ما هو الرسم البياني المعرفي في SEO丨ما هي ميزة الرسم البياني المعرفي في SERP

رسم المعرفة في SEO هو مجموعة بيانات منظَّمة لعلاقات الكيانات، تتضمن خصائص مثل الأشخاص والأحداث وغيرها؛

وفي صفحات نتائج البحث SERP، تغطي لوحات رسم المعرفة من Google أكثر من 500 مليون كيان، وتعرض الإجابات مباشرة، مما يرفع كفاءة الوصول إلى المعلومات.

التعريف الأساسي

رسم المعرفة من Google هو شبكة بيانات منظَّمة قائمة على كيانات العالم الحقيقي، تغطي أكثر من 500 مليون كيان (أشخاص، شركات، أماكن، إلخ)، وتربط المعلومات المجزأة عبر ثلاثيات “كيان-خاصية-علاقة” (مثل “تسلا-تاريخ التأسيس-2003”).

وهو يقدّم مباشرةً إجابات منظَّمة لأسئلة المستخدمين (مثلًا عند البحث عن “أينشتاين” يظهر على الجانب الأيمن تاريخ الميلاد والوفاة والمساهمات)، بدلًا من قائمة الروابط التقليدية. وتُظهر بيانات Google لعام 2023 أن 70% من الأسئلة البسيطة (مثل “مؤلف هاري بوتر”) قد تم حلها بالفعل عبر بطاقات رسم المعرفة.

وبالنسبة للمواقع الإلكترونية، فإن نسبة النقر على الموقع الرسمي للكيان المُدرَج تكون أعلى بنسبة 28% من النتائج العادية (إحصاءات Moz لعام 2024)، لكن ذلك يتطلب استيفاء شروط صارمة مثل “اتساق المصادر الموثوقة”.

جوهر رسم المعرفة

إذا اعتبرنا أن محركات البحث التقليدية هي “مكتبة صفحات ويب”، يحتاج فيها المستخدم إلى تقليب الكتب على الرفوف بنفسه (أي النقر على الروابط) للعثور على الإجابة؛

فإن رسم المعرفة من Google هو “قاموس رقمي”، إذ يترجم “المعرفة المجزأة” المتناثرة عبر عدد لا يُحصى من صفحات الويب إلى “لغة منظَّمة” تستطيع الآلة فهمها مباشرة، ثم يعيد ترتيب هذه اللغة في شكل “بطاقات إجابة” يمكن للمستخدم الوصول إليها بسرعة.

من “النص المشوش” إلى “النص المنظَّم”

الكلمات المفتاحية التي يُدخلها المستخدم عند البحث (مثل “مؤسس تسلا”) هي في جوهرها سلسلة من “تعليمات اللغة الطبيعية”.

وأول خطوة تقوم بها Google هي “تفكيك” المعلومات المرتبطة بـ“تسلا” و“المؤسس” من بين كمٍّ هائل من صفحات الويب. لكن محتوى صفحات الويب هو “نص غير منظَّم” — فقد يكون فقرة من موسوعة (“تأسست تسلا (Tesla) على يد مارتن إيبرهارد ومارك تاربينينغ عام 2003”)، أو جملة في بيان صحفي (“في عام 2004 استثمر إيلون ماسك 6.3 ملايين دولار في تسلا وأصبح أكبر مساهم فيها”)، أو حتى تعليقًا في منتدى (“في الواقع كان لتسلا عدة مؤسسين، وكان الفريق المبكر مهمًا جدًا”).

ولتحويل هذا “النص المشوش” إلى بيانات منظَّمة يمكن للآلة قراءتها، تعتمد Google على تقنيتين من تقنيات معالجة اللغة الطبيعية: التعرّف على الكيانات المُسمّاة (Named Entity Recognition, NER) واستخراج السمات (Attribute Extraction):

• التعرّف على الكيانات: من خلال نماذج مدرَّبة مسبقًا (مثل مشتقات BERT) للتعرّف على “الكيانات المُسمّاة” في النص (مثل “تسلا” و“مارتن إيبرهارد” و“2003”) ووضع نوعها (شركة، شخص، وقت).
• استخراج السمات: تحليل العلاقات الدلالية بين الكيانات واستخراج أزواج “السمة-القيمة” (مثل “تسلا-المؤسس-مارتن إيبرهارد” و“تسلا-تاريخ التأسيس-2003”).

لنأخذ مثالًا محددًا: لنفترض أن الصفحة A تقول “تأسست تسلا على يد مارتن إيبرهارد وJB ستراوبل في 1 أبريل 2003”، بينما تقول الصفحة B “في عام 2004 قاد ماسك جولة التمويل A لتسلا وامتلك نحو 22% من الأسهم”.

سيقوم نظام معالجة اللغة الطبيعية لدى Google بما يلي:

1. التعرّف على كيانات مثل “تسلا” (شركة)، و“مارتن إيبرهارد” (شخص)، و“JB ستراوبل” (شخص)، و“1 أبريل 2003” (وقت)، و“2004” (وقت)، و“ماسك” (شخص)؛
2. استخراج أزواج السمات: “تسلا-المؤسس-مارتن إيبرهارد” و“تسلا-المؤسس-JB ستراوبل” و“تسلا-تاريخ التأسيس-1 أبريل 2003” و“تسلا-المستثمر-ماسك” و“تسلا-تاريخ التمويل-2004”؛
3. دمج هذه الأزواج في شكل “ثلاثيات” (Entity-Attribute-Value) وتخزينها في قاعدة بيانات رسم المعرفة.

ووفقًا للورقة البيضاء التقنية من Google لعام 2023، فإن دقة التعرّف على الكيانات في صفحة ويب واحدة تصل إلى 92% (بالنسبة إلى معلومات الشركات المعيارية)، لكن استخراج السمات من الجمل المعقدة (مثل “أسسها XX مع YY معًا”) لا يزال يحتوي على خطأ بنسبة 8% — وهذا أيضًا أحد أسباب عدم اكتمال عرض بعض معلومات الشركات في رسم المعرفة.

Schema.org

لكن هنا تظهر المشكلة: قد تستخدم صفحات ويب مختلفة مفردات مختلفة لوصف الكيان نفسه (مثل أن “المؤسس” قد يُكتب “المؤسس المشارك” أو “الفريق الأولي”)، بل وقد تختلط أسماء السمات نفسها (مثل أن “تاريخ التأسيس” قد يُوسَم بوصفه “سنة الإنشاء” أو “تاريخ إنشاء الشركة”).

