语义网络对 SEO 的重要性：使用查询和文档模板创建语义内容网络 - 案例研究

已发表: 2022-01-11

语义网络与知识库的概念相关联，该知识库可以表示具有关系连接的事物的真实世界信息。一个知识库可以有数千种关系类型，涉及数十亿个实体和数万亿个事实。语义网络可以从具有诸如重量、大小、类型、气味或颜色等相互特征的任何现实世界中创建。语义网络和语义网之间的关系是由语义搜索引擎和优化创建的。

语义网络用于语义解析、词义消歧、WordNet 创建、图论、自然语言处理、理解和生成。通过提供语义内容网络，语义网络的观点可以在语义搜索引擎优化中使用。

在这个 SEO 案例研究中，将基于 Query、Document、Intent 模板和它们背后的实体属性对来解释两个不同的网站，使用两种不同的方法，具有相同的视角。

通过了解搜索引擎如何表示知识以及它们如何扩展其知识表示，我能够利用它来产生令人难以置信的排名结果。了解基本概念后，我将解释我如何将它们应用于两个不同的网站，然后我将详细介绍我使用的方法。

语义网络如何帮助您的网站排名？

下面，您将找到项目 I 的整体原始结果。

项目一的结果是 IstanbulBogaziciEnstitu.com。 为了证明“语义网络”可以用于带有查询和文档模板的 SEO，我将演示来自 Project One 的两个不同的内容网络。 由于语义内容网络二，项目一将在不久的将来取得更好的结果。 客户端将负责推出第二个网络，但我也会解释它的逻辑。

17 天后，项目 I 的进展如下：

17天后，语义内容网络的重新排名过程更加清晰。

语义内容网络概念帮助我们理解查询、搜索意图、行为和文档模板对来自同一类型的实体的价值。在这个以语义网络为重点的 SEO 案例研究中，之前的主题权威和语义 SEO 案例研究将通过两个使用围绕相同实体类型的语义创建的内容网络的新网站进行深化。

这是第一个项目的 SEMRush 图形。 还必须提一下，这个网站已经失去了六月广泛的核心算法更新，如果它不失去它的“Rankability”，结果会更好。 下一次广泛的核心算法更新，拥有更好的话题权威性、覆盖率和历史数据，可以轻松恢复“Rankability”。

第二个项目的名称是 Vizem.net。与 Project One 不同的是，您可以看到 Vizem.net 的增长缓慢但稳定。这是因为他们使用的语义内容网络的观点略有不同。下面，您可以看到第二个项目的 Ahrefs 结果。

第二个项目的结果代表了一个“缓慢的重新排序过程”，逐渐提高了主题覆盖率和权威性。 术语“重新排名”和“初始排名”将在与语义内容网络相关的概念之后进行解释。 如果您意识到图形内部的“稳定性”，那是因为我已经停止在源中发布新内容。 而且，它会影响重新排名过程，正如您从前 3 个查询计数的计数中所意识到的那样。 “Momentum”和“Re-ranking”关系可以在基本概念的解释之后找到。

下面，您可以找到 Vizem.net 的 SEMRush 结果。

该网站的实际流量是 SEMRush 中所述数字的 3 倍。 您也可以在这些图中实现相同的“稳定性”和“动量”概念。

在撰写主题权威 SEO 案例研究时，我感谢 Bill Slawski 教育了我的观点。我也在语义内容网络 SEO 案例研究中重复一遍。要理解“重新排名”和“初始排名”的概念，应该阅读“搜索引擎可能重新排名搜索结果的方式”。

2021 年 3 月 18 日，Oncrawl、RankSense 和 Holistic SEO & Digital 发布了 Python SEO 和数据科学网络研讨会。 在网络研讨会中，已记录 SERP 以动画化结果差异。 可以看出，搜索引擎会以相似的频率改变某些来源的排名。

在我继续之前，我知道这是一篇很长的文章。但是，实际上这是对高度复杂的 SEO 方法的简要说明。语义内容网络在设计时需要太多的思考，需要对客户、作者进行数月的教育，以及入职培训。因此，在本文中，我想重点介绍具有最佳可执行简要建议和重要 Google 以及其他搜索引擎专利、研究论文的概念的定义以及它们自己的概念。在长版（基本上是一本书）中，我专注于语义内容网络的“初始排名”和“重新排名”。

从 2020 年 2 月 11 日起，Glenn Gabe 为搜索引擎视觉上的重新排名和测试方法提供了一个很好的例子。

如果您想了解更多信息，请阅读“初始排名和重新排名对 SEO 的重要性”。

为了深入研究 SEO 案例研究的真实数据，理解语义内容网络的概念应该从搜索引擎理解 - 通信的角度来处理。

作为 Vizem.net 的重新排名示例，更新的情况可以在上面看到。 在 SEO 案例研究的未来部分中，将会有更多关于 Google 用于 SEO 的 Re-ranking Algorithms 的解释。

什么是语义网络？

语义网络可用于连接和分析物联网。它有助于识别技术市场中的潜在买家，或者仅用于关键字网络创建和聚类的共词分析。语义网络可用于支持导航和揭示关系结构，或一件事对另一件事的相对重要性。语义网络具有以下组件：

词汇语义：了解哪些词和概念与哪些其他词和概念相关联，有什么区别。
结构组件：通过什么信息了解哪个节点连接到哪个边。
语义成分：事实的定义。
程序部分：有助于在组件之间建立进一步的连接。

由于语义网络是多用途的，NLP 算法也可以用于非常多样化的目的，例如帮助识别复杂的健康问题。相同的语义网络结构可以在多个其他区域中实现，只要这些其他区域之间具有语义关系即可。

第一个项目最近 6 个月的比较。

什么是知识库？

知识库是具有机器可读形式分类的信息库。知识库可以用作百科全书，可以根据查询进行缩小和深化。基于命题、事实抽取和信息抽取可以形成知识库。语义网络和知识库之间的关系是语义网络中的所有内容在提取事实的同时都会放入知识库中。

第一个项目最近3个月的比较

什么是语义内容网络？

语义内容网络表示基于语义网络组件和理解准备的内容网络。语义内容网络可以包括来自同一组的一个或多个实体的多个属性，以便为知识库提供更详细的信息。

在语义内容网络中，知识域术语和三元组可用于表示文档的主要目的和可能的邻域内容片段。

搜索引擎可以将其自己的知识库与可以从网站内容生成的知识库进行比较。如果网站对不同的上下文层具有较高的准确性和全面性，搜索引擎可以从网站的内容中改进自己的知识库。如果搜索引擎从开放网络上的另一个来源改进和扩展了自己的知识库，这就是高水平的基于知识的信任的信号。

基于第一个项目的最近 3 个月的同比比较。

什么是基于知识的信任？

基于知识的信任侧重于基于“信息准确性”而不是“PageRank”的开放网络。它是一种类似于 RankMerge 的算法。基于知识的信任包括三元组、事实提取、准确性检查和通过消除文本歧义来理解文本。基于不同但相关的上下文层，可以通过提供在文章中具有强连接组件的语义内容网络来获得基于知识的信任。

