Waarom is dit belangrijk?
Pagina's kunnen zo toch passen bij een zoekvraag, ook als niet elk gezocht woord letterlijk in de tekst staat. In het werk van makers van webcontent bepalen automatische zoeksystemen welke originele en nuttige pagina's bezoekers als eerste te zien krijgen. Bezoekers vinden daardoor vaker informatie die hen verder helpt, maar teksten die vooral extra bezoek via zoekmachines najagen, kunnen juist lager eindigen.
Zo werkt het in de praktijk
Google gebruikt het taalmodel BERT bij de rangschikking van resultaten in Zoeken. Een voorbeeld is een vraag over een visum voor een reiziger uit Brazilië. Zoeken koppelde de vraag aan een reis naar de Verenigde Staten.
Onderzoekers van de Universiteit van Amsterdam onderzochten hoeveel de zinsbouw meetelt als BERT teksten rangschikt. Zij haalden de woordvolgorde uit vraag en passage, waarna het model ongeveer even goed bleef scoren. Zij wijzen op de koppeling tussen vraag en passage en op rijkere woordbetekenissen.
Websitebeheerders zetten bij NLP in SEO ook gestructureerde gegevens in. Die notatie volgt vaak schema.org en benoemt onderdelen, zoals de ingrediënten van een recept. Google Search Central raadt het formaat JSON-LD aan, zodat Zoeken die gegevens kan lezen.