ولو استخدمت Google “قواعد مطوَّرة داخليًا” للترجمة القسرية، فمن المحتمل جدًا أن يحدث خلط خاطئ (مثل إسناد مؤسس الشركة A إلى الشركة B).

ولحل هذه المشكلة، أطلقت Google بالتعاون مع Microsoft وYahoo وغيرهما من شركات محركات البحث، في عام 2011، Schema.org — وهو معيار عالمي موحّد لـ“وسم البيانات المنظَّمة”.

وببساطة، يشبه Schema.org “قاموس معلومات” يحدد “أنواع الكيانات” (مثل Organization للشركات وPerson للأشخاص) و“وسوم السمات” (مثل foundingDate لتاريخ التأسيس وfounder للمؤسس). ويمكن لمطوري المواقع استخدام هذه الوسوم كي “يخبروا” Google بشكل استباقي: “في صفحتي، هذا النوع من البيانات ينتمي إلى هذا الكيان ويرتبط بهذه السمات.”

وبأخذ الموقع الرسمي للشركة كمثال، إذا استُخدم Schema.org لوسم “تسلا”:

<script type=”application/ld+json”>
{
“@context”: “https://schema.org”,
“@type”: “Organization”,
“name”: “Tesla, Inc.”,
“foundingDate”: “2003-04-01”,
“founder”: [
{ “@type”: “Person”, “name”: “Martin Eberhard” },
{ “@type”: “Person”, “name”: “Marc Tarpenning” }
],
“investor”: [
{ “@type”: “Person”, “name”: “Elon Musk”, “investmentAmount”: “6.3 million USD” }
]
}
</script>

فعندما يلتقط زاحف Google (Googlebot) هذا المقطع البرمجي، فإنه يستخرج مباشرةً معلومات مثل foundingDate (تاريخ التأسيس) وfounder (المؤسس) وinvestor (المستثمر) الخاصة بـ“تسلا”، دون الحاجة إلى أن “يخمن” معنى النص عبر NLP.

ما حجم قيمة Schema.org؟ تُظهر البيانات الداخلية لـ Google لعام 2024 أن: احتمال إدراج السمات الأساسية (الاسم، تاريخ التأسيس، المقر) للمواقع الرسمية للشركات التي تستخدم Schema.org في رسم المعرفة أعلى بنسبة 47% من المواقع غير المعلَّمة؛

أما المواقع المعلَّمة بشكل كامل (التي تغطي أكثر من 10 سمات أساسية)، فترتفع دقة المعلومات فيها من 68% في المواقع غير المعلَّمة إلى 91%.

التحقق من الموثوقية

حتى لو استخدمت صفحة الويب وسم Schema.org، فلن تقوم Google “بقبول كل شيء كما هو” مباشرة.

ولضمان دقة رسم المعرفة، تمتلك Google آلية تحقق تقاطعي متعددة المصادر، ومنطقها الأساسي هو: “يجب أن تبقى السمة نفسها للكيان نفسه متسقة في ثلاثة مصادر موثوقة على الأقل، وإلا فستُعلَّم بأنها ‘منخفضة الموثوقية’.”

وتشمل هذه “المصادر الموثوقة” ما يلي:

• الموقع الرسمي (نطاق الشركة نفسه، وله أعلى وزن)؛
• الموسوعات الموثوقة (مثل ويكيبيديا وWikidata)؛
• قواعد البيانات الحكومية/الصناعية (مثل سجلات الشركات لدى SEC الأمريكية وبيانات Crunchbase الصناعية)؛
• وسائل الإعلام ذات الوزن العالي (مثل نيويورك تايمز ووسائل الإعلام المتخصصة عموديًا في الصناعة).

لنأخذ مثالًا مضادًا: استخدم الموقع الرسمي لشركة ناشئة تقنية A وسم Schema.org لـ“تاريخ التأسيس-2020”، لكن ويكيبيديا تشير إلى أنها “تأسست في 2019”، بينما تُظهر Crunchbase أن “أول ظهور علني لها في سجلات التمويل كان في الربع الرابع من 2019”.

في هذه الحالة، سيحكم نظام Google بوجود تعارض في سمة “تاريخ التأسيس”، مما يتطلب مراجعة بشرية أو انتظار تحقق إضافي من مصادر أخرى.

وفي النهاية، وبسبب تعذر حل التناقض بين الموقع الرسمي وويكيبيديا، لم يتم إدراج “تاريخ التأسيس” لهذه الشركة في رسم المعرفة، وظل المستخدم بحاجة إلى النقر على الرابط للتحقق منه.

وفقًا لـ“دليل إدراج رسم المعرفة” الذي نشرته Google عام 2023، فإن تعارض السمات هو السبب الأكثر شيوعًا للرفض (بنسبة 38%)، يليه “ضعف موثوقية المصدر” (مثل الاعتماد على مدونة شخصية فقط، بنسبة 25%) و“أخطاء تنسيق الوسم” (مثل كتابة التاريخ بصيغة “2020/4/1” بدلًا من “2020-04-01”، بنسبة 19%).

“التحديث الديناميكي” لرسم المعرفة

رسم المعرفة ليس “قاعدة بيانات ساكنة” تُبنى مرة واحدة فقط، بل يُحدَّث باستمرار مع ظهور معلومات جديدة.

على سبيل المثال، إذا أعلن ماسك في 2023 أن “X (تويتر سابقًا) استحوذت على LinkedIn”، فإن Google ستقوم خلال ساعات بما يلي:

1. جمع تقارير وسائل الإعلام الموثوقة (مثل رويترز وول ستريت جورنال) عبر زواحف الأخبار؛
2. التحقق من موثوقية مصدر المعلومات (رويترز ذات وزن أعلى من مدونة شخصية)؛
3. تحديث سمة acquiredCompany (الشركة المُستحوذ عليها) الخاصة بـ“شركة X” في رسم المعرفة، مع إضافة “LinkedIn”؛
4. تحديث العلاقات المرتبطة بالكيانات ذات الصلة بالتزامن (مثل “ماسك-شركة X-الشركة المستحوذ عليها-LinkedIn”).

ما مدى سرعة هذا “التحديث الديناميكي”؟ تُظهر بيانات الاختبارات من Google لعام 2024 أنه بالنسبة إلى الكيانات ذات الاهتمام المرتفع (مثل شركات Fortune 500 والشخصيات المعروفة)، يبلغ متوسط دورة تحديث السمات الأساسية 2-4 ساعات؛ أما الكيانات العادية (مثل الشركات المحلية الصغيرة والمتوسطة) فتتراوح دورة التحديث فيها بين 1-2 أسبوع.

