Google Research刚刚发布了一份研究报告，详细介绍了一种新算法，该算法提出了一种新的回答查询方式，如果将来使用这种算法，它将进一步改变传统排名因素的影响力，以确定最终排名。

这是一个使用强化学习方法的机器学习算法。此外，该算法不知道排名系统如何工作，这个新算法使用一个学习系统，重新构造用户查询，向排名引擎询问许多问题，然后从多组答案中选择最佳答案。

这个算法如何工作

机器学习算法的工作原理

用户问问题，机器学习算法（标记为代理）将该问题重新构造成多个问题，然后将其提交给排序算法，排名算法返回结果集，代理选择最佳答案。

面对复杂的信息需求，人类通过重新构建问题，发布多次搜索和汇总回应来克服不确定性，受到人类提出正确问题的能力的启发，我们向学员展示学习如何为用户执行此过程，代理位于用户和后端QA系统之间，我们称之为“环境”。

我们称之为代理AQA，因为它实施了积极的问题回答策略，AQA旨在通过向环境发送重新提出的问题来最大限度地获得正确答案的机会。

该代理通过询问许多问题并汇总所返回的证据寻求找到最佳答案。内部环境对代理人来说是不可用的，所以它必须学会只使用问题串来优化探测黑盒子。

为什么这个算法很重要

该算法是机器学习方法的一种视图，称为强化学习，已经使用强化学习算法来学习和去玩视频游戏。

这种特定的算法很有趣，因为它显示了一个算法可以放在用户和常规排名算法之间，并做出决定。因此，该机器学习算法不是决定在搜索引擎结果页面（SERP）中显示什么内容的排名算法，而是作出决策。

这种排名与SEO社区传统上认为搜索引擎排名网页的方式背道而驰，传统的理解是，链接，标题标签中的文本，锚文本和其他排名因素等排名因素是决定搜索结果中排名第一到第十的因素。

链接等因素是重要的排名因素，但是通过这种算法，链接有助于网页排名，但不是决定因素。

如何处理排名因素？

排名算法不再是网站排名前十的决定因素，这就是为什么汇总数百万搜索结果的排名因子研究可能不准确，排名因子研究假定排名因素是前十名的结果。

但排名因素并不总是决定前十名的排名，这就是排名因子研究可能不可靠的原因。

虽然这个特定的算法目前可能还没有被使用，但是其他算法已经能完成类似的操作，它们通过排除排名算法结果并使用非排名因子的因子重新排列SERP来执行类似的功能。

例如，Google在重新排名名为“ 排名搜索结果”的搜索结果排名方式方面拥有专利，该搜索结果中提到了使用修改引擎。

搜索系统114还包括或可以与分数修改引擎140通信，分数修改引擎140生成由搜索系统114应用于由搜索引擎130为匹配查询110的资源生成的初始分数的修改因子。分数修改引擎140可以至少部分地基于将相应修改因子与多个资源组中的每一个相关联的修改数据来生成修改因子。修改数据被存储在系统可访问的存储库中，例如修改因子数据库150.“

重新排列搜索结果并不是一个新想法，早在2005年，微软就发表了一篇关于重新排列搜索结果的研究论文，标题为“ 使用亲和图改善网页搜索结果”，该算法的目的是为了更精确地为用户提供模糊搜索查询的意图。

这如何影响SEO？

这可能会影响未来的搜索引擎优化，结果可能会更强调满足用户意图，这是一种称为改善相关性的改进，因此，当Google宣布更新相关性时，通过研究可以找到网站为何丢失排名的答案。