Named Entity Recognition Nedir? SEO İçin Neden Önemlidir?

Arama motorları gelişmeye devam ettikçe SEO çalışmalarında kullanılan yöntemler ve stratejiler de değişiyor ve yenileniyor. Eskiden çok daha basit konsepte sahip olan arama motorları yalnızca anahtar kelimeler üzerinden alakalılık düzeyi tespiti yaparken günümüzde içeriği çok daha detaylı şekilde anlamlandırabiliyor ve buna göre siteleri sıralıyor. Yapay zekanın yükselişi ve doğal dil işleme modellerinin daha fazla ön plana çıkmasıyla son zamanlarda adından sıkça söz ettiren Named Entity Recognition (NER) konsepti, SEO çalışmalarında analiz edilmesi gereken tekniklerden biri halini almış durumda.

“Named Entity Identification”, “Entity Extraction” ve “Entity Chunking” terimleriyle de anılan Named Entity Recognition, içeriğin bağlamının anlamlandırılabilmesine yardımcı oluyor ve bu da arama motorlarının işini büyük ölçüde kolaylaştırıyor. Bu yazımızda Named Entity Identification (Türkçe adıyla “İsimlendirilmiş Varlık Tanıma”) teriminin ne olduğunu, bu konseptin tam olarak nasıl çalıştığını ve SEO çalışmalarında bu çıktıların nasıl kullanılabileceğiyle ilgili detaylara değineceğiz.

Named Entity Recognition Nedir?

Named Entity Recognition, bir yazı içerisinden farklı türdeki bilgileri ayıklamak için kullanılan bir makine öğrenimi tekniğidir. Yazı içerisinde yer alan bilgiler entity, yani “varlık” olarak adlandırılır. Varlıklar bir kişi, marka, etkinlik, tarih veya ülke olabilir. Google varlıkları tanımlarken “Ayırt edilebilir, özel, iyi tanımlanmış, tekil konsept veya şeylerdir” ifadesini kullanmaktadır.

Varlıklar dilden bağımsız olarak tanımlanırlar ve bu nedenle tüm dillerde kullanılabilirler. Her varlık kendi içerisinde bazı diğer varlık parçalarına bağlı oldukları gibi aynı zamanda daha geniş bir varlık tanımının içerisine dahil olabilirler. Örneğin Rolls Royce otomobillerden bahsederken aracın motoru aynı konu grubunun bir alt kümesiyken, “otomobil” varlığı ise Rolls Royce’u da içine alan daha büyük bir kümeyi temsil eder.

"Taylor Swift(kişi), 21 Aralık’ta(tarih) Stockholm’de(lokasyon) konser (etkinlik) verecek.”

Yukarıdaki örnekte inceleyebileceğiniz üzere NER ile bir cümle içerisinden belirli bilgiler kolayca çıkarılabilir ve bu bilgiler sayesinde doğal dil işleme yapısında konunun bütünü anlaşılabilir ve yan yana gelen entity’lerin birbiriyle alakalılık düzeyi tespit edilebilir.

Google NER Tekniğini Nasıl Kullanıyor?

NER son zamanlarda adını duyduğumuz bir makine öğrenimi tekniği olsa da aslında geçmişi 90’lı yıllara dayanıyor. İnternetin günümüzdeki kadar gelişmediği zamanlarda icat edilen bu teknik, günümüzde Google’ın interneti anlamlandırması, kullanıcı sorgularıyla en alakalı sonuçların çıkması ve arama sonuç sayfasındaki sıralamaların oluşturulması konusunda önemli bir rol oynuyor.

Google bu tekniği sadece internet sonuçlarını iyileştirmek için kullanmakla kalmıyor, aynı zamanda kendi uygulamalarında daha iyi bir kullanıcı deneyimi sunmak için de bu teknikten yararlanıyor. Örneğin Gmail üzerinden bir mail gönderirken “ekte” kelimesini kulandığınız halde ek dosya yüklemediğinizde bir uyarıyla karşılaşıyoruz. Bu küçük uyarı da muhtemelen Google’ın NER tekniğini kullandığı alanlardan biri. Yazıların bağlamını anlamak ve buna göre belirli aksiyonlar alma konusunda bu tekniğe sıklıkla başvurulduğunu söyleyebiliriz.