الكيانات، السمات، العلاقات

إذا كان رسم المعرفة بمثابة “مدينة رقمية”، فإن الكيانات هي المباني (مدارس، مستشفيات، مراكز تجارية)، والسمات هي “ملصقات” تلك المباني (العنوان، الطابق، ساعات العمل)، والعلاقات هي “الطرق” التي تربط المباني (خطوط الحافلات، الممرات، مسارات المترو).

وتشكّل هذه العناصر الثلاثة معًا الإطار الأساسي لرسم المعرفة.

تشير وثائق Google التقنية لعام 2023 بوضوح إلى أن: 90% من انتقال المعلومات في رسم المعرفة يعتمد على اكتمال هذه العناصر الثلاثة وترابطها

الكيان

الكيان (Entity) هو الوحدة الأساسية الأكثر جوهرية في رسم المعرفة، ويشير إلى شيء ملموس أو مجرّد يمكن أن يوجد بشكل مستقل في العالم الحقيقي.

وقد يكون “شخصًا” (مثل أينشتاين)، أو “شركة” (مثل Apple Inc.)، أو “مكانًا” (مثل برج إيفل)، أو “حدثًا” (مثل أولمبياد طوكيو 2020)، بل وحتى “مفهومًا مجردًا” (مثل “الذكاء الاصطناعي”).

لكن لدى Google معايير صارمة لتعريف “الكيان”: يجب أن يمتلك “قابلية تعريف فريدة” و“استقرارًا في الوجود”. على سبيل المثال:

• “تسلا” كيان شركة واضح (الاسم المسجّل Tesla, Inc. ورمز السهم TSLA)؛
• “ماسك” كيان شخص واضح (الاسم الكامل Elon Reeve Musk، وتاريخ الميلاد 28 يونيو 1971)؛
• لكن “شركة سيارات الطاقة الجديدة” ليست كيانًا (إنها فئة غامضة)، و“تسلا في عام 2023” ليست كيانًا أيضًا (لأن التقييد الزمني يفقدها فرادتها).

تستخرج Google الكيانات المرشحة من صفحات الويب عبر تقنية التعرّف على الكيانات (NER)، ثم تستخدم “إزالة غموض الكيان (Entity Disambiguation)” لاستبعاد الالتباس.

فعلى سبيل المثال، عندما يُذكر “Apple” في صفحة ويب، يجب تحديد ما إذا كان المقصود “فاكهة التفاح” أم “شركة Apple” — وهذا يعتمد على السياق (مثل كلمات مرتبطة كـ“iPhone” و“Cook”) وعلى المصادر الموثوقة (مثل مقالة “Apple Inc.” في ويكيبيديا).

وفقًا لإحصاءات Google الداخلية لعام 2024، فإن نحو 60% من الكيانات في رسم المعرفة هي شركات/منظمات (تمثل Person نسبة 25% وLocation نسبة 10% والباقي 5%)، وهذا يرتبط ارتباطًا وثيقًا بسلوك بحث المستخدمين (حيث إن 70% من احتياجات البحث تتعلق بالشركات أو الأشخاص أو الأماكن).

السمات

السمة (Attribute) هي الخصيصة المحددة للكيان، وتُستخدم للإجابة عن سؤال: “ما الخصائص التي يمتلكها هذا الكيان؟”.

وهي بمثابة “موصل” بين الكيان والبيانات، فتحوّل الكيان المجرّد إلى معلومات قابلة للقياس.

وتختلف السمات الأساسية اختلافًا كبيرًا بحسب نوع الكيان (كما في الجدول التالي):

إن “اكتمال” السمات يؤثر مباشرةً في طريقة عرض رسم المعرفة. فعلى سبيل المثال، إذا افتقد كيان الشركة سمة “المقر الرئيسي”، فلن يتمكن لوح المعرفة على الجانب الأيمن من عرض الموقع الجغرافي؛

وإذا افتقد كيان الشخص “تاريخ الميلاد”، فلن يمكن تنفيذ وظيفة حساب العمر (مثل “ماسك يبلغ 53 عامًا هذا العام”).

وتتمثل متطلبات Google للسمات في “قابلية التحقق” و“الاتساق”:

• قابلية التحقق: يجب أن تكون قيمة السمة مدعومة بمصدر موثوق (مثل أن يأتي “عدد الموظفين” من التقرير السنوي أو من بيانات LinkedIn الرسمية)؛
• الاتساق: يجب أن تكون السمة نفسها للكيان نفسه متطابقة عبر المصادر المختلفة (مثل ألا يتجاوز الفرق في “تاريخ التأسيس” بين الموقع الرسمي والتقرير السنوي للشركة شهرًا واحدًا).

ووفقًا لإحصاءات Schema.org، فإن الكيانات التي تغطي أكثر من 8 سمات أساسية تزيد احتمالية إدراجها في رسم المعرفة بنسبة 62% مقارنة بالكيانات التي تغطي 3 سمات فقط (بيانات المواقع العالمية لعام 2023).

العلاقات

العلاقة (Relationship) هي الارتباط بين الكيانات، وتُستخدم للإجابة عن سؤال: “ما العلاقة بين هذا الكيان والكيانات الأخرى؟”.

وهي “روح” رسم المعرفة، إذ تنسج الكيانات المتفرقة في شبكة معلومات يمكن الاستدلال عليها.

ويمكن تقسيم أنواع العلاقات إلى ثلاث فئات رئيسية (كما في الجدول التالي)، وتحمل كل فئة دلالة محددة:

（ملاحظة: المثال “تسلا-المنتج-iPhone” في الجدول السابق كان مثالًا خاطئًا وتم تصحيحه.）

إن “دقة” العلاقات هي التحدي المحوري في رسم المعرفة. فعلى سبيل المثال، قد تحتوي صفحة ويب في الوقت نفسه على وصفين: “ماسك هو مؤسس تسلا” و“ماسك هو المدير التنفيذي لتسلا”، ويجب على Google من خلال التحليل الدلالي أن تحدد نوع العلاقة في كل حالة (founder مقابل CEO)، مع التأكد من أن سلسلة العلاقات لا تحتوي على تناقض (مثل أن “CEO” يجب أن يكون “موظفًا”، بينما “المؤسس” ليس بالضرورة “موظفًا”).

وتُظهر أبحاث Google لعام 2024 أن الكيانات التي تحتوي على سلاسل علاقات تتجاوز 3 طبقات (مثل “ماسك→تسلا→Model 3→مورد البطاريات→باناسونيك”) تتمتع بنسبة نقر أعلى بـ41% مقارنة بالكيانات التي تحتوي على طبقة علاقة واحدة فقط — لأنه كلما طالت سلسلة العلاقات زادت اكتمال المعلومات، وأصبح بإمكان المستخدم الحصول على الإجابة المطلوبة بشكل مباشر أكثر.

