随着搜索引擎优化越来越接近数据科学领域，谷歌通过引入基于卷积神经网络的算法以更好地理解用户意图。

什么是神经网络算法匹配？

神经网络匹配算法覆盖了30％的搜索查询，旨在匹配搜索查询和网页。此方法将单词与概念联系起来。由于语音搜索是未来几年使用搜索的下一种方式，因此能够更好地理解概念对于Google的用户体验非常重要。这里有一些重要的东西：这种方法不依赖于链接信号。不过，它使用已经排名的页面。

神经网络算法是如何工作的？

神经网络算法是如何表现的呢？结果是否仍然相关？

这种方法的灵感来自于临时检索，因为文档相关排名（该字段使用的另一个名称）是使用TF-IDF分数和余弦相似性来匹配文档中的短语和搜索查询中表达的需求。

由于神经匹配算法仅使用搜索查询中的单词来匹配概念，因此即时检索方法是不够的，这是人工智能发挥作用的地方。在这里，人工智能无监督学习的技术被用于在从文字到概念的理解中前进。

在深度相关匹配模型（DRMM）的帮助下进行临时检索，神经匹配算法基于相关性。如该专利所示，该方法在查询项级别上采用联合深度体系结构，而不是查询和文档术语之间的本地交互，以进行相关性匹配。

神经网络算法对SEO有何影响？

在这里，除了所有人工智能问题之外，问题是：这个新算法会对内容编写者和发布者产生影响吗？

作为此新算法涵盖的30％的一部分，包含哪些类型的查询？我们知道RankBrain算法覆盖了之前从未搜索过的大约15％的搜索查询。

我们已经开始看到影响：我们谈论了很多人工智能，我们现在使用一些机器学习算法来更好地理解SEO和业务数据之间的复杂性，然后更好地推动SEO决策。

我们如何在日常工作流程中整合这种相关性匹配技术（此时与其他排名信号相关）？从现在开始，在其工作流程中包含自然语言处理技术的SEO应该以语义匹配为目标。然而，从超级同义词（由Danny Sullivan命名）的观点来看，相关性仍然可能看起来像是一种垃圾邮件技术，如果它意味着在内容中包含同义词。

回顾搜索中的一个重大变化，理解同义词。人们搜索的方式通常与人们编写解决方案的信息不同。

目前，我们还不了解目标查询或内容应如何优化。网站之间基于链接的当前持久性和同义词填充的惩罚可能阻碍不知情的优化神经匹配的尝试。但是，显然我们需要重新思考如何创建内容以便适应。