Arama Sonuçları ve Varlık İlişkisi

Google’ın konuyla ilgil patentini incelediğimizde belirli varlık metriklerinin kullanıldığını ve sıralamaların bu metriklere göre yapıldığını görebiliyoruz. Bu metriklerin farklı kombinasyonları kullanılarak sıralamalar oluşturulurken varlık türüne göre bazı metriklerin daha yüksek etkiye sahip olduğu anlaşılabiliyor.

Google’ın patentinde söz edilen 4 adet ana metrik bulunuyor. Bunlar:

• Alakalılık
• Varlık Değeri
• Ödül Metriği
• Katkıda Bulunma

Alakalılık Metriği

Google’ın sıralamaları oluştururken yararlandığı en önemli metriklerden birinin alakalılık olduğunu biliyoruz. Bu metrik, iki ayrı varlığın, güvenilir kaynaklarda sıklıkla bir arada kullanılmasına göre ölçümlemeler yapılıyor. İki ayrı varlık sıklıkla aynı içeriklerde kullanılıyorsa arama motoru botları bu varlıkların ilişkili olduğunu algılıyor ve bu ilişkiyi sıralamada kullanıyor.

Örneğin Apple şirketi ve CEO’su olan Tim Cook birbiriyle yakından ilişkili iki varlık. “Apple CEO’su kimdir?” sorusunu sorduğumuzda arama sonuçlarında Tim Cook yanıtını alırız. Aynı şekilde “Tim Cook kimdir?” sorusunda da Apple şeklinde cevap alabiliyoruz. Bu iki varlığın birbiriyle alakalılık derecesinin güvenilir kaynaklardan doğrulanmış olması, Google’ın net şekilde bu cevabı verebilmesine yardımcı oluyor.

Bu metriğin detayları gösteriyor ki içeriklerde sadece belirli varlık tiplerinden bahsetmek yeterli değil. Aynı zamanda alakalı olan diğer varlıkları da yazı içerisinde kullanmak son derece önemli.

Varlık Değeri Metriği

Varlıkların değerleri, bir domain içerisinde ilgili varlığın diğerlerine göre ne kadar değerli olduğunu gösteren bir metriktir. Her internet sitesinde bazı varlıklar daha ön plana çıkarken bazıları ise biraz daha geri planda kalır. Google bu metrik sayesinde sitenin hangi sorgularda ön plana çıkacağıyla ilgili karar verme mekanizmasına destek olur.

Mobilya ürünleri satan bir internet sitesini düşündüğümüzde oturma grupları en öne çıkan varlıklardan biri olurken zigon sehpalar daha düşük değere sahip bir varlık olarak düşünülebilir. Google bu siteyi değerlendirirken varlığın değeri, popülerliği ve sitede ne sıklıkla kullanıldığı gibi değerleri göz önünde bulundurmaktadır.

Ödül Metriği

Adından da anlaşılabileceği üzere ödül metriği, varlığın bir ödülle eşleştirilmesi neticesinde ön plana çıkmasını sağlamaktadır. Örneğin 2023 yılında yılın en iyi ödülünü kazanmış olan Baldur’s Gate 3, bu metrik özelinde değerlendirdiğimizde 2023 yılında çıkmış olan diğer oyunlara göre daha önemli konumdadır.

Katkıda Bulunma Metriği

Katkıda bulunma metriğini basit şekilde backlink ve bahsetme şeklinde düşünebilirsiniz. İncelemeler, yorumlar ve büyük yayın kuruluşlarında verilen linkler ve yapılan bahsetmeler bu metrik içerisine dahil olmaktadır. Büyük bir sitenin link vermesi veya sitenizden bahsetmesi, herhangi bir sitenin link vermesine göre çok daha değerlidir. Çünkü otoriter site kendi alanında daha fazla katkıda bulunduğu için bu sitelerin yaptığı bahsetmeler de daha çok önem kazanmaktadır.