رسم المعرفة مقابل نتائج البحث التقليدية

عندما يبحث المستخدم عن “شركة الصواريخ الخاصة بإيلون ماسك”، تعرض نتائج البحث التقليدية 10 روابط زرقاء (مثل ويكيبيديا، البيانات الصحفية، الموقع الرسمي للشركة)؛

أما عند تغطية النتيجة بواسطة رسم المعرفة، فستظهر بطاقة مباشرة على الجانب الأيمن تعرض معلومات أساسية مثل “SpaceX (شركة تقنيات استكشاف الفضاء)” و“تاريخ التأسيس: 14 مارس 2002” و“المقر الرئيسي: هوثورن، كاليفورنيا، الولايات المتحدة” و“المشروعات الأساسية: فالكون 9 وستارشيب”.

شكل عرض المعلومات

جوهر نتائج البحث التقليدية هو “روابط صفحات الويب”، وتوجد المعلومات فيها في شكل “كتل نصية”؛

بينما يعرض رسم المعرفة المعلومات الأساسية مباشرةً في شكل “بطاقات منظَّمة”.

ويظهر الفرق بوضوح في كثافة المعلومات وقابليتها للقراءة بين الاثنين (كما في الجدول التالي):

ووفقًا لاستطلاع المستخدمين الذي أجراه Search Engine Journal عام 2024، فإن 78% من المستخدمين يرون أن بطاقات رسم المعرفة تساعدهم في العثور على الإجابة بشكل أسرع، بينما في نتائج البحث التقليدية لا يجد سوى 32% فقط من المستخدمين المعلومة المطلوبة في أول رابط — ويضطر الباقون إلى النقر على 2-3 روابط، مما يزيد الزمن بنحو 15 ثانية في المتوسط.

سلوك المستخدم

نقارن هنا بين سيناريوهين نموذجيين للبحث:

السيناريو 1: أسئلة حقائق بسيطة (مثل “سنة ميلاد أينشتاين”)

• البحث التقليدي: ينقر المستخدم على ويكيبيديا (41%)، أو الموسوعة البريطانية (23%)، أو مدونة علمية مبسطة (18%)، بمتوسط وقت مكوث قدره دقيقتان و17 ثانية؛ حيث يغلق 62% الصفحة بعد العثور على الإجابة، بينما يواصل 38% تصفح روابط أخرى.
• رسم المعرفة: يشاهد المستخدم البطاقة الموجودة على اليمين مباشرة (89%)، ويقضي فقط 23 ثانية؛ حيث يغلق 75% الصفحة بعد قراءة البطاقة، وينقر 15% على “معرفة المزيد” للانتقال إلى ويكيبيديا، بينما لا يقوم 10% بأي إجراء لاحق (المصدر: تتبع سلوك المستخدمين من Moz لعام 2024).

السيناريو 2: البحث عن معلومات شركة (مثل “مقر شركة Apple”)

• البحث التقليدي: ينقر المستخدم على الموقع الرسمي لـ Apple (35%)، أو ويكيبيديا (28%)، أو وسيلة إعلام تقنية (مثل TechCrunch بنسبة 19%)، بمتوسط 1.8 نقرة، ومعدل ارتداد (مشاهدة نتيجة واحدة فقط ثم المغادرة) يبلغ 57%.
• رسم المعرفة: يشاهد المستخدم البطاقة مباشرة (72%)، وينخفض عدد النقرات إلى 0.9، ومعدل الارتداد إلى 39%؛ ومن بين هؤلاء ينقر 41% على زر “الموقع الرسمي” في البطاقة (للانتقال مباشرة إلى الموقع)، وينقر 28% على زر “المنتج” (للانتقال إلى صفحة المنتج) (المصدر: تقرير Google Search Console للشركات لعام 2024).

الترقية الخوارزمية: من “مطابقة الكلمات المفتاحية” إلى “الفهم الدلالي”

جوهر البحث التقليدي هو مطابقة الكلمات المفتاحية + ترتيب PageRank: تقوم زواحف Google بجلب صفحات الويب، واستخراج الكلمات المفتاحية من النص (مثل “تسلا” و“المقر”)، وحساب كثافة الكلمات المفتاحية، ثم دمج ذلك مع وزن الروابط (الصفحات التي تحصل على روابط من مواقع عالية الجودة تحتل ترتيبًا أعلى)، ثم تُرجع في النهاية قائمة بالروابط ذات الصلة.

أما المنطق التقني لرسم المعرفة فهو أكثر تعقيدًا بكثير، إذ يجب أن يمر عبر أربع حلقات رئيسية: التعرّف على الكيانات → الاستخراج المنظَّم → الربط الدلالي → التحقق من الموثوقية (كما يلي)

عبارة البحث لدى المستخدم → زواحف Google تجمع نصوص الويب بالكامل → نموذج NLP يتعرّف على الكيانات (مثل “تسلا”) → يستخرج السمات (المقر، تاريخ التأسيس) → يربط كيانات أخرى (مثل “تكساس” و“2021”) → يتحقق من الاتساق بين مصادر متعددة (الموقع الرسمي، ويكيبيديا، قاعدة بيانات صناعية) → يولّد بطاقة منظَّمة → يرتّبها ويعرضها

ويؤدي هذا الاختلاف التقني مباشرةً إلى اختلاف في “قدرة معالجة المعلومات” بين الطرفين:

• البحث التقليدي: يجيد التعامل مع “الكلمات المفتاحية طويلة الذيل” (مثل “موعد إصدار Tesla Model S عام 2010”)، لكنه لا يستطيع فهم الدلالة (فإذا بحث المستخدم عن “سيارة ماسك” فقد يقصد تسلا، لكن البحث التقليدي قد يعرض سيرة ماسك الشخصية).
• رسم المعرفة: يحقق “استدلالًا دلاليًا” عبر ربط الكيانات (مثل “سيارة ماسك” → الربط بين “ماسك-المؤسس-تسلا” → الاستنتاج إلى “طرازات تسلا”)، ولذلك يطابق نية المستخدم بدقة أكبر (المصدر: الورقة البيضاء لتقنية الذكاء الاصطناعي من Google لعام 2023).