过去 6 个月来自 GA 的 Vizem.net 有机会议。

下面，您将看到 Luna Dong 的基于知识的信任演示的示例。它显示了搜索引擎如何专注于“内部排名因素”而不是外部排名因素。它解释说，高 PageRank 本身并不能代表内容的高质量和准确性。因此，拥有 KBT（基于知识的信任）很重要。

非常感谢 Arnout Hellemans 在私人 SEO 聊天期间与我分享了这次教育讲座。 如果您想了解更多关于基于知识的信任：斯坦福研讨会 - 知识库和基于知识的信任

什么是上下文覆盖？

Contextual Coverage 和 Topical Coverage 不一样，Knowledge Domain 和 Contextual Domain 不一样。上下文覆盖表示概念的处理角度。一个概念可以根据它与其他事物的相互点来处理。例如，如果实体是一个国家，则可以处理其对环境危机的立场。如果从同样的角度处理其他国家，这意味着我们正在覆盖一个上下文域。

谷歌搜索引擎随着时间的推移建立其研究论文和专利。 上节的右引号是“上下文向量”的属性，而左节是“短语分类”的属性。 有趣的是，连例子都一样，都是“数码相机”。

这些组合的深化细节和子部分代表了上下文域中的上下文层。每个实体，无论它是否被命名，都有许多上下文域。因此，谷歌提取了更多的上下文域，用户每年搜索更长的查询。当开发自然语言处理和自然语言理解时，查询和文档在细节和上下文方面一起扩展。

BogaziciEnstitu 项目过去 4 个月的 GA 有机会议图形。 由于项目的“历史数据获取阶段”，增加的细节并不清楚被视为线性。

上下文覆盖可以通过“上下文限定符”来理解。上下文限定词可以是形容词、副词或任何其他介词，例如以“for、in、at、 during、while”开头的短语。以下与实体相关的问题在上下文域方面并不相同：

对失眠的孩子最有用的水果是什么？
对患有焦虑症的孩子最有用的水果是什么？

以下与实体相关的问题在上下文层方面并不相同：

6岁以上严重失眠的孩子吃什么水果最有用？
6岁以下低水平焦虑的孩子吃什么水果最有用？

以下与实体相关的问题在知识领域方面并不相同：

对6岁以上严重失眠的孩子最有用的书是什么？
对 6 岁以下低水平焦虑的孩子最有用的游戏是什么？

但是所有这些问题都可以在同一个语义内容网络中，因为它们都是关于相同的“概念”和具有相似搜索活动的“兴趣区域”，以及与搜索相关的现实世界活动。

搜索引擎将网络划分为不同的知识域，同时计算源、网页和网页部分的宏观和微观上下文得分。

我知道我对你有很多新概念，由于这是本文的简短版本，我无法在这里谈论所有内容，但在未来的语义 SEO 课程中，我将处理这些事情，例如“搜索活动”和“搜索相关的真实世界活动”之间的区别。

让我们继续讨论更具体的事情。

要显示 BogaziciEnstitu 项目的详细信息，您可以查看交互式图像版本。 在历史数据源事件之后，该项目对搜索引擎的测试和重新排名过程更加清晰。

MuM 与语义内容网络有什么关系？

使用统一转换器或多任务统一模型进行多任务学习训练语言模型来评估视觉输入以及文本。它能够在理解的同时生成文本。此外，MuM 与语言无关，换句话说，语义 SEO 取决于语言技能，但不限于语言。由于实体没有语言并且含义是通用的，因此 MuM 将来自多种语言和多种上下文的信息利用到一个单一的知识库中。

为了从视觉中回答问题，MuM 根据图像中检测到的对象生成问题。在不久的将来，也将能够生成与音频和视频相关的问题。

MuM 使用不同的域进行对象检测和自然语言理解，并带有一个转换器编码器-解码器结构。每个输入都来自开放网络的不同区域，而所有输入都由单个共享解码器进行评估。下面，您将能够从研究论文中看到更多示例。

需要注意的是，MuM 可以比 BERT 强 1000 倍，但 BERT 仍然在 MuM 的文本编码器中使用。 MuM 的主要优点是它可以直接用于视觉和音频，这就是为什么它可以被称为“多任务”模型的原因。第二个优点是它直接消除了所有语言障碍。第三个优点是它能够将所有东西连接到另一个东西，而不需要额外的中介。第四个优点是 MuM 也可以生成文本，这与 BERT 不同。

MuM、知识库、语义网络和上下文覆盖之间的联系是搜索引擎能够通过上下文限定符及其与可能的知识域的组合找到更多的上下文域。因此，由适当的主题图和源上下文形成的结构良好的语义内容网络可以与主题权威一起提高知识库信任度。

源的上下文是什么？

源的上下文代表两件事。来源的中央搜索互联网，以及可以通过相关搜索活动完成的中央搜索活动。对于电子商务网站，源上下文是购买特定产品或特定类型的产品。如果它是一个旅游网站，则来源的上下文是从另一个地方转到不同类型的食物、风景或只是商业的地方。基于源的上下文，语义内容网络设计和主题地图将需要进一步配置。这需要选择主题图中的中心部分，以及主题图中的补充部分。

基于短语的索引和面向实体的搜索理解基于语义相互连接。 上面，可以一起看到“命名实体消歧”和“使用短语在搜索结果中自动生成分类法”以确定“上下文”。 好的短语和主题的独特但相关的信息将有助于更好的初始和重新排名。

同样，其中一些概念，“主题图配置”，“语义内容网络设计”尚未定义，这不是合适的地方。但是，相关搜索活动已与规范搜索意图以及这些规范搜索意图的代表性短语一起进行了解释。

以语义网络为重点的 SEO 案例研究的背景

基于上述概念，我使用语义网络创建了一个 SEO 案例研究。我们将查看我在本文开头提到的两个网站项目并检查结果，以及我如何实施语义网络来生成它们。

为了让您了解这些网络的强大程度，下面列出了以语义网络为重点的 SEO 案例研究的 SEO 相关结果。

语义网络理解是创建适当主题图的必要条件。
对于这两个项目，没有使用技术 SEO 来隔离语义 SEO 的影响。
出于同样的原因，不使用页面速度优化。
不使用设计和 WUX（网站用户体验）优化。
不使用反向链接（外部参考和 PageRank 流）。
这两个品牌都没有历史数据。 Vizem.net 是全新的，BogaziciEnstitusu 的历史更悠久，但低于实际公司。
不使用 OnPage SEO 或其他垂直领域的 SEO。
这两个品牌的服务器都比之前的主题权威案例研究示例更好。

