां प्रासंगिकतायाः विषये उपयोक्तुः मतं प्रतिनिधियति, यत्र शीर्षकं, विवरणं, डोमेननाम च सन्ति ।

एसईओ विशेषज्ञानाम्, आँकडाविश्लेषकाणां च प्रतिवेदनानुसारं क्लिक्-थ्रू-दरस्य व्यापकरूपेण निरीक्षणं कुर्वन् तेषां निम्नलिखितघटनानि अवलोकितानि ।

यदि कश्चन दस्तावेजः अन्वेषणप्रश्नार्थं शीर्ष-१० मध्ये प्रविशति तथा च CTR अपेक्षितापेक्षया महत्त्वपूर्णतया न्यूनः भवति तर्हि कतिपयेषु दिनेषु (अन्वेषणमात्रायाः आधारेण) क्रमाङ्कनं न्यूनीभवति इति अवलोकयितुं शक्यते

प्रत्युत यदि क्रमाङ्कनस्य सापेक्षतया सीटीआर बहु ​​अधिकः भवति तर्हि क्रमाङ्कनं प्रायः वर्धते । यदि CTR दुर्बलं भवति तर्हि अधिकानि क्लिक् प्राप्तुं वेबसाइट् इत्यस्य शीर्षकं सामग्रीविवरणं च अल्पकाले एव समायोजितुं अनुकूलितुं च आवश्यकम् अस्ति ।

PageRank इत्यस्य गणना अद्यतनीकरणं च समयग्राही तथा गणनागहनं भवति, अतः एव PageRank_NS मेट्रिकस्य उपयोगः भवति । NS इत्यस्य अर्थः "निकटतमबीजम्" इति भवति, सम्बन्धितपृष्ठानां समूहः PageRank मूल्यं साझां करोति, यत् अस्थायीरूपेण अथवा स्थायिरूपेण नूतनपृष्ठेषु प्रयुक्तं भवति ।

अद्यतनसूचनाः कथं प्रदातव्या इति विषये गूगलः एकस्मिन् सुनवायीयां उत्तमं उदाहरणं स्थापितवान्। यथा, यदा उपयोक्ता "Stanley Cup" इति अन्वेषयति तदा अन्वेषणपरिणामेषु सामान्यतया जलकाचः दृश्यते ।

परन्तु यदा स्टैन्ले कप हॉकीक्रीडा प्रचलति तदा नवबूस्ट् परिणामान् समायोजयति यत् क्रीडायाः विषये वास्तविकसमयसूचनाः प्राथमिकताम् अददात् ।

नवीनतमनिष्कर्षानुसारं दस्तावेजस्य क्लिक् मेट्रिक्स् १३ मासानां दत्तांशं आच्छादयति, यत्र पूर्ववर्षेण सह तुलनां कर्तुं एकमासस्य ओवरलैप् भवति

आश्चर्यं यत् गूगलः वस्तुतः बहु व्यक्तिगतं अन्वेषणपरिणामं न ददाति । परीक्षणपरिणामेषु ज्ञातं यत् उपयोक्तृव्यवहारस्य प्रतिरूपणं समायोजनं च व्यक्तिगतप्रयोक्तृणां व्यक्तिगतप्राथमिकतानां आकलनात् उत्तमं परिणामं प्राप्तुं शक्नोति ।

परन्तु व्यक्तिगतप्राथमिकता, यथा अन्वेषणस्य, भिडियोसामग्रीणां च प्राधान्यानि, अद्यापि व्यक्तिगतपरिणामेषु समाविष्टानि सन्ति ।

GWS: अन्वेषणस्य अन्तः आरम्भः च

Google Web Server (GWS) अन्वेषणपरिणामपृष्ठस्य (SERP) प्रतिपादनस्य उत्तरदायी अस्ति, यस्मिन् १० "नीललिङ्काः", तथैव विज्ञापनाः, चित्राणि, Google Maps दृश्यानि, "जनाः अपि पृच्छन्ति" इत्यादयः तत्त्वानि सन्ति

एते घटकाः, यथा FreshnessNode, InstantGlue (24 घण्टानां अन्तः प्रतिक्रियां करोति, प्रायः 10 निमेषस्य विलम्बेन), InstantNavBoost च, पृष्ठस्य प्रदर्शनात् पूर्वं अन्तिमे क्षणे क्रमाङ्कनं समायोजयितुं शक्नुवन्ति

FreshnessNode वास्तविकसमये उपयोक्तृसन्धानव्यवहारस्य परिवर्तनस्य निरीक्षणं कर्तुं शक्नोति तथा च एतेषां परिवर्तनानां आधारेण श्रेणीं समायोजयितुं शक्नोति यत् अन्वेषणपरिणामाः नवीनतमसन्धानस्य अभिप्रायैः सह मेलनं कुर्वन्ति इति सुनिश्चितं कर्तुं शक्नोति।

InstantNavBoost तथा ​​InstantGlue अन्वेषणपरिणामानां अन्तिमप्रतिपादनात् पूर्वं क्रमाङ्कनस्य अन्तिमसमायोजनं कुर्वन्ति, यथा ब्रेकिंग न्यूजस्य, गरमविषयाणां च आधारेण क्रमाङ्कनस्य समायोजनं

अतएव,उच्चक्रमाङ्कनं प्राप्तुं उत्तमं दस्तावेजसामग्री सम्यक् SEO उपायैः सह युग्मितं भवितुमर्हति ।

क्रमाङ्कनं विविधकारकैः प्रभावितं भवितुम् अर्हति, यथा अन्वेषणव्यवहारस्य परिवर्तनं, अतिरिक्तदस्तावेजानां उपस्थितिः, वास्तविकसमयसूचनायाः अद्यतनीकरणं च अतः एतत् अवगन्तुं महत्त्वपूर्णं यत् उच्चगुणवत्तायुक्ता सामग्री भवितुं उत्तमं SEO करणं च गतिशीलक्रमाङ्कनपरिदृश्यस्य भागः एव अस्ति।

गूगलस्य जॉन् मुएलर् इत्यनेन बोधितं यत् क्रमाङ्कनस्य न्यूनतायाः अर्थः सामान्यतया सामग्री दुर्गुणवत्तायाः इति न भवति, तथा च उपयोक्तृव्यवहारस्य परिवर्तनेन अन्यैः कारकैः वा परिणामानां कार्यप्रदर्शने परिवर्तनं भवितुम् अर्हति इति

यथा, यदि उपयोक्तारः लघुतरं पाठं प्राधान्यं दातुं आरभन्ते तर्हि NavBoost स्वयमेव तदनुसारं श्रेणीं समायोजयिष्यति । परन्तु अलेक्जेण्ड्रिया-प्रणाल्यां अथवा एस्कोरर्-मध्ये IR-अङ्कः अपरिवर्तितः एव अस्ति ।

एतेन किं ज्ञायते यत् SEO व्यापकतया अवगन्तुं आवश्यकम्. केवलं शीर्षकं वा सामग्रीं वा अनुकूलनं अप्रभावी भवति यदि दस्तावेजसामग्री उपयोक्तृसन्धान अभिप्रायेन सह असङ्गता भवति ।