Xem mẫu
- Google, Yahoo, Microsofts bỏ qua Boilerplate
Các máy tìm kiếm (Google, Yahoo và Microsofts) xử lý
các văn bản lặp trên phần Header, Footer, trên Sidebar hay
mục liên lạc, bản quyền (Copyright) hay thanh duyệt
(Navigation bar).
Máy tìm kiếm Google thế hệ mới ?
1.
Google và các mẫu trích
1.
Tìm kiếm nội dung và mẫu trích
2.
Định dạng chung của mẫu trích
3.
Kết luận về mẫu trích
4.
Rất nhiều trang Web hoặc tài liệu sử dụng các ký tự y hệt
nhau trong phần sidebar hoặc phần cuối trang (footer), ví
dụ như lưu ý bản quyền, liên lạc hay các thanh duyệt
(navigation bar).
Các nhân viên lập trình đôi khi sử dụng thuật ngữ
“boilerplate” tạm dịch là mẫu trích1 để ám chỉ các đoạn mã
chuẩn thư viện được dùng để chèn vào trong chương trình.
Trong khi đó các luật sư sử dụng trích mẫu trong các hợp
đồng – phần văn bản nằm ở mặt sau của hợp đồng luôn cố
- định cho các loại hợp đồng khác nhau.
Các máy tìm kiếm hiện nay rất có thể bỏ qua các văn bản
mẫu này khi đánh chỉ số những trang này. Ngoài ra máy
tìm kiếm còn có thể sử dụng nội dung các trang này sau khi
loại bỏ văn bản mẫu có thể làm nhiễu nội dung chính của
trang để đưa ra các gợi ý tìm kiếm cho người dùng sử dụng
chức năng tìm kiếm cá nhân hóa. Việc loại bỏ các văn bản
mẫu này giúp cải thiện việc sắp xếp thứ hạng trang kết quả
tìm kiếm cá nhân hóa.
Câu hỏi được đặt ra là bằng việc bỏ qua các văn bản mẫu,
Google cố gắng hiểu nội dung chính của trang thì liệu nó có
tính đến các từ khóa làm trong cảnh báo bản quyền cuối
trang hay việc sử dụng đường dẫn tới trang chủ ? Liệu các
chuỗi ký tự liên kết nằm trong đường dẫn trỏ tới các liên
kết bạn bè có được tính đến hay không ?
Boilerplate của bách khoa toàn thư Wikipedia
- Thật khó đưa ra một câu trả lời chính xác là Google tính
đến các mẫu văn bản lặp này như thế nào. Google tính đến
các từ khóa trong điều khoản bản quyền, giới thiệu và
thông cáo ra sao trên tất cả các trang. Nhưng một điều có
thể chắc là Google sẽ không còn quan tâm thật nhiều tới
chúng trong tương lai.
Máy tìm kiếm Google thế hệ mới ?
Theo dự đoán thì Google thế hệ tiếp theo sẽ được “lai tạp”
giữa tìm kiếm Internet và tìm kiếm trong máy tính các nhân
cũng như tìm kiếm trong mạng nội bộ Intranet với nhiều
tính năng mới. Theo các đăng ký bằng sáng chế gần đây thì
hiện đã có trên dưới 50 ứng dụng mà tương lai có thể được
tích hợp trong chức năng tìm kiếm thế hệ tiếp theo.
Google và các mẫu trích
Trong số 50 ứng dụng kể trên có một vài ứng dụng khá mới
vừa được giới thiệu, nó cho phép bỏ qua mẫu văn bản lặp
này :
Systems and methods for analyzing boilerplate
Invented by Stephen R. Lawrence
US Patent Application 20080040316
- Published February 14, 2008
Filed March 31, 2004
Hệ thống và phương pháp phân tích boilerplate cho phép
phát hiện các yếu tố trong nhiều các bài viết liên quan. Sau
đó, hệ thống đánh chỉ số sẽ xem các yếu tố chung này như
là một mẫu văn bản chung. Ví dụ, hệ thống đánh chỉ số sẽ
xác định qui định về bản quyền tác giải xuất hiện trong các
bài viết. Và phần qui định bản quyền sẽ bị qui vào mẫu văn
bản chung.
Các máy tìm kiếm lại xử lý các boilerplate này một cách
khác nhau. Ví dụ chúng có thể coi tất cả các ký tự nằm sau
chữ “Bản quyền” chẳng hạn sẽ bị coi là mẫu văn bản trích
dẫn nếu chúng lại xuất hiện trên nhiều trang khác nhau.
Các văn bản trên thanh trượt, tiêu đề, khẩu hiệu trang Web,
địa chỉ cuối trang cũng có thể bị qui vào mẫu văn bản trích
dẫn chung.