这个以语义网络为中心的 SEO 案例研究将帮助那些希望通过两种不同的方法和概念来改善语义 SEO 视角的人，这些方法和概念专注于两个不同的网站。

项目二：Vizem.net 专注于签证申请流程。 在编写、发布甚至启动这些项目之前，我已经多次向我的其他客户或合作伙伴展示这两个网站。 而且，Vizem.net 最近开始了其“主题权威”之旅。

基于语义网络案例研究的 SEO已经编写了两个不同的版本。如果您想阅读所有相关专利、研究论文和深入详细的检查、从搜索引擎的角度进行的解释，同时进一步了解搜索引擎的决策树，您可以阅读 Initial-ranking and Re-ranking SEO 的重要性超过 30.000 字的案例研究文章。如果你对SEO没有足够的理论知识和历史背景，可以继续阅读执行摘要。

下面，您可以看到 SEMRush 的第二个项目 (Vizem.net) 图形。

第二个网站的 SEMRush 图形。 Vizem.net 是一个全新的来源，针对具有高度根深蒂固的竞争对手的行业，例如“签证申请”。 特别是，由于土耳其的最新事件，该行业的竞争水平正在增加。 因此，使用语义网络视角来创建内容网络是很有用的。

第一个项目：Istanbul Bogazici Enstitusu：3 个月内有机点击增加 600%——利用历史数据和初始排名

IstanbulBogazici Enstitusu 是我执行过的最难的 SEO 案例研究之一，不是因为搜索引擎，而是因为人和我的健康问题。因此，我离开了项目，没有发布第三个语义内容网络，它旨在完成基于源上下文的语义关系。即使它没有知识领域术语和正确实施的上下文短语，它也配置了足够水平的语义连接和准确性，如果第三个内容网络是，则允许每月超过 300 万次的整体有机搜索性能未来发布，也说明了第二语义内容网络的影响越来越大。

下面，您将看到过去 12 个月在 GSC 上的 IstanbulBogazici Enstitusu 不断变化的图形。该项目于 2021 年 5 月以适当的方式启动，并通过发布两个语义内容网络于 2021 年 9 月结束。

下面你可以看到更详细的版本。从每天 1400 次点击到 140000 次点击，然后在自然搜索性能中可以看到每天 10.000 次以上的常规点击

首个内容网络上线后的流量增长见下图。

此屏幕截图显示了第一个语义内容网络的第 4 个月。

从图中可以看出，整个网站的整体流量一直受到专注于“教育分支”的第一语义内容网络的主导和影响。我通过这个网站启动的第二个内容网络可以在下面的 Google Search Console 中看到。下面的截图来自第二语义内容网络的第 16 天。

文章中使用了初始排名和重新排名，因为它们在测试源之前定义了排名算法的阶段及其类型和目的，并在 SERP 中定义了来自源的网页，用于更重要的流行查询.

第一个项目的第一个语义内容网络专注于什么？

“语义内容网络”使用知识库中的语义网络来解释知识库内事物之间的主要、次要和三次关系。因此，创建语义内容网络需要基于源上下文设计下一个语义内容网络，这是网站的主要功能。在这种情况下，第一个语义内容网络专注于“大学部门、教育分支以及特定组织和分支内大学教育的必需品”。

下面，您将找到 First Semantic Content Network 的 Ahrefs 图形。

这是上一个屏幕截图的五天后。

“根：istanbulbogazinstitu.com/bolum”，在第一个初始排名阶段之后，重新排名过程更加高效和富有成效。

您可以看到以下四天后的版本，以支持“重新排名”的性质。

第一个项目的第二个语义内容网络专注于什么？

第二个语义内容网络侧重于职业、工作、技能以及这些技能或常规的必要教育。基于第一语义内容网络，已经支持第二语义内容网络。并且，根据“查询模板-意图模板”，创建了另外两个不同的语义子内容网络，并放置在“关系连接”中，同时连接到上层相似的层级。

我知道这些部分对您来说很复杂，因为您还没有看到以下内容的定义。

语义内容网络
源上下文
语义子内容网络
知识库
关系连接
初始排名
重新排名
上下文覆盖
比较排名
事实提取

在解释了第二个网站之后，这些概念和句子就会更容易理解。

Vizem.net：6 个月内每天从 0 到 9.000 次以上的每日点击次数——利用上下文覆盖率进行比较排名

您可以查看过去 12 个月的 Vizem.net 图表。对于这个项目，由于 Covid-19，我们遇到了很多经济问题，因为投资者来自健身房行业。因此，我可以看出经济问题减缓了项目的速度，并导致“重新排序过程”出现一些延迟。

要了解初始排名并进一步重新排名，您可以使用下图。

上图中与初始排名和重新排名相关的一些定义可以在下面找到。

在未经证实的谷歌更新期间，排名大幅跃升。一些测试给出了一些精选片段，人们也提出了问题。
Google 的一些测试删除了 FS 和 PAA 收入。
每次，两次重新排名过程之间的时间线都更短。
重新排序过程每次都提高了源的 Rankability。
源总是在扩展查询集群的同时提高其相关半径。

作为一个注释，我可以在下面留下一句话。

如果搜索引擎索引您的网页，这并不意味着搜索引擎理解该网页。 索引的发生比理解更快，而且大多数时候，搜索引擎“最初”对带有预测的网页进行排名。 理解之后，就会发生“重新排序”。

Vizem.net 最近 3 个月的比较

Vizem.net 的语义内容网络如何？
我记得对于我的许多客户、朋友或秘密 SEO 小组，在会议期间，我已经通过说“它们会爆炸”来展示这两个网站。而且，在写这篇文章时，我要告诉你：

观看“istanbulbogazinstitu.com/meslek”语义内容网络，因为它会爆炸。而且，您可以找到我在撰写本文之前发布的视频，该视频展示了季节性事件的“历史数据”及其对初始和重新排名过程的影响。你可以在下面看到它。

基于此，Vizem.net 的语义内容网络与 IstanbulBogazici Enstitusu 不相似，因此，我没有使用“主题覆盖和历史数据增加的强度级别”，我需要创建与某些相关的权限这些实体-属性对的查询背后的实体类型、它们的属性和可能的操作。 Vizem.net 不仅有“教育大学分支”，也没有其中的“职业和在线课程”。它有“签证申请国家”。因此，创建足够级别的主题权威需要随着时间的推移与至少 190 个不同的语义内容网络保持一致。

2021 年 12 月 18 日的截图。可以看到展示次数和点击次数的持续重新排名和增加。这是上一张截图的 4 周后。

要查看重新排名事件，您可以比较展示语义 SEO 效果的自然搜索性能图形的裸版。

这 190 个不同的语义内容网络是根据“国家”本身来塑造的，并将国家放在主题地图的中心，并带有每个可能的上下文层，以提高搜索活动覆盖率。

SEMRush 的截图显示了他们对 Vizem.net 的看法，与其他行业参与者不同。

我还为 Vizem.net 发布了另一个视频。在这个视频中，网站的最后情况并不存在，因此，我相信它也提供了今天和那天之间的一个很好的比较。

最后，在不相关的文章、网站段或来源中发布不相关的内容会降低 Web 实体与特定知识领域的整体相关性。 Vizem.net 将显示其真正的价值，未来的 Rankability 会更好。

