我认为，越来越明显的是，谷歌图谱的相互越来越成为一个临时的应答机器，因此搜索查询的含义变得比纯粹基于关键字的搜索查询解释越来越重要。
以前的信息检索方法仅限于搜索查询中出现的术语，并将它们与各个术语出现的内容进行比较，而不考虑术语之间的上图谱的相互下文联系，从而确定实际的含义。
新本质上旨在通过将搜索实体与
实体数据库（知识图谱）进行比 手机数据 较来识别搜索实体，根据相关实体之间的关系确定上下文，并识别搜索查询和文档的含义。为了规范和简化搜索查询，它们被改进和重写并提供语义注释。
谷歌对信息检索的重新思考，促成了知识图谱的推出， 2013 年蜂鸟更新，2015 年Rankbrain的推出，这一系列的创新，是直接相关的，在流程上也是相互关联的。
- Rankbrain 负责从同 义词、歧义、含义（意图）和意义（扩展）的角度解释搜索查询。特别是对于新的搜索查询、长尾关键词、模糊术语以及语音搜索和数字助理框架内的流程处理，Rankbrain 是查询处理的图谱的相互核心元素。
- 知识图谱中记录的实体和事实，例如 你想去哪里 实体之间的属性和关系，既可用于确定结果的相关性，也可用于处理搜索查询（查询处理），例如通过评论（注释）用知识图谱中的事实丰富文档和搜索查询。这使得搜索查询以及文档或内容中的各个段落和句子的含义能够得到更好的解释。
- 蜂鸟算法负责根据内容的含义和目的将其聚类到不同的语料库中，并根据相关性（即排名）对结果进行评估或评分。
所有三个模块中的连接元素都
是实体。它们是最低公分母。向量空间分 粉絲數據 析或词嵌入以及自然语言处理在 Rankbrain、BERT 和 MUM 中发挥着核心作用。得益于机器学习的进步，谷歌可以越来越有效地利用这些方法，从纯基于文本的搜索引擎发展为语义搜索引擎。
事物不是字符串！