Google NER Tekniğini Neden Kullanıyor?

Google son güncellemelere birlikte içerikleri daha iyi anlamlandırmak için adımlar atıyor. SGE (Search Generative Experience) ile yapay zekayı aramaya entegre etmeye başlayan Google, arama motoru olmanın ötesine geçerek yanıt motoru (answer engine) olmak için geliştirmeler yapmaya devam ediyor. NER tekniği Google’ın interneti anlamasını ve alakalı yanıtlar üretmesi sürecini daha kolay hale getiriyor.

Varlıklar sayesinde Google, internetteki verileri düzenli şekilde toplayabiliyor ve bu varlıklar arasındaki ilişkileri çok daha kolay bir şekilde kurabiliyor. Aşağıdaki grafikte “Film” öğesinin “aktör””, ödül”, “yönetmen” ve “oyunculuk ödülü” varlıklarıyla örnek bir bağlantısını görebilirsiniz.

NER kullanımının öne çıktığı bir diğer alan da zengin sonuçlar ve bilgi grafiği. Kullanıcıların sorgularını belirli varlıklarla eşleştiren Google, sonuç sayfası üzerinde doğrudan yanıt verebiliyor. Sonuç sayfasının sağ tarafında belirli sorgularda görülen bilgi grafiklerini incelediğimizde varlıkların kullanım şekillerini net şekilde görebiliyoruz. Örneğin bir şirket arattığımızda şirketin CEO’su, kuruluş tarihi ve ilgili kişiler alanları, NER kullanımının örneklerinden biri.

Son olarak Google’ın NER kullanımının bir diğer önemli nedeninin de siteleri daha iyi anlamlandırarak backlink’lerin öneminin azaltılması olduğunu söylemek mümkün. Bildiğiniz üzere Google, kolayca manipüle edilebilen bir off-page SEO tekniği olan backlink’lerin önemini azaltmayı amaçlıyor. Yapılan her algoritma güncellemesinde bunun etkilerini görebiliyoruz. NER sayesinde site içeriklerini daha iyi değerlendirebilen Google, backlink’e olan bağlılığı gittikçe azaltıyor.

Varlık Bazlı Arama Yapısı İçin Nasıl Optimizasyon Yapılabilir?

Varlık yapısının Google arama motorunda daha da önemli hale gelmesiyle birlikte bu alanda daha iyi optimizasyonlar için farklı teknikler kullanmak gerekiyor. Google’ın varlık çeşitleri arasındaki bağlantıyı nasıl kurduğunu öğrenmek, buna uygun içerikler üretilmesini kolaylaştırıyor. Wikipedia, “Diğer Sorular” ve Google NLP API sayesinde Entity hiyerarşilerini ve kurgularını anlamak ve buna göre optimizasyonlar gerçekleştirmek mümkün.

“Diğer Sorular” Yapısı

Soru bazlı arama sorgularında görebileceğiniz soru-cevap yapısı, Google’ın varlıklara bakış açısını gösteren en önemli ipuçlarından biri. Burada çıkan soru tiplerini ve içeriklerin temas ettiği diğer noktaları inceleyerek varlık yapılarıyla ilgili detaylı bilgi sahibi olabilirsiniz.

Wikipedia

İnternetin en büyük kütüphanesi olan Wikipedia, varlık odaklı SEO çalışmalarında en çok incelenmesi gereken mecralardan bir tanesi. Google’ın bilgi grafiği ve varlık grafikleri için kullandığını bildiğimiz Wikipedia sayesinde varlıkların birbiriyle bağlanma şeklini analiz edebilirsiniz.

Google NLP API

Google doğal dil işleme modeli ile testler gerçekleştirmek için Google NLP API kullanabilirsiniz. Ücretsiz olarak belirli sayıda deneme yapmanıza izin veren bu API sayesinde Google’ın varlıkları nasıl gördüğü ve tanımladığı konusunda kapsamlı içgörüler elde edebilirsiniz. Oluşturduğunuz bir içeriği burada deneyebilir ve varlıkları doğru kurgulayıp kurgulamadığınızı öğrenebilirsiniz.