الگوریتم رنک برین Rank Brain از مهمترین الگوریتم گوگل می‌باشد که باعث پردازش بهتر داده‌ها و نمایش بهترین نتایج و رتبه‌بندی شد. درواقع در نسخه های ابتدایی الگوریتم های گوگل توجه ویژه‌ای به کلمات، نحوه نگارش حضور آنها در صفحات اینترنتی می‌گشت. به بیان دیگر الگوریتم پنگوئن ، پاندا و سایر الگوریتم ها سعی می‌کردند بهترین ارتباط میان عبارت جستجو شده و کلمات کلیدی صفحه را برای کاربر بیابند.
همین موضوع باعث شد تا مدیران وب‌سایت ها از این شرایط سوء‌استفاده کنند و با تکرار یک کلمه در قسمت های مختلف صفحه، شانسشان را برای کسب جایگاه بهتر در نتایج جستجو افزایش دهند. در نتیجه بار دیگر محتواهای کم ارزش فضای وب را به خود آغشته کرد. الگوریتم Rank Brain برای این منظور معرفی شد. تا به جای تمرکز به خود کلمه، مفهوم آن شناسایی شده و صفحاتی با بهترین و نزدیکترین مفهوم به جستجو کاربر پیشنهاد شود. به بیان دیگر رنک برین باعث شد تا مفهوم کلیدی جایگزین کلمه کلیدی گردد.
الگوریتم رنک برین در عمل یک الگوریتم کمکی برای الگوریتم مرغ مگس خوار گوگل محسوب می‌شود. این الگوریتم بر پایه هوش مصنوعی (AI) و با استفاده از الگوریتم های یادگیری ماشین طراحی شده است.
فهرست مطالب
الگوریتم های یادگیری ماشین Machine Learning
همانطور که اشاره شد الگوریتم رنک برین با استفاده از Machine Learning طراحی شده است. درواقع یادگیری ماشین بدین معناست که یک کامپیوتر بجای آموزش توسط انسان و یا بهره‌گیری برنامه هایی با جزئیات فنی دقیق، به طور خودکار نحوه کارکرد چیزی را یاد بگیرد. الگوریتم های یادگیری ماشین در پروسه کار خود به بررسی و تحلیل داده های موجود می‌پردازند و با استفاده از هوش مصنوعی سعی در آموزش و یادگیری از نتایج و آزمایش های خود دارند. به بیان دیگر با همکاری الگوریتم یادگیری ماشین و هوش مصنوعی، کامپیوترها و موتورهای جستجو هرروز چیزهای جدیدتری یاد می‌گیرند و هوشمندتر می‌شوند.
بررسی نحوه عملکرد الگوریتم رنک برین
پیش از آنکه الگوریتم رنک برین معرفی شود، تیم مهندسی گوگل یک الگوریتم ریاضی ثابت و همیشگی را تعیین کردند تا با استفاده از آن جایگاه نتایج جستجو مشخص گردد. درصورتی‌که الگوریتم Rank brain دائماً در حال بروزرسانی، تغییر و یادگیری است. همین موضوع سبب شد تا نتایجی به کاربران نمایش داده شود که بیشترین شباهت ممکن را به عبارت جستجو شده دارد.
همچنین در عمل Rank brain می‌تواند الگوریتم های دیگر را تشخص و یادبگیرد و در مقایسه با الگوریتم مرغ مگس خوار گوگل پیشرفته‌تر است و عملکرد بهتری در بهبود نتایج جستجو دارد. باتوجه به ادعای گوگل، رنک برین به 15% از کل جست‌وجوهای آنلاین پاسخ می‌دهد و از مهمترین سیگنال های تعیین‌کننده جایگاه و رتبه‌بندی وب‌سایت ها محسوب می‌شود. در حال حاضر Rank brain سومین عامل تاثیرگذار در تعیین نتایج، پاسخ به درخواست جستجوی کاربر و رتبه‌بندی سایت ها می‌باشد.
به طور کلی عملکرد رنک برین بر دو محور جریان دارد: 1. شناسایی مفهوم کلمه کلیدی 2. بررسی رفتار کاربر پس از نمایش نتایج. در ادامه به بررسی هر کدام از این موارد می‌پردازیم.
1. شناسایی مفهوم کلیدی براساس عبارت جستجو شده
الگوریتم رنک برین همواره با هوش مصنوعی، تعداد بسیار زیادی از سیگنال ها را برای رایانه ها قابل درک می‌کند. این الگوریتم هنگامی که با کلمه یا عبارت ناآشنایی روبرو می‌شود، شروع به حدس زدن در مورد آن کلمه و یا عبارات مشابه با آن می‌کند. برای این منظور، رنک برین به دیگر کلمات استفاده شده در عبارت مورد جستجوی کاربر دقت کرده و به تفسیر معنای آنها می‌پردازد.
سپس با بررسی لوکیشن کاربر، تاریخچه جستجو، علایقی که کاربر درگذشته از خود نشان داده و مواردی از این قبیل، به رتبه‌بندی نتایج جستجو برای نمایش در صفحه اول گوگل می‌پردازد. در نتیجه به بیان دیگر می‌توان گفت که Rank brain، مدلی برای تفسیر عبارت جستجو شده توسط کاربر است.
2. الگوریتم رنک برین ، بررسی رفتار کاربران پس از نمایش نتایج جستجو
البته عملکرد الگوریتم رنک برین تنها محدود به شناسایی مفهوم عبارت جستجو شده توسط کاربر نیست. بلکه حتی پس از نمایش نتایج جستجو تلاش می‌کند تا میزان رضایت کاربر را از آنچه نمایش داده شده بسنجد و بررسی نمایید. در واقع رفتار و عملکرد کاربر در صفحه نتایج جستجو به این الگوریتم کمک می‌کند تا درک بهتری از مفهوم مورد نظر او داشته و رتبه‌بندی نتایج جستجو را با توجه به همین موضوع تعیین نماید.
هنگامی که کاربر در موتور جستجو گوگل اقدام به جستجویی می‌نماید. رنک برین شروع به زیر نظر گرفتن و بررسی رفتار کاربر و جایگاه صفحات می‌نماید. در این پروسه فاکتورهایی نظیر عبارت جستجو شده، مشخصات کاربر و نتایج نمایش داده شده توسط گوگل ذخیره می‌شود. بعد از نمایش نتایج جستجو، سایت هایی که توسط کاربر انتخاب می‌شوند و زمان حضور کاربر در هر یک از آنها بررسی شده و در آخر میزان رضایت از این صفحات سنجیده می‌شود.
لازم به ذکر است که برای دستیابی به چنین عملکردی، تنها بررسی رفتار یک کاربر موردنظر گوگل نیست. بلکه همین فرآیند برای هزاران کاربر دیگر تکرار شده و با توجه اطلاعات جمع‌آوری شده در مورد تغییر رتبه‌بندی نتایج تصمیم‌گیری می‌شود.