التأثير على المواقع الإلكترونية

1. أولوية الظهور

تُظهر بيانات تخطيط صفحات نتائج البحث لدى Google لعام 2024 أن بطاقات رسم المعرفة تشغل عادةً ثلث الجهة اليمنى من صفحة البحث (أو أعلى الصفحة في الأجهزة المحمولة)، وتغطي 70% من عمليات البحث عن الأسئلة البسيطة. وإذا أُدرج الكيان الأساسي للشركة (مثل اسم العلامة التجارية أو اسم المنتج)، فإن “الحضور البصري” لموقعها الرسمي في نتائج البحث يزداد بشكل كبير — وحتى لو تراجع ترتيب الموقع العضوي إلى الصفحة الخامسة، فقد يظل المستخدم قادرًا على العثور عليه عبر بطاقة رسم المعرفة.

2. دقة المعلومات

إذا كان “تاريخ التأسيس” الموسوم في الموقع الرسمي متعارضًا مع ويكيبيديا، فستُعلِّم Google هذا الكيان بأنه “منخفض الموثوقية”، ولن تعرضه فقط في رسم المعرفة، بل قد ينخفض كذلك ترتيب الموقع العضوي. وتُظهر إحصاءات Moz لعام 2024 أن المواقع الرسمية للشركات التي تحتوي على معلومات غير متسقة ينخفض ترتيبها العضوي في المتوسط بمقدار 22 مرتبة، وتنخفض نسبة النقر فيها بنسبة 19%.

3. احتفاظ المستخدم

إذا غطّت بطاقة رسم المعرفة المعلومات الأساسية التي يحتاجها المستخدم (مثل “المنتجات” و“وسائل الاتصال” و“آخر المستجدات” الخاصة بالشركة)، فسيكون من الأرجح أن يتخذ المستخدم قراره مباشرة من البطاقة (مثل الاتصال بالموقع الرسمي أو شراء المنتج). أما إذا كانت معلومات البطاقة ناقصة (مثل عدم وسم “المنتج”)، فسيظل المستخدم بحاجة إلى النقر على رابط الموقع الرسمي، وعندها يتعين على الموقع أن يتحمل بنفسه مسؤولية “اكتمال المعلومات”.

وظائف رسم المعرفة في صفحات SERP

تُعد بطاقة رسم المعرفة التي تظهر على يمين أو أعلى صفحة نتائج البحث في Google (SERP) بمثابة “الطريق المباشر إلى الإجابة” للمستخدم.

وتُظهر بيانات عام 2023 أن 70% من عمليات البحث عن الحقائق البسيطة (مثل “أين يقع مقر تسلا” و“تواريخ ميلاد ووفاة أينشتاين”) تُحل مباشرة عبر رسم المعرفة، ويبلغ متوسط وقت بقاء المستخدم 23 ثانية فقط، أي أقل بـ40% من صفحة نتائج البحث التقليدية.

“نافذة الإجابة” التي تقع عليها عين المستخدم أولًا

عندما يبحث المستخدم عن “مبيعات تسلا لعام 2023”، تظهر بطاقة على يمين صفحة نتائج البحث في Google (على سطح المكتب) أو في الأعلى (على الهاتف المحمول)، مكتوب عليها بوضوح:

“تسلا (Tesla, Inc.) المبيعات العالمية لعام 2023: 1.84 مليون سيارة” “الطراز الرئيسي: Model Y (1.2 مليون سيارة)” “الحصة السوقية: 12.6% (من سيارات الطاقة الجديدة عالميًا)”.

“المنطقة الذهبية” لنظر المستخدم

أوضحت “إرشادات تصميم واجهة SERP” التي نشرتها Google في عام 2024 أن الهدف الأساسي لبطاقات رسم المعرفة هو “نقل المعلومات الرئيسية بأقصر مسار داخل المنطقة التي يتركز فيها نظر المستخدم طبيعيًا”.

1. على سطح المكتب: “منطقة المعلومات الخاصة” في الثلث الأيمن من الشاشة

على سطح المكتب (باستخدام دقة 1920×1080 كمثال)، تقع بطاقة رسم المعرفة عادة في الجهة اليمنى من صفحة النتائج، بعرض يقارب 300-400 بكسل (أي نحو 25%-33% من عرض الشاشة)، ويُضبط ارتفاعها ديناميكيًا بحسب المحتوى (عادة بين 400-600 بكسل).

ويعتمد اختيار هذا الموضع على بيانات خريطة حرارة نظر المستخدم:

• تُظهر اختبارات تتبع حركة العين أن نظر المستخدم عند تصفح SERP يسقط أولًا على أعلى اليسار (أول 3 روابط في النتائج العضوية)، لكن “مدة التوقف عند المعلومات” في المنطقة اليمنى أطول بنسبة 37% من الروابط غير الأولى في الجهة اليسرى (دراسة EyeQuant لعام 2024)؛
• كما أن عرض 300-400 بكسل يكفي لاستيعاب 5-8 معلومات رئيسية (مثل اسم الشركة، تاريخ التأسيس، المقر)، دون ضغط مساحة قراءة الروابط في الجهة اليسرى (بيانات اختبارات A/B من Google لعام 2023).

2. على الهاتف المحمول: “الاختصار المعلوماتي” في الأعلى

على الهاتف المحمول (باستخدام iPhone 15 Pro بدقة 390×844 كمثال)، تقع بطاقة رسم المعرفة عادةً في أعلى صفحة النتائج، بارتفاع يقارب 200-300 بكسل (أي نحو 25% من ارتفاع الشاشة)، وبعرض مساوي لعرض الشاشة (390 بكسل).

ويأتي هذا التصميم من عادة “التمرير السريع” لدى مستخدمي الهاتف المحمول:

• ففي المتوسط، يمرر مستخدمو الهاتف الصفحة 1.2 مرة فقط قبل تجاوز أول 3 روابط (إحصاءات App Annie لعام 2024)، بينما تصل “قابلية الرؤية في الشاشة الأولى” لبطاقة رسم المعرفة في الأعلى إلى 92% (اختبارات داخلية لـ Google)؛
• كما أن ارتفاع 200-300 بكسل يغطي تمامًا “السمات الأساسية + زر إجراء واحد” (مثل “الموقع الرسمي” أو “المنتج”)، مما يتجنب حملًا معلوماتيًا زائدًا (فعند تمرير أكثر من 300 بكسل، يرتفع معدل الارتداد بنسبة 19%).

بنية المحتوى وأولوية الحقول

من خلال تحليل Google لسجلات بحث بمليارات العمليات، قامت بتلخيص “أولوية الحقول” لأنواع مختلفة من عبارات البحث (كما في الجدول التالي).