Vizem.net 最近 6 个月的比较。

如果您想了解更多信息，请阅读“初始排名和重新排名对 SEO 的重要性”。

到现在为止，我们已经处理了下面的事情。

语义网络
知识库
语义内容网络
基于知识的信任
上下文覆盖
上下文域和层
MuM 与语义内容网络的相关性
来源的上下文

这些概念是为了了解语义内容网络的功能，以及它们如何与主题地图一起使用。接下来的部分将是关于搜索引擎如何对语义内容网络进行排名的最初和后来的修改。在这种情况下，将处理以下内容。

初始排名
重新排名
查询模板
文件模板
搜索意图模板
您应该如何利用语义内容网络

什么是 SEO 的初始排名？

这是 SEO 的一个新术语和概念，但对于搜索引擎来说是一个旧术语和概念。 “以语义网络为中心的 SEO 案例研究”的长版侧重于基于查询依赖、文档依赖、源依赖算法和多项专利的排名算法。预测信息检索或预测排名算法试图降低计算成本。而且，即使索引在一天之内完成，理解一份文档也可能需要几个月甚至几年的时间。因此，计算初始排名是一种在降低成本的同时提高 SERP 质量的方法。一些与搜索引擎相关的任务比其他任务具有更高的优先级，以保持索引的活跃、新鲜和足够高的质量。

初始排名一词出现在数以万计不同的谷歌专利和研究论文中，因为它是搜索引擎构建者的经典观点。 因此，在上面，您可以看到具有相同段落延续的不同专利文件，以及围绕术语初始排名发生微小变化的术语。

初始排名表示文档在被索引后立即在 SERP 上的排名。文档的初始排名代表总体权威，以及源与特定主题、查询模板和搜索意图的相关性。就不同来源之间的初始排名而言，相同的内容可以有不同的排名。在使用语义内容网络查看源的整体质量和权限增加时，初始排名很重要。如果语义内容网络设计结构正确，每个新文档都会增加其初始排名，同时减少索引延迟。

初始排名支持重新排名过程及其对源的效率。并且，“来源的可排名性”应使用初始和重新排名这两个术语进行处理。

您可以从项目 I 中观看 Second Content Network 前 20 天的自然绩效变化。

在这种情况下，每当 Vizem.net 发布一个新文档，或者每当 IstanbulBogazici Enstitu 发布一个新的语义内容网络时，初始排名都会比以前更好，而内容的索引速度更快。

在这两项互补的谷歌专利之间可以看出初始排名和历史数据的重要性。 一种是基于隐式用户反馈的初始文档和重新排序文档。 The other one is for doing the same if enough level of user data doesn't exist, based on the similar queries. The similar queries are also the point that relate the Semantics. Creating a Semantic Content Network will decrease the energy for reading the mind of the website owner from the search engine's point of view.

What is Re-ranking for SEO?

The re-ranking is the process of changing a document's ranking on the SERP based on the feedback of the users, or relevance, and quality evaluation algorithms. Re-ranking frequency can signal an algorithm update, or an update on the document, or a site-wide update for a source. Re-ranking is affected by the historical data which is explained in the previous SEO Case Study that focuses on the Topical Authority. Examining the re-ranking processes and the feedback from the search engines help for the configuration of the semantic content network design. Re-ranking timelines can be shortened with the help of the actual traffic, as well as with historical data if the contextual and topical coverage is improved.

The re-ranking processes are affected by the initial ranking and the quality of the neighborhood content. The neighborhood content will affect the ranking of any strongly connected components. Re-ranking processes can signal the weak spots, and the ability of the search engine to understand certain sections of the semantic content network. If the design is correctly created, the semantic content network will continue to rise and rise in terms of organic search performance over time, and any Google Updates will confirm these processes.

Below, you can see the comparison of the Semantic Content Network 1 and Semantic Content Network 2 of the IstanbulBogazici Enstitu in terms of the initial and re-ranking.

15 October 2021, performance of the first semantic content network of the IstanbulBogaziciEnstitusu which is the 124th day of the launch.

15 October 2021, performance of the Second Semantic Content Network of IstanbulBogazici Enstitu which is the 19th day of the launch.

As you see, the second content network increases the organic query count and the rankings much faster than the first one. The Semantic Content Network 1 has the benefit of the “seasonal SEO” which gives enough level of historical data in a positive way. If there is a seasonal SEO event, the search engine will re-rank the pages, and assign the new relevance-radius and search activity coverage scores to the documents and the sources. Thus, I have chosen to use a “sudden launch” for the “university branches” first. It was the first step of the Topical Authority Building which is equal to the “historical data * topical coverage”.

The 6 Months of Growth Comparison of the IstanbulBogazici Enstitu from SEMRush.

Note: To compensate for weaknesses in the execution, I designed a Semantic Content Network 3 to unite the first two using conceptual connections by providing the source's context. If I launched it, you would see that the source would acquire more than 1,2M organic traffic based on the Ahrefs graphic, in reality, it can be more than 2M. You can see my prediction's validity from the performance of the Second Content Network. Whenever you check it, you will see that it has thousands of new queries with higher rankings.

In the first Semantic Content Network, the first 3 ranking queries appeared after 2 months' for the second one, they appeared on the 15th day. You can imagine the increase in authority. Since the knowledge base of the website is left partially incomplete, after the source loses its momentum for semantic network completion, the search engine can prioritize other sources, and it can decrease the re-ranking positivity along with the relevance-radius and Rankability.

Implementing Semantic Networks on these sites makes use of a few concepts and “templates” used by search engines. Before I tell you about the method for setting up a Semantic Network, you should also understand what these templates are and how they work. This will help you understand how search patterns and document structure impact ranking, and therefore why the method I used in this case study is so effective.

The Initial Ranking, and Re-ranking are two different ranking algorithm types for a search engine based on timing. Search engines have other types of ranking algorithms such as query-dependent, query-independent, content-based, link-based, usage-based. To be able to understand the ranking systems, and clustering-associating technology of the search engines, the query-document-intent templates, and their relation to each other should be understood.

抓取数据³

Expand your analysis with seamless connections to additional datasets. Analyze your SEO strategy based on data on backlinks, SEO traffic, rankings, and custom datasets from your CRM, monitoring solution, or any other source.

学到更多

What is a query template?

A query template represents a search pattern with ordered phrases that cover an entity for seeking factual information. A query template can have a question format, a proposition format, or an order of word types such as one adjective and one noun. A query template is useful for generating seed and synthetic queries from the point of view of a search engine. A seed query can help a search engine to choose centroids for the query clusters while helping the clustering web page documents, their types, and possible search activities for them.

