Google 專利：從科學角度深入探討 E-E-A-T

從這項專利發現，Google會使用一個名為網站代表向量(Website Representation Vector)的系統，透過神經網絡 (Neural Networks)，來理解網站背後的模式和特徵，並且利用這些特徵進行分析及分類，進一步了解不同網站，針對不同主題的權威性。

這個網站分類系統指的是一個綜合性代表，例如，向量 (Vector)，用於特定知識領域內的網站分類。這些知識領域可以是健康、金融等主題。如果你的網站被分類在特定知識領域中，當人們搜尋相關領域關鍵字時，你的網站就會有較大的機率出現在搜尋結果頁當中。

專利中又提到，Google會將類別分類得更細一些。 例如，網站分類可能包括由知識領域專家撰寫的第一類網站，例如醫生，第二類網站由知識領域的學徒撰寫，例如醫學院學生，以及由知識領域的外行人撰寫的第三類網站。 由此可知網站會大致被分類為：專家級、學徒級和外行人級的網站。

這和Google的搜尋品質評估指南(Quality Raters Guidelines)中的E-E-A-T有非常高的相似性。指南告訴我們，有些網站是由在主題上沒有太多專業知識的人撰寫的。例如，有些人會在一些討論特定疾病的論壇，分享個人經驗，講述他們的親人與癌症對抗的過程。在這個案例中，雖然這種內容不是專業的醫療建議，但卻是在分享個人經驗，因此也符合E-E-A-T中的Experience。而真正的醫療建議（非經驗的描述）應該來自醫生或其他健康專業人員。因此，在撰寫高專業性及權威性的醫療內容時，應以專業行式撰寫(例如，學術論文)，並定期進行編輯、審查和更新。

這項專利提到，搜索排名是基於網站權威性及專業性(含個人經驗)，但沒有提到可信度 (Trustworthiness)。因此這個網站分類系統不是完全基於 E-E-A-T 來對網站進行排名，因此僅可以實現質量評估指南的部分目標。

此外，這個系統可能還可以大幅減少Google為了提供搜尋結果而爬網站的次數，因為在搜尋相關內容時，網站都已經被分類好了，當某個知識領域的關鍵字被搜尋時，Google就能搜尋較少的網站，來提供最準確的搜尋結果，不必將整個網路都索引一遍。以下就讓我們更深入了解這項專利背後的邏輯吧！

首先這個系統會將許多網站分類到特定的知識領域中，並根據網站是否滿足特定標準來將他們再進一步評分，而這個分數稱為品質分數(Quality Scores)。雖然在專利中並沒有具體定義“品質分數”，但關於高品質網站的定義可以參考Google官方文件：優質網站建立方式的額外說明。

以下簡易解釋整個系統的大概流程：

• 首先系統會接收到網站的品質分數，這個分數是和其他同領域的網站比較後而得來
• 將品質分數低於第一層標準的所有網站分類為第一類網站，至少會有一個網站的品質分數低於第一層標準
• 再來將品質分數高於第二層標準的所有網站分類為第二類網站，至少有一個網站的品質分數高於第一層標準
• 在被分類為第一類的網站中計算出綜合代表，我們稱它為第一綜合代表
• 在被分類為第二類的網站中計算出綜合代表，我們稱它為第二綜合代表
• 再來系統會再找出另一個網站，即為將被分類的網站，在此稱為A網站
• 計算第一綜合代表與同為第一類的網站之間的差異，該值稱為第一差異度
• 計算第二綜合代表與同為第二類的網站之間的差異，該值稱為第二差異度
• 基於第一和第二差異度，將A網站分類為第一類網站、第二類網站，如果既未被分為第一類或第二類網站，該網站就會被分到第三類。