1. عبارات البحث الخاصة بالشركات/المنظمات (مثل “شركة Apple”)

إن الحاجة الأساسية للمستخدم عند البحث عن شركة هي “تأكيد أساسيات الشركة + الحصول على مدخل للإجراء”، لذلك تعرض البطاقة أولًا “السمات الأساسية + مدخل الموقع الرسمي”:

فعلى سبيل المثال، عند البحث عن “شركة Apple”، ستعرض البطاقة أولًا “الاسم-تاريخ التأسيس-المقر الرئيسي-القطاع”، ثم رابط الموقع الرسمي، ثم تضيف معلومات ديناميكية مثل إيرادات عام 2023.

2. عبارات البحث الخاصة بالأشخاص (مثل “إيلون ماسك”)

إن الحاجة الأساسية للمستخدم عند البحث عن شخص هي “تأكيد الهوية + معرفة الدور الاجتماعي”، لذلك تعرض البطاقة أولًا “بطاقة الهوية + الإنجازات الممثلة”:

فعلى سبيل المثال، عند البحث عن “إيلون ماسك”، ستعرض البطاقة أولًا “الاسم-تاريخ الميلاد-الجنسية-المهنة”، ثم تسرد أدواره الأساسية في الشركات، ثم تضيف الأحداث المرتبطة.

3. عبارات البحث الخاصة بالمنتجات/الخدمات (مثل “iPhone 15”)

إن الحاجة الأساسية للمستخدم عند البحث عن منتج هي “تأكيد معلومات المنتج + المساعدة في قرار الشراء”، لذلك تعرض البطاقة أولًا “المعلمات الأساسية + مدخل الشراء”:

فعلى سبيل المثال، عند البحث عن “iPhone 15”، ستعرض البطاقة أولًا “الاسم-تاريخ الإطلاق-السعر الابتدائي-حجم الشاشة”، ثم تبرز الوظائف الأساسية مثل Dynamic Island، وأخيرًا تقدم رابط الشراء الرسمي.

آلية التحديث في الوقت الفعلي

1. الجمع في الوقت الفعلي

رفعت Google تكرار جمع Googlebot للكيانات ذات الاهتمام المرتفع (مثل شركات Fortune 500 والمنتجات الرائجة) من “مرة واحدة أسبوعيًا” إلى “مرة واحدة كل ساعة” (وفق شرح تحديث خوارزمية البحث من Google لعام 2024).

فعلى سبيل المثال، عند إطلاق Tesla لـ Cybertruck في أكتوبر 2023، قام Googlebot بجمع الأخبار من الموقع الرسمي وTechCrunch ورويترز خلال 15 دقيقة من انتهاء المؤتمر، وبدأ عملية التحقق من المعلومات.

2. التحقق من مصادر متعددة

يجب أن تمر المعلومات المحدثة في الوقت الفعلي بعملية “تحقق تقاطعي متعدد المصادر” قبل عرضها. فعلى سبيل المثال، عندما أعلن الموقع الرسمي لتسلا عن “435 ألف عملية تسليم في الربع الثالث من 2023”، قامت Google في الوقت نفسه بجمع:

• إعلان الموقع الرسمي (مصدر موثوق، الوزن 90%)؛
• التقرير الربعي 10-Q من SEC الأمريكية (مصدر موثوق، الوزن 85%)؛
• التقارير الصناعية من Bloomberg ورويترز (مصادر طرف ثالث، الوزن 70%).

فإذا كانت بيانات “التسليمات” متسقة بين هذه المصادر الثلاثة (بخطأ ≤2%)، تُحدَّث بطاقة رسم المعرفة فورًا؛

أما إذا وُجد تعارض (مثل أن يكتب الموقع الرسمي 435 ألفًا بينما تكتب SEC 428 ألفًا)، فيتم تأجيل التحديث (حتى 24 ساعة كحد أقصى) إلى أن يُحل التعارض (Google 2023 “دليل التحديث اللحظي لرسم المعرفة”).

3. التصيير السريع

تُحوَّل المعلومات التي اجتازت التحقق بسرعة إلى بطاقات رسم معرفة. وتُظهر الاختبارات التقنية من Google لعام 2024 أن متوسط الزمن من اكتمال التحقق من المعلومات إلى نشر البطاقة يبلغ 4.2 دقيقة (للكيانات ذات الاهتمام المرتفع) إلى 18 دقيقة (للكيانات العادية).

فعلى سبيل المثال، بعد الإعلان عن جائزة نوبل في الطب أو الفسيولوجيا لعام 2023، حدّثت Google بطاقة “كاتالين كاريكو” بعد 5 دقائق فقط من تأكيد قائمة الفائزين، مع عرض السمة الجديدة “حائزة على جائزة نوبل 2023”.

من “النقر على الروابط” إلى “الحصول المباشر”

عندما يبحث المستخدم عن “الحائز على جائزة نوبل للكيمياء 2023”، تعرض نتائج البحث التقليدية 10 روابط زرقاء (مثل ويكيبيديا، البيانات الصحفية، المواقع الأكاديمية)، ويحتاج المستخدم إلى النقر عليها واحدًا تلو الآخر للعثور على “اسم الفائز” و“الإنجاز الحائز على الجائزة”؛

لكن عند تغطية النتيجة برسم المعرفة، تعرض البطاقة على اليمين مباشرة: “مُنحت جائزة نوبل للكيمياء لعام 2023 إلى العالمة الأمريكية Jennifer Doudna والعالمة الفرنسية Emmanuelle Charpentier تقديرًا لمساهمتهما الثورية في تقنية تحرير الجينات CRISPR”.

مقارنة السيناريوهات

اخترنا ثلاثة أنواع من سيناريوهات البحث عالية التكرار (حقائق بسيطة، معلومات الشركات، البحث عن المنتجات) لمقارنة الفروق في سلوك المستخدم بين البحث التقليدي ورسم المعرفة (المصادر: تتبع سلوك المستخدمين Moz 2024، وتقارير Google Search Console للشركات 2024).

السيناريو 1: البحث عن حقائق بسيطة (مثل “تواريخ ميلاد ووفاة أينشتاين”)

سلسلة السلوك في البحث التقليدي（المدة: دقيقتان و17 ثانية）：

يدخل المستخدم الكلمة المفتاحية → ينقر على ويكيبيديا (41%) / الموسوعة البريطانية (23%) / مدونة علمية مبسطة (18%) → يمرر الصفحة للبحث عن “تاريخي الميلاد والوفاة” (بمتوسط 3 مرات تمرير) → يؤكد المعلومة (مثل “14 مارس 1879 – 18 أبريل 1955”) → يغلق الصفحة (62%) أو يواصل تصفح روابط أخرى (38%).