Another Google Patent about “Implicit Question Query Identification” which Nitin Gupta invented along with Steven Baker. “Implicit Question Query Identification” is also related to the question generation which is connected to the “K2Q System”.

In this context, a query template can be used for feeding the search engines' historical data for creating trust. Even if a search engine doesn't understand all aspects of a query, or a document for it, still some certain sources can be ranked earlier and better than others because of the document templates. If a source satisfies queries from a template, the search engine will rank the specific source for these types of queries from the same template better initially and during the re-ranking processes. Thus, on the web, we have sources that only focus on a single vertical with a single query template, like Wikihow, or GiftIdeas.

“Query Suggestion Templates” is one of the documents that explains how a search engine can generate query templates based on query logs. Since, Nitin Gupta is one of the inventors of this patent, it has more value for me.

A query template can be used for creating a successful semantic content network, but in page contextual domains, and connections should be configured properly for connecting multiple semantic content networks for multiple query templates.

Note: The topic Query Templates, Intent Templates and the Document Templates are closely related, and another SEO Case Study will be published to demonstrate further details about it.

A section from the Representation Learning for Information Extraction
from Form-like Documents of Google for extracting information from templatic content.

What is a document template?

A document template can signal the purpose of a web page based on the design elements, or even the request size, count and types. If a web page has too much JS, it can be a js-dependent website, or the interactivity needs can be higher than others. This can be confirmed easily by just checking the event-listeners on the web page, or input types, and API endpoints. When it comes to thinking like a search engine, remember that the web is a chaotic place. And, everything possible for understanding the users, especially if the users are Markovian , meaning that they are more influenced by the current page than their history of navigation.

A section that explains how a search engine can use the document templates to see a user's interest area.

Did you know that Prabhakar Raghavan, the VP of Search on Google, also has a research that asks the same question? “Are Web Users Markovian?”.

A section from the “Are web users Markovian?” research paper.

对，他们是。概率排名和降级相关性排名是语义搜索引擎的主要列，用于了解用户并创建为可能性状态准备的最佳可能最高质量的 SERP。

此前，为了让“网站设计、外观或色调”成为网站表示学习的一个论据，Bill Slawski 编写了“网站表示向量”。

什么是搜索意图模板？

搜索意图模板可以由查询模板背后的需求来表示。查询文档模板可以基于意图模板进行联合。拥有一个具有可能的“降级相关性排名”和“概率排名”理解的搜索意图模板将有助于创建最佳的搜索活动和具有正确顺序的搜索意图覆盖。在创建语义内容网络时，最重要的是根据源上下文调整document-query-intent模板，通过提高上下文覆盖率来完成基于知识域的语义网络，从而提高基于知识的信任度和话题权威性.

Google 的“Query Refinements based on Inferred Intent”一节。 它通过查询集群和具有语义连接的意图模板工作。 您可以在不同的短语分类级别上体验它。

在继续讨论一些具体示例以及帮助您创建更好的语义内容网络的建议之前，我必须告诉您，即使是这个 SEO 案例研究的简单版本也需要高水平的搜索引擎理解和沟通技巧。因此，即使我觉得我提供了高级信息，但我知道我将创建的语义 SEO 课程将向您展示更多更好的具体示例。

同一专利解释了不同“查询路径”和“上下文转换”之间的正确联系。

关于利用语义内容网络，您应该了解什么？

要创建语义内容网络，有时即使是简单的语义内容简介和设计也可能需要一个小时，如果您根据词汇语义或实体和短语之间的关系类型放置所有相关细节。同时使用多个角度，例如基于短语的索引，以及用于计算内容整体与上下文域的上下文相关性或基于各个子内容类型的相关性的词向量或上下文向量，它需要高水平的语义搜索引擎理解。

因此，使用生成方法将使我在上面向您解释的概念变得更容易，因为即使您准备好每个语义内容网络部分，作者和作者也无法编写它，或者内容管理者将无法遵循您的愿景。因此，在我以足够生动、可审核的方式证明了这个概念之后，它可能会让你一无所获，并让你像我对其中一些 SEO 案例研究项目所做的那样离开一个项目。

下面的建议仅适用于对您有帮助的简单可执行和简短的步骤。

1. 不要使用来自每个语义内容网络网络的固定侧边栏链接

每个链接都应该有两个超文本文档之间的连接描述，就像网页中的每个单词一样。语义 HTML 使用可以帮助指定文档在网页上的位置和功能，同时帮助搜索引擎根据上下文对各个部分进行不同的加权。

在 Vizem.net 示例中，我没有使用相同的侧边栏设计。侧边栏没有显示最新的帖子或最关键的帖子。侧边栏只显示中心实体的属性，它们不是固定的，它们是动态的。换句话说，基于主题图中的层次结构，语义内容网络网络即使在侧边栏中也会发生变化。

考虑合理的冲浪者和谨慎的冲浪者模型可以帮助 SEO 在不同的超文本文档之间建立更好的相关性。

此外，链接以显着性为准，流行度应遵循来自最佳可能连接的源上下文。下面，您可以看到带有调整后的语义 HTML 代码的侧边栏部分。

根据在用户会话中处于活动状态的文章的层次结构、选项卡、选项卡的顺序、选项卡内的链接将发生变化。上面的示例来自下面的面包屑层次结构。

2. 使用 PageRank 支持语义内容网络

即使外部PageRank不是必须来自外部来源，如果您能够使用它，您会意识到初始排名和重新排名会更好。对于这两个项目，我都没有使用它们，但这一次，它不是目的。对于 Vizem.net，存在经济问题，我不想将预算花在数字公关和外展上。对于伊斯坦布尔 BogaziciEnstitusu，我安排了几个“本地互联资源”来支持特定主题的资源的真实性，但由于预算和组织纪律问题，该公司再次无法实施。

检测特定于查询的重复文档是搜索引擎的一个重要观点，因为 PageRank 可以帮助将文档过滤为有价值的文档，即使它是重复的。 由于高度组织化的语义内容网络可以彼此相似，因此 PageRank 流和历史数据很有用。

在为这些类型的语义内容网络选择外部 PageRank 流点时，请使用具有历史数据的源。就我而言，在我启动和发布第一个语义内容网络之前，我已经安排了这些 PageRank 端点。这样，我可以从直接竞争对手那里获取外部参考，但是当我发布语义内容网络时，竞争对手放弃了链接源，因为他们看到了作为竞争对手的源的大量增加。

这种情况给我们带来了第三个建议。如果我们能够使用来自外部参考的 PageRank 流，重新排名的过程会更快，初始排名也会更高。

3.为突出的语义内容网络部分使用来自页脚、页眉和主要内容的不同锚文本

从搜索引擎的角度来看，锚文本或“链接文本”表示超文本文档与另一个文档的相关性。根据PageRank的原始文档，链接数与PageRank流量成正比。但是，后来谷歌改变了这一点，以防止“链接填充”，并限制了实际上可以通过 PageRank 的链接。基于此，开发了 TrustRank、Cautious Surfer、Hilltop Algorithm 或 Reasonable Surfer 模型。

