NLP ใน SEO คืออะไร丨Google SEO ใช้ NLP อย่างไร

NLP (การประมวลผลภาษาธรรมชาติ) ใน SEO ช่วยให้การค้นหาจับคู่เนื้อหาได้แม่นยำขึ้นผ่านการวิเคราะห์ความหมายเชิงบริบทและเจตนาของผู้ใช้ โดยจากงานวิจัยของ Moz ปี 2024 พบว่า 78% ของหน้าที่มีอันดับสูงใช้เทคโนโลยีนี้

ในอัลกอริทึมหลักของ Google อย่าง BERT สัดส่วนการประมวลผลด้วย NLP มีมากกว่า 70% ช่วยยกระดับความเป็นมืออาชีพและความน่าเชื่อถือของเนื้อหาให้สอดคล้องกับแนวทาง EEAT

ฉันจะพาคุณแยกดูว่า Google ใช้ NLP อย่างไรเพื่อทำให้ผลการค้นหา “เข้าใจคุณ” มากขึ้น

NLP คืออะไร

NLP (การประมวลผลภาษาธรรมชาติ, Natural Language Processing) คือเทคโนโลยีที่ทำให้คอมพิวเตอร์สามารถเข้าใจ วิเคราะห์ และสร้างภาษามนุษย์ได้

ทั่วโลกมีคำค้นหามากกว่า 8.5 พันล้านครั้งต่อวัน (ข้อมูลสาธารณะของ Google ปี 2024) โดยประมาณ 60% ของคำค้นหามีความหมายแฝงหรือมีความกำกวม เช่น “Apple” อาจหมายถึงผลไม้ โทรศัพท์มือถือ หรืออัลบั้มเพลง

เสิร์ชเอนจินแบบดั้งเดิมทำได้เพียง “จับคู่คีย์เวิร์ด” แต่ว่า NLP สามารถแยกข้อความที่ไม่เป็นระเบียบออกเป็นหน่วยความหมายได้ เช่น แยก “การทดสอบกันน้ำของ iPhone 15 รุ่นปี 2025” ออกเป็น 3 เอนทิตีคือ “รุ่นปี 2025” “iPhone 15” และ “การทดสอบกันน้ำ” จากนั้นจึงสร้างเครือข่