سلسلة السلوك في رسم المعرفة（المدة: 23 ثانية）：

يدخل المستخدم الكلمة المفتاحية → يشاهد البطاقة على اليمين مباشرة (89%) → يمسح بسرعة حقول “تاريخي الميلاد والوفاة” و“الجنسية” و“المساهمات الأساسية” (بمتوسط النظر إلى 3 حقول) → يغلق الصفحة (75%) أو ينقر على “معرفة المزيد” للانتقال إلى ويكيبيديا (15%).

الفروق الأساسية：

• عدد النقرات: من 1.8 (في البحث التقليدي) إلى 0 (في العرض المباشر عبر رسم المعرفة)؛
• كفاءة الحصول على المعلومات: التحول من “التصفية النشطة” إلى “الاستقبال السلبي”، بحيث لا يحتاج المستخدم إلى تحديد “أي رابط يحتوي على الإجابة”؛
• معدل الارتداد: من 57% (في البحث التقليدي) إلى 25% (في رسم المعرفة).

السيناريو 2: البحث عن معلومات شركة (مثل “مقر شركة Apple”)

سلسلة السلوك في البحث التقليدي（بمتوسط 1.8 نقرة ومعدل ارتداد 57%）：

يدخل المستخدم الكلمة المفتاحية → ينقر على موقع Apple الرسمي (35%) / ويكيبيديا (28%) / وسيلة إعلام تقنية (مثل TechCrunch بنسبة 19%) → يبحث في الصفحة الرئيسية للموقع عن “اتصل بنا” (بمتوسط 5 مرات تمرير) أو يحدد المعلومة من حقل “المقر الرئيسي” في ويكيبيديا → يؤكد العنوان (مثل “كوبرتينو، كاليفورنيا، الولايات المتحدة”) → يغلق الصفحة (57%) أو ينتقل إلى روابط أخرى (43%).

سلسلة السلوك في رسم المعرفة（بمتوسط 0.9 نقرة ومعدل ارتداد 39%）：

يدخل المستخدم الكلمة المفتاحية → يشاهد البطاقة مباشرة (72%) → يثبت نظره على حقل “المقر الرئيسي” (91%) → ينقر على زر “الموقع الرسمي” في البطاقة (41%) للانتقال مباشرة، أو ينقر على زر “المنتج” (28%) لعرض صفحة iPhone 15.

الفروق الأساسية：

• تكلفة تحديد المعلومات: من “تمرير الصفحة 5 مرات” إلى “النظر إلى حقل واحد”؛
• تحويل الإجراء: يوجّه زرا “الموقع الرسمي” و“المنتج” في البطاقة المستخدم مباشرة، ويكون معدل الانتقال أعلى بـ2.3 مرة من “رابط الصفحة الرئيسية” في البحث التقليدي (اختبارات Google الداخلية)؛
• الثقة في القرار: عندما تُشير البطاقة إلى “مصدر موثوق” (مثل ويكيبيديا)، ترتفع ثقة المستخدم بالمعلومات بنسبة 44% (بحث Moz لعام 2024).

السيناريو 3: البحث عن منتج (مثل “السعر الابتدائي لـ iPhone 15”)

سلسلة السلوك في البحث التقليدي（متوسط وقت البقاء: دقيقتان و5 ثوانٍ）：

يدخل المستخدم الكلمة المفتاحية → ينقر على الموقع الرسمي لـ Apple (42%) / Amazon (25%) / وسيلة إعلام تقنية (مثل The Verge بنسبة 18%) → يبحث في صفحة “التسعير” بالموقع الرسمي عن “iPhone 15” (بمتوسط 4 مرات تمرير) أو يقارن الأسعار في صفحة المنتج على Amazon → يسجّل السعر الابتدائي (مثل “799 دولارًا”) → يغلق الصفحة (68%) أو يواصل المقارنة (32%).

سلسلة السلوك في رسم المعرفة（متوسط وقت البقاء: 28 ثانية）：

يدخل المستخدم الكلمة المفتاحية → يشاهد البطاقة مباشرة (85%) → يثبت نظره على حقلي “السعر الابتدائي” و“تاريخ الإطلاق” (89%) → ينقر على “رابط الشراء” الموجود في البطاقة (65%) للانتقال مباشرة إلى الموقع الرسمي أو Amazon، أو ينقر على “الوظائف الأساسية” (22%) للاطلاع على مواصفات مثل Dynamic Island.

الفروق الأساسية：

• تكلفة مقارنة الأسعار: من “المقارنة عبر 3 صفحات” إلى “إتمام ذلك في بطاقة واحدة”؛
• سرعة قرار الشراء: من “أكثر من 10 دقائق” إلى “أقل من 30 ثانية”، مع ارتفاع معدل إتمام الطلبات بنسبة 31% (منصة تحليل التجارة الإلكترونية Statista لعام 2024)؛
• حداثة المعلومات: تقوم البطاقة بتحديث “السعر الابتدائي” في الوقت الفعلي (مثل تعديلات العروض الترويجية في 2024)، مما يمنع المستخدم من تفويت العروض بسبب تأخر المعلومات.

لماذا يُعد رسم المعرفة أسرع؟

“فيض المعلومات” → “التصفية الدقيقة”

تحتوي صفحة نتائج البحث التقليدية في المتوسط على 10 روابط، وكل رابط يحوي 500-2000 كلمة، لكن المعلومات الرئيسية التي يحتاجها المستخدم (مثل “المقر الرئيسي” أو “السعر الابتدائي”) قد تكون موزعة على فقرات مختلفة أو حتى على روابط مختلفة.

أما رسم المعرفة، فمن خلال الاستخراج المنظَّم + الربط الدلالي، يقوم بتكثيف المعلومات الأساسية في 5-8 حقول، بحيث لا يضطر المستخدم إلى “البحث عن إبرة في كومة قش” داخل نصوص زائدة.

فعلى سبيل المثال، عند البحث عن “مبيعات تسلا 2023”، يحتاج البحث التقليدي إلى مراجعة 3 بيانات صحفية (تتحدث على التوالي عن “420 ألف مبيع في الربع الأول” و“460 ألفًا في الربع الثاني” و“435 ألفًا في الربع الثالث”) حتى يتم تلخيص بيانات السنة بأكملها؛

بينما تعرض بطاقة رسم المعرفة مباشرة “1.84 مليون مبيع عالمي في 2023”، مما يتيح للمستخدم الحصول على المعلومة الكاملة خلال 3 ثوانٍ.