这是 BogaziciEnstitusu 的两个不同语义内容网络的两个链接，但由于我没有实施技术 SEO 或 UX 改进，您可以意识到按钮设计的“便宜”。

根据谷歌的说法，同一个链接不能第二次将PageRank传递给另一个网页，而PageRank只能从第一个链接传递。并且，在PageRank算法的原始形式中，超文本文档可以链接自身以提高其PageRank，或者可以使用301重定向来获取链接目标文档的PageRank。这两种情况都创建了旧的黑帽技术，例如将网页临时重定向到另一个网页，以获取其 PageRank。这是从 SEO 能够从 Google Search Console 或 SERP 查看网页的 PageRank 的日子开始的。后来，谷歌开始通过每次重定向来抑制 PageRank，而 Danny Sullivan 解释说 301 重定向将完全通过 PageRank。除了所有这些变化之外，重要的是即使第二个链接没有通过 PageRank，它仍然通过了链接文本的相关性。

语义内容网络的突出部分已根据“中间查询细化”从主页链接，其中包括“动词、谓词”或“搜索者的活动”。

因此，语义内容网络的突出部分应该从页眉和页脚菜单与更高的分类部分链接，并且链接文本应该彼此不同。在这些示例中，我使用了带有突出但短链接文本的页眉链接，而我将页脚示例保留了更长的时间。

“网络爬虫系统中的锚标记索引”的一部分，它总结了锚文本和注释文本在查询集群和网页集群中定位网页的重要性。

如果语义内容网络部分过于突出，无法正确传递 PageRank 和爬网优先级，我已将最重要的部分与适当的链接文本链接起来，并且解释性段落包含具有相关 N-Gram 的不同变体的突出属性。

这是 Vizem.net 主页上的第二个链接区域，它位于手风琴后面，重点关注查询中的国家/地区，并链接语义内容网络的中间部分。

注意：在锚文本周围，始终使用有计划的“注释文本”来提高链接目的的准确性。

4.限制链接数限制和匹配桌面和移动链接和主要内容

这两个项目都被限制为每个网页的内部链接少于 150 个。在语义 HTML 的帮助下，链接的位置和链接的功能对爬虫来说是很清楚的。 IstanbulBogazici Enstitusu 每个网页有 450 多个链接，其中一些是自链接（从同一页面到同一页面的链接）。最糟糕的是，这些链接中有一半不存在于内容的移动版本中。

URL Keep Score、Crawl Score 和其他类型的分数可用于确定链接在内部 URL Map 中的显着性，并且不同层内的文档标识标签可用于根据与查询无关的相关性分数对索引进行排序。

由于谷歌使用仅移动索引，如果内容不存在于移动版本中，它将被忽略，并且不用于相关性评估和排名目的。因此，移动和桌面内容已被配置为相互匹配。即使谷歌容忍桌面和移动版本之间的内容不匹配，它仍然使搜索引擎更难理解和排名网页。

搜索引擎可以为网站生成站点地图，如果链接和 URL 元数据在用户代理或时间线之间不匹配，则可以循环重新生成该站点地图。 因此，保持爬行路径短、爬行队列简短和内部链接一致很重要。

除了不同网页之间的链接外，网页子部分的链接也与“内容表”和“URL片段”一起使用。这些 URL 片段在正确命名时以网页的特定子部分为目标，并且该特定部分已放入带有 h2 的部分标记中。借助带有“页内导航链接”的 URL Fragments，将用户从 SERP 引导到网页的特定部分更加容易，同时内容的底部部分更加突出以满足背后的需求询问。

5. 为您的 SEO 项目制定军事级别的纪律

这完全是另一个话题，可以写另一篇文章来定义军事级别的纪律意味着什么，或者为什么它对 SEO 项目有用。但是，我必须告诉你，在过去的两个月里，我已经培训了很多 CEO，以及来自其他机构的 SEO 以及他们的团队，看看我的课程设计是否会运作良好。

每当我看到成功，以及对我所进行的教育课程的高度把握时，就会有强烈的意志和毅力。主要问题是语义搜索引擎优化比其他垂直搜索引擎优化要困难得多。技术 SEO 是通用的，它甚至为每一步都编写了指南。 OnPage SEO 或 WUX 和布局设计可以通过数字测量进行跟踪。说到语义，它是将基于复杂自适应系统工作的机器的视角与不了解机器如何工作的智人结合起来的实践。

这种区别需要一个具体的基础，应该从项目的第一天开始。大多数时候，我使用以下规则。

内容设计和语义内容网络对于作者或作者来说不必是合乎逻辑的。
内容管理员的任务是审核内容与内容设计的兼容性。
作者的任务是编写包含高度准确性和详细信息的相关信息的内容。
链接、定义、证据、比较、命题、参考应该用具体的例子，而不是绒毛。
每个不必要的词都是对上下文和概念的稀释。

当您阅读时，它可能听起来很容易实现，但并不那么容易。因此，我可以说我什至要解雇我自己的一些员工。我很高兴我没有，至少现在是这样。在正常情况下，您会被问到很多问题，如果问题所有者不是 SEO 或公司所有者，请不要回答。将您的精力保存到搜索引擎的数据存储中，该存储将存储您的积极反馈，而不是对排名的多余和不相关的反馈。

6. 扩展具有上下文相关性的来源

本节完全是关于了解 Google 对创建 MuM 的需求。当您设计主题地图时，它将包含许多语义内容网络，这些网络将提供更好的站点级知识库。因此，在发布这些子部分时，它们应该能够连接到源的上下文，或者它可以改变搜索引擎如何看待源，并且网站的主题可以切换到另一个知识域。例如，将概念和兴趣领域周围的事物与可能的行动联系起来，需要了解复杂含义之间的联系。让用户、作者和机器同时了解这些连接是语义内容网络创建的过程。

为此，网站的每个新部分都应该能够连接到主题地图的中心部分。这些上下文桥梁可以从 Google 自己的 LaMDA 设计和解释中看出。

我遇到很多问题，例如“我应该写另一个话题吗”、“如果我有两个不同的领域，会不会有害？”。如果将所有这些子部分、网站段连接为强连接组件，这些语义内容网络将相互支持以获得更好的排名，而不是划分品牌标识和两个不同且不相关主题的主题权威。

7. 使用 Google Analytics 自定义细分创建实际流量和审计

实际流量连接到 RankMerge 的方式与基于知识的信任连接到 PageRank 的方式相同。很快，我正在考虑写另一篇题为“当 PageRank 撒谎……”的文章来解释为什么搜索引擎会试图通过侧信号影响 PageRank。事实上，PageRank 并不是显示来源权威、专业知识和可信度的明确信号。它可以是排名的信号，也是一个因素，但不能单独信任。 RankMerge 是将网站流量和 PageRank 以一种网站对搜索引擎有意义的方式结合起来的过程。高 PageRank 和低流量可以表示“不受欢迎的流量”或“PageRank 操纵”。

