Google Research最近发表了一篇研究性论文，这篇论文详细介绍了一种新的搜索结果排序算法。如果将来这一算法开始实施，将会对传统排名决定因素的影响造成很大改变。短期内，这项研究让我们进一步了解了谷歌所提的提高内容相关性的算法更新。
新算法简介
Google Research在第六届国际学术会议上以通过Twitter发布了这一新算法研究论文。
论文题目是：正确提出问题：强化学习 重塑问题【Ask The Right Questions: Active Question Reformulation with Reinforcement Learning】
这篇论文讨论了一种将查询问题重塑后再提交给搜索引擎的方法。Google其实已经在实施了查询问题的重塑和提炼，这是方法中的一种。
这一算法的创新在于这是一强化学习的机器学习算法，而且这一算法并不了解排名系统如何工作。他是通过一个黑盒子提出问题并学习。这一算法通过一个学习系统重塑用户查询，向搜索引擎提出诸多相关问题，然后在诸多答案中选择最合适的答案。
该算法如何工作
如下是该研究论文的一个截图，它总结了这个机器学习算法的工作原理:
用户提出问题，然后该机器学习算法（也就是图中所示：Agent）将这一问题重新表述为多个问题并提交给排序算法。排序算法给出结果集，机器学习算法在众多结果中选择最佳答案呈现给用户。
该研究论文指出：面对复杂的信息需求，人类通过重塑问题，多重研究，整合答案来规避不确定性。受到这一启发，我们通过Agent（代理）来执行这一过程，Agent介于用户和后端QA系统之间，也就是图中所示：Environment（知识库）。
我们把这一代理称之为AQA，它是一个积极回答问题的策略。AQA旨在通过向知识库发送重塑过的问题以最大化获取正确答案的几率。
Agent通过提出诸多相关问题和整合诸多答案来寻找最佳答案。Environment（知识库）的内部对Agent来说是不可用的，所以它必须使用黑盒来探测最优问题字符串。
为何该算法如此重要
该算法让我们了解了机器学习方法的一种，称之为强化学习。强化学习算法已经被用于机器学习如何玩围棋，玩电玩，比如Doom（毁灭战士）。
SEO对这一特别算法很感兴趣，因为它可以在用户和规则排序算法之间插入一个新的算法，并最终做出决策。因此，不同的是排序算法是决定搜索引擎结果页显示哪些内容，这一机器学习算法是决策最佳答案的。
这种排名是和SEO论坛传统上认为的网页排名是不同的。传统的理解是，决定搜索结果中排名1到10的因素有链接，网页标题，锚文本等等。
链接对于排名是一个很重要的因素。但是，通过这种算法，链接是有助于网页的排名，但不再是决定性因素。
这一新算法的工作是决定哪些页面最适合回答某个问题。
你是否见过一个链接少的网页排名高于那些链接多的网页?这很可能是在用户和排序算法之间有一个决定哪个网页提供最佳答案的算法。
排名因素该如何处理？
排名算法不再是网站排名前十的决定性因素，这也是排名因素研究有数百万结果却并不准确的原因。排名因素研究认为排名因素对搜索结果前十的网站负有责任。
但排名因素并不是总能决定排名前十的因素。因此排名因素研究也并不完全可靠。
虽然这一特定算法目前还没有被使用，但是已经有其他的算法通过设置排名算法的结果来执行类似的功能，并使用不是排名因素的因素来重新排序SERPs（搜索结果页）。
重新排列搜索结果并不是一个新想法。微软在2005年发布过一篇学术论文，名为：【Improving Web Search Results Using Affinity Graph】（利用关系图表来改善搜索结果）。这一算法的目的在于为用户模糊搜索查询提供更准确的答案。
这一算法对SEO有何影响？
这一算法可能会影响SEO的未来，搜索结果会更加强调满足用户的搜索意图。这一改进又称之为提高内容相关性。因此，当Google宣布内容相关性的算法更新时，通过研究竞争排名胜出的网站就会知道一个网站丢失排名的最佳答案。对于这类更新，如果只是按照传统简单的研究丢失网页排名的网站的内容，是很难找到排名改变的原因的。
（编译/全球搜 晓风）
了解更多资讯，欢迎致电全球搜全国服务热线： 4 0 0 – 8 6 – 2 5 6 6 0
也可以扫描下方的二维码，关注我们的公众号，获取更多有用资讯