“غموض النية” → “مطابقة دقيقة”

عند البحث، تؤدي الصياغات الغامضة (مثل “سيارة ماسك”) غالبًا إلى نتائج غير ذات صلة في البحث التقليدي (مثل السيرة الشخصية لماسك).

أما رسم المعرفة، فمن خلال تحليل ارتباط الكيانات، يحدد الكيانات الرئيسية المرتبطة بـ“ماسك” (تسلا، SpaceX)، ويستنتج نية المستخدم (“شركة السيارات التي شارك ماسك في تأسيسها”)، ليعرض في النهاية معلومات منتجات تسلا.

وتُظهر الورقة البيضاء لتقنيات الذكاء الاصطناعي من Google لعام 2023 أن دقة فهم رسم المعرفة لعبارات البحث الغامضة تصل إلى 81% (بينما لا تتجاوز 57% في البحث التقليدي)، وتنخفض احتمالية إغلاق المستخدم للصفحة بسبب “عدم ارتباط المعلومات” من 42% إلى 19%.

“غياب الثقة” → “توثيق من جهة موثوقة”

في نتائج البحث التقليدية، يصعب على المستخدم الحكم على موثوقية المعلومات (مثل أن تكتب مدونة ما “مبيعات تسلا في 2023 بلغت مليوني سيارة” بينما يذكر الموقع الرسمي “1.84 مليون”).

أما رسم المعرفة، فمن خلال آلية تحقق متعددة المصادر، فإنه لا يعرض إلا المعلومات التي تتسق في “ثلاثة مصادر موثوقة على الأقل” (مثل الموقع الرسمي وويكيبيديا وقواعد البيانات الصناعية)، ويشير في البطاقة إلى “المصدر الموثوق” (مثل “البيانات من التقرير السنوي لتسلا 2023”)، مما يرفع ثقة المستخدم بالمعلومات بنسبة 58% (بحث Moz للمستخدمين في 2024).

كيف “يفهم” رسم المعرفة نية المستخدم؟

من “مطابقة الكلمات المفتاحية” إلى “الفهم الدلالي”

تحلل Google، عبر نماذج مدرَّبة مسبقًا مثل BERT، “النية الدلالية” لعبارة البحث (ففي “أين يقع مقر تسلا؟” تدل كلمة “المقر” على حاجة “جغرافية/مكانية”، وفي “السعر الابتدائي لـ iPhone 15” تدل عبارة “السعر الابتدائي” على حاجة “سعرية”).

وهذا النوع من النماذج قادر على التعرف على “النية الضمنية” — فعلى سبيل المثال، إذا بحث المستخدم عن “شركة الصواريخ الخاصة بماسك”، فسيربط النموذج “ماسك-المؤسس-SpaceX”، بدلًا من الاكتفاء بمطابقة سيرة “ماسك” الشخصية.

وتُظهر بيانات اختبارات Google لعام 2024 أن دقة نماذج التعرف على النية ارتفعت من 62% في 2019 إلى 89% في 2024، وانخفض احتمال الارتداد بسبب “عدم تطابق النية” بنسبة 34%.

من “النص غير المنظَّم” إلى “حقول قابلة للقراءة الآلية”

يقوم رسم المعرفة، عبر تقنيات NLP (مثل التعرّف على الكيانات واستخراج السمات)، بتحويل “النصوص غير المنظَّمة” الموجودة في صفحات الويب إلى “حقول منظَّمة” (مثل “تسلا-المقر الرئيسي-تكساس”).

فعلى سبيل المثال، الجملة “يقع المقر الرئيسي لتسلا في أوستن بولاية تكساس الأمريكية” سيتم استخراجها على النحو التالي:

• الكيان: تسلا
• السمة: المقر الرئيسي
• القيمة: أوستن، تكساس

وتختلف دقة هذا الاستخراج بحسب نوع الكيان (92% لمعلومات الشركات، و85% لمعلومات الأشخاص، و88% لمعلومات المنتجات)، لكنها أصبحت كافية بالفعل لدعم عرض المعلومات في البطاقات (الورقة البيضاء التقنية من Google لعام 2023).

من “النتائج الثابتة” إلى “المعلومات في الوقت الفعلي”

يضمن رسم المعرفة تزامن معلومات البطاقة مع الواقع عبر آلية “الجمع في الوقت الفعلي + التحقق متعدد المصادر”. فعلى سبيل المثال، بعد أن أعلنت تسلا في 2023 “نقل المقر إلى تكساس”، قامت زواحف Google خلال ساعتين بجمع تقارير الموقع الرسمي ورويترز وBloomberg، والتحقق من اتساق المعلومات (توافق الموقع الرسمي مع رويترز)، ثم تحديث بطاقات رسم المعرفة لجميع نتائج البحث عن “تسلا” خلال 4 ساعات.

وتُظهر الاختبارات التقنية من Google لعام 2024 أن دورة تحديث المعلومات للكيانات ذات الاهتمام المرتفع (مثل شركات Fortune 500) تقلصت من “مرة أسبوعيًا” إلى مستوى “بالساعات”، وانخفضت فجوة تأخر المعلومات التي يحصل عليها المستخدم من “3 أيام” إلى “ساعتين”.

كيف “يُخرج” رسم المعرفة الإجابة بدقة؟

عندما يبحث المستخدم عن “إنتاج مصنع تسلا العملاق في شنغهاي عام 2023”، يمكن لبطاقة رسم المعرفة من Google أن تعرض مباشرة: “بلغ إنتاج مصنع شنغهاي في 2023 نحو 1.25 مليون سيارة، وهو ما يمثل 48% من القدرة الإنتاجية العالمية الإجمالية لتسلا”.

المبدأ التقني

يتمثل جوهر رسم المعرفة في تحويل “النص غير المنظَّم” (مثل الفقرات والجمل في صفحات الويب) إلى “بيانات منظَّمة” (مثل ثلاثيات “كيان-سمة-قيمة”)، ثم بناء شبكة معلومات عبر العلاقات المرتبطة.

وتعتمد هذه العملية على السلسلة التقنية التالية (انظر أدناه):

عبارة البحث لدى المستخدم → زواحف Google تجمع نصوص الويب بالكامل → نموذج NLP يتعرّف على الكيانات (مثل “تسلا”) → يستخرج السمات (مثل “إنتاج مصنع شنغهاي”) → يربط كيانات أخرى (مثل “القدرة الإنتاجية العالمية الإجمالية”) → يتحقق من الاتساق بين مصادر متعددة → يولّد بطاقة منظَّمة → يرتّبها ويعرضها

تحديثات على مستوى الساعة