因此，为了改进来源的历史数据，我使用了季节性 SEO 事件，并增加了“品牌 + 通用术语”查询。直接流量和添加书签的网页随着实际和真实流量的增加而增加。

这些类型的数据有助于搜索引擎信任它，因为它在 SERP 上的排名越来越高。

为了能够审核来自语义内容网络的这些实际流量，SEO 可以从 Google Analytics 创建一个自定义细分，以查看它们是如何作为直接流量而来的。此外，可以创建自定义目标，例如创建从第一个语义内容网络到第二个内容网络的可能搜索旅程。这是围绕兴趣、概念和可能的搜索相关动作构建语义网络的概念证明。

下面，您将仅找到一个网页示例，该网页位于第一个语义内容网络中，用于展示通过自然流量获得的直接流量。

在过去 3 个月中，只有一个来自第一个语义内容网络的网页被 49.000 个自然用户使用。并且，12.900 额外的用户是第一次通过自然搜索获得的直接流量。而且，这些用户细分的会话/页面指标和平均会话持续时间更高。

如前所述，搜索引擎可以对查询、文档、意图、概念、兴趣、操作进行聚类，还可以对用户进行聚类。如果一个用户群在创造品牌价值的同时，通过将这些网页添加到书签、直接输入地址栏、搜索通用术语和品牌名称等方式留下了积极的反馈，则表明来源提高了其权威性，搜索引擎能够识别来自 SERP、Chrome 和它自己的 DNS 地址的所有内容。

在上面，您可以看到 First Content Network 的用户群。您可以为每个具有自定义目标的语义内容网络创建用户细分，也可以为语义子内容网络添加子用户细分。

8. 支持基于搜索活动的带有子部分的语义内容网络

这部分也是关于实体属性解析，以及另一个主题的分析。但是，简单地说，这些基于上下文域的实体的某些属性应该放在较低的层次结构中，而不是放在较高的层次结构中。在这种情况下，“Vizem.net”可以给出一个更好的例子，而对于 Bogazici Enstitusu，它可以通过“职业工资”和“大学考试分数”来展示。这两个突出的属性已根据查询和文档模板放置到语义子内容网络中。

从搜索查询中识别语义单元是谷歌的另一项专利，它将短语划分为不同的语义类别，并根据文档与查询的所有变体的接近程度来聚合文档的相关性。

在之前的 SEO 案例研究中，我没有遵循这种类型的结构，而是根据“年表”和严格限制的内部链接创建了爬网路径。在这些文章中，主要内容放置的内部链接数量高于上一篇。

9. 在 URL 中使用主题词

如果 Google 在没有任何规范化信号的情况下遇到具有相同内容的两个不同 URL，它会选择较短的 URL 作为规范化 URL。因为，短 URL 更容易解析、解析和请求。当您拥有每天刷新数十亿次的数万亿网页时，即使是 URL 中的字母也可以显示网站的“成本/质量平衡”。正如我之前所说，“检索成本”应该低于“不检索成本”。如果您想被搜索引擎理解，您应该将“有序和互补的上下文信号”放到每个级别，包括 URL。

通过证据聚合进行的“基于证据”排名的一部分。 它解释了如何将答案与问题匹配。

在这种情况下，大多数时候，我在 URL 中使用一个单词。这些可以反映语义内容网络的层次结构和结构。有些人仍然认为 URL 中的“层数”会影响爬取频率，在 2019 年之前，确实如此。但是，只要内容有意义，并且满足来自热门或突出主题的用户，就不会受到这种情况的影响。

为了演示它，您可以按照下面的示例进行操作。

根域/semantic-content-network-1/type-1/sub-content-network-part-for-type-1
根域/semantic-content-network-2/type-2/sub-content-network-part-for-type-2

这两个语义内容网络可以从同一层次结构中相互链接，并且它们也可以基于相关性来链接自己。这里还有更多我们可以讨论的内容，例如“Entity Grouper Contents – Hub 类型内容”，但这是另一天的话题。

注意：计划中的第三语义内容网络也可以作为“概念分组内容网络”处理。而且，如果它发布，在第二语义内容网络的作用下，整体有机流量每月可以超过 300 万次会话。

10. 理解嵌套和连接的区别

作为一种实际的方法学差异，连接是基于上下文域将相似的事物相互连接，而嵌套是将具有相同目的的相似内容组合在一起。这种聚类将帮助搜索引擎更快地找到彼此相似的内容，并为这些组创建源质量分数，或者这些基于语义网络的嵌套内容将更容易。

想象有如下两条不同的爬网路径。

爬取路径 1：随机遇到 URL，没有模板、相似性和上下文相关性。
抓取路径 2：遇到即使从 URL 本身也有意义的 URL，具有基于上下文的模板、高度相似性和相关性。

如果即使从爬取路径来看，内容是有意义的，那么“初始排名”和“重新排名”会更好，这要归功于“基于对搜索引擎的覆盖理解的重新排名触发”。

注意：以正确的方式使用带有短语分类的内部链接对于嵌套和连接很重要。

这将我们带到了最后两个实用方法的简要分享。并且，这部分再次与高水平的纪律和组织充分性有关。

Trystan Upstill 和 Steven D. Baker 的一项专利，用于识别 HTML 列表中同时出现的术语。 该专利的突出之处在于它显示了单个 HTML 列表的值，以确定主题或短语分类法的一部分的同时出现的术语列表。

11.了解何时发布具有调整频率的语义内容网络

这在之前已经解释过了，但是在其中一个 SEO 案例研究项目中，我在一天内发布了近 400 条内容。说到另一个，我突然开始只发布 10-15 个内容，然后随着时间的推移稳步增加速度，直到与 Covid 相关的经济问题开始。

如果一个新的来源创建了一个新的语义内容网络，在第一天发布它可能比你想象的要困难一些，检查网页上的所有内部链接、语法和信息并不是那么容易。但是，如果所有内容都来自一个主题和一个查询模板，并且如果来源没有关于该主题的任何历史记录，那么发布大部分语义内容网络具有更快的索引、理解和重新排名。

在我的情况下，还有一个具有季节性的历史事件。因此，我的目的是获得足够的平均排名，直到我能够被搜索引擎针对特定实体和针对旧资源的搜索活动进行测试。因此，我在季节性活动的 45 天前发布了第一个语义内容网络，并进行了高水平的准备。

然后，您可以看到搜索引擎如何重复测试源，如下所示。

更详细的解释可以在下面找到。

对于上面的屏幕截图说明，可以在下面找到快速事实检查。

广泛的核心算法更新使网站的流量减少了 200% 以上。
该网站还丢失了超过 15,000 个查询。
这影响了新语义内容网络源的整体索引，因为在详细的 SEO 案例研究文章中得到了更好的解释。
多亏了季节性 SEO 事件，重新排名发生得更早，而在季节性 SEO 事件之后，搜索引擎在未经确认的更新期间根据实际流量对源的排名进行了规范化。
由于第一语义内容网络和季节性事件而获得的查询和排名得到了保护，并进一步提高了。
第一个语义内容网络也支持新的和第二个语义内容网络。