Tìm kiếm nội dung và mẫu trích
Có hai cách thức khác nhau mà các máy tìm kiếm (search
engine) sẽ sử dụng để xác định ra các mẫu văn bản trích
dẫn chung này :
- Truy vấn ẩn
Hệ thống đánh chỉ số sẽ tìm kiếm và xác định các phần văn
bản trích dẫn chung so với phần văn bản chính. Sau đó
chúng sẽ tạo ra các truy vấn tìm kiếm ẩn chứa các từ khóa
tìm kiếm từ phần nội dung chính.
Truy vấn hiện
Hệ thống truy vấn sẽ tách bỏ hoặc coi nhẹ phần văn bản
trích dẫn chung khi người dùng tìm kiếm.
Trong cả hai trường hợp truy vấn ẩn hay hiện thì trọng số
của phần văn bản trích dẫn chung luôn sẽ bị coi nhẹ hơn là
phần văn bản chính của trang. Và vì thế một bài viết sẽ
không cần phải được đánh chỉ số lại sau khi phần văn bản
trích dẫn chung bị thay đổi hay xóa khỏi trang liên quan.
Điều đó có nghĩa là chỉ có văn bản chính của trang mới ảnh
hưởng tới các truy vấn tìm kiếm.
Định dạng chung của mẫu trích
Boilerplate : Các văn bản của mẫu trích thường nằm
tại phần tiêu đề, cuối trang hay các thanh duyệt và chúng
xuất hiện trên nhiều trang. Mẫu trích của thể được xác định
khi phân tích một số các chủ đề liên đới ví dụ tập hợp nhiều
- trang trong một trang. Cũng có thể xác định chúng trong
một trang đơn.
Xác định mẫu trích : Trình chỉ số hóa có thể xác định
mẫu trích theo vài cách khác nhau : Có thẻ phân tích tần
xuất của các từ hay câu trong một số chủ đề liên quan để
xác dịnh ra các thành phần chung của các trang này. Trình
chỉ số hóa sau đó xếp hạng các thành phần chung này như
là mẫu trích. Ví dụ, một câu như “Copyright 2008″ xuất
hiện trong một số các bài viết chung có thể coi là mẫu trích.
Vị trí vệ tinh cả từ và câu : Một số từ hay câu xuất
hiện tại một số vị trí nhất định trên một trang có thể sẽ bị
qui vào mẫu trích. Ví dụ các phần văn bản chung luôn xuất
hiện cuối trang sẽ bị coi là mẫu trích. Ví dụ các lưu ý về
bản quyền hay địa chỉ liên lạc cuối trang sẽ bị coi là mẫu
trích.
Thành phần duyệt, di chuyển : Các thành phần
chung của mã nguồn HTML trong trang cũng có thể bị coi
là mẫu trích. Ví dụ, một đoạn mã JavaScript cho phép thay
đổi cách thức hiển thị đường dẫn URL khi người dùng di
chuột qua đường dẫn đó cũng có thể bị coi là mẫu trích.
- Câu, ngữ định trước : Mẫu trích cũng của thể được
xác định thông qua một danh sách các từ ngữ, câu được liệt
kê trước. Ví dụ các thành phần chung của thanh trượt, hoặc
các phần liên quan bản quyền, trợ giúp như “Trang chủ”,
“Trợ giúp”, “Dịch vụ” hay “Bản quyền”.
Tần suất : Từ xuất hiện thường xuyên trong các bài
viết có nhiều khả năng bị xếp vào mẫu trích hơn là các từ
ngữ xuất hiện thi thoảng. Ví dụ các từ như “Trang chủ”,
“Liên lạc”.
Các từ ngữ hay câu chung đôi khi không bị coi là
mẫu trích : Dù xuất hiện trên nhiều trang liên đói, nhưng
tần suất sử dụng không phải là chỉ số để xác định mẫu trích.
Lấy ví dụ một trang chuyên về SEO thì sẽ có rất nhiều lần
sử dụng thuật ngữ “quảng bá Web” trên các trang khác
nhau. Thế nhưng từ này sẽ không bị coi là mẫu trích vì nó
liên quan tới nội dung của trang hiển thị.
Kết luận về mẫu trích
Bạn nên nhớ rằng các công cụ tìm kiếm có thể bỏ qua
1.
mẫu trích trên các trang đối với các truy vấn của người
dùng.
- Nếu bạn muốn máy tìm kiếm để ý đến nội dung văn
2.
bản của trang thì hãy để ý đến vị trí các văn bản này trên
trang cũng như là tần suất sử dụng chúng trên nhiều trang
khác nhau.
Các đường dẫn của thanh trượt và các liên kết các
3.
thành phần quan trọng khác nhau của trang Web có thể bị
coi là mẫu trích nhưng phần văn bản neo (anchor text) vấn
được máy tìm kiếm xem trong để đánh giá nội dung của
trang mà nó trỏ tới.
Google có thể có hoặc chưa coi trọng những yếu tố
4.
trên. Trong trường hợp chưa thì chắc chắn nó sẽ được sớm
tích hợp trong thuật toán của Google.
nguon tai.lieu . vn