查询损失和平均排名损失也可以从下面的 Ahrefs 中看出。您可以查看 2021 年 6 月 Google 广泛核心算法更新 (GBCAU) 效果以及未确认更新的效果。

因此，使用具有多种可能策略的语义内容网络是必要的。即使 GCBAU 丢失了，由于与搜索引擎相关的其他因素，自然可以帮助 SEO。因此，您可能会想象为什么向作者或客户解释这些事情比技术 SEO 更难。语义 SEO 不使用数值，它使用通过专利、研究论文、经验和历史公告来自搜索引擎理解的理论知识。

12.使用页内句子优化以获得更好的事实结构

老实说，即使是第 10 个列表也是一个全新的话题，甚至可能需要在这里写 20.000 个单词。但是，我将从一个简单的例子开始。

X 是 Y。
Y 是 X。

对于上面的例句，您可以理解以下内容。

上面的句子不是重复的内容。
上述命题是重复的。
两个句子之间的关系解释是一样的。
语义角色标签是 100% 不同的。
命名实体识别输出是 100% 相同的。

页面内句子优化与问题生成算法和问答配对技术有关。问题格式需要某种类型的句子。某些类型的问题应该用某些类型的句子来回答。内容格式、NER 和 Fact Extraction 都会受到句子结构优化的影响。

可以更快地提取和检查三元组（一个对象，两个主体）的准确性。两个相似的句子并不意味着它们是重复的，而是意味着它们在句子结构上彼此接近。只要命题不同，对于不同的查询-意图对，在相似的文档模板之间使用相似的句子是语义内容网络创建的必要条件。

具有适当模式的清晰句子结构有助于使文本片段彼此之间更加相关，同时帮助搜索引擎识别命名实体、主题、属性以及它们彼此的值。

它还有助于查看文章的哪个部分可以做得更好，以及在 Topical Nets 中，您的内容在哪些类型的词对、词向量和意图方面排名更好。因为，如果可以在多个网页上观察到某些类型的问题的某些类型的句子结构，它将有助于具有无穷无尽的数据样本和测试样本的高级 SEO A/B 测试。您可以创建多个页内句子设计，以检查搜索引擎如何提取事实以进行比较。

说到提供事实，应该记住“知识库”和Luna Dong。

13. 以精确和一致的方式提供真实世界的信息，而不是蓬松的意见

这里的精度意味着能够与数值或概念上的具体关系进行比较。一致性意味着你保护你对特定命题的立场。例如，不要对与 Y 相关的每个产品评论都说“X 产品最适合 Y”。不要在网站范围内给出相互矛盾的主张。而且，如果产品是最好的，它的证据是什么？材料，尺寸，还是颜色和气味？文本中的绒毛意味着您使用了不必要的过渡词，或者不说出无法证明的事情，或者与事实相矛盾。

在某些示例支持的这些非定义指令的上下文中，您可以查看 Google 的语言模型之一，即 KeALM。

它用于使用数据到文本模型从数据库生成文本，并用于检查内容的准确性。

KELM 是使用文本到数据方法的命题的准确性审计示例。

这也有点关于“三元组”和“未知实体的开放信息提取”的定义，但如您所知，这是一个简短的版本，我想，我已经讲得够多了。基本上，当您在您的网站上提供错误信息时，请确保 Google 能够理解它以降低来源的基于知识的信任度。在这里，您可能还需要知道，由于您可以扩展知识库，如果您有一个具有 PageRank 和知识库信任的相关源，搜索引擎可以根据您的信息更改自己的知识库具有高精度和独特的三元组。

14. 理解实体的语义依赖树

语义依赖树意味着表示与其他实体的关系的属性在它们之间具有层次依赖关系。语义依赖树可以通过检查多个实体概况和角度来观察，例如一个国家可以是一个组织的成员，而作为另一个实体，这个组织可以具有一些其他属性，这些属性可以归因于具有推断关系的连接国家。

下面，您将能够直接从搜索引擎中看到一个简单的示例。

REALM 是一种使用语义依赖树从模糊文本中提取信息的方法。

在开放网络上，开放信息提取可以识别新的命名实体，并将这些相同的实体提取为与其他实体同时出现。文章中的这些共现和相互属性可以在实体之间分配上下文和候选关系类型。基于实体的连接和类型，可以创建语义依赖树。同样的逻辑也发生在词汇语义上。 “男孩”这个词有一些可能的含义和一些确切的其他含义。例如，男孩是男性，并且可能是未婚的青少年。它也可以在学生附近使用。另一方面，“女王”一词包括其他侧面和确切的含义，例如“女性”和“担任州长”。因此，有一些东西要治理是一种自然的语义依赖树层次结构，它可以指示某些类型的查询模板，例如“Queen of ...”或“For Quen”。 These contextual layers with context qualifiers should be united naturally with contextual domains and knowledge domains for improving the topical and contextual coverage together.

Generating Midstring Query Refinements is another Google Patent that shows the Semantic Content Network's connections to each other. Every midstring query refinement is a part of the topic's sub-topical net. A semantic content network that focuses on all these query refinement candidates with the correct semantic annotations will have the advantage of better re-ranking and initial ranking.

Last Thoughts on Semantic Content Network

I know that this content was highly technical in terms of Semantic SEO. And, before publishing my Semantic SEO Course, I still want to increase the knowledge, so that the first theoretical lessons can be digested by our minds faster than usual. The Semantic Content Networks can be defined as the sum of topical map, and individual content designs that include all of the headings, questions, heading levels, anchor texts, content hierarchy, and positions within the site-tree, or anything related to the content piece, including the featured images and in-page detailed images.

Here, besides the in-page sentence structure designs, or question-answer formats, or synonym sentence formats, we can also talk about the contextual vectors, contextual hierarchies, sequential sentences with bridged contexts, or evidence-based ranking by evidence aggregation. All these things would make this SEO Case Study and Guide more complicated but yet detailed. Thus, like in the previous, Importance of Topical Authority SEO Case Study and Guide, explaining Semantic Networks would make that article more complicated but yet detailed.

The future SEO Case Studies will include more and more details by supporting the previous ones. Lastly, I have gotten lots of screenshots and thank you messages from all of you that show the positive results that you have gotten thanks to Topical Authority understanding. I hope, Initial-ranking, and Re-ranking along with the Semantic Content Network understanding help you further.

See you in the next SEO Case Studies.

“The acquisition of knowledge is always of use to
the intellect, because it may thus drive out useless
things and retain the good. For nothing can be
loved or hated unless it is first known.”
– Leonardo da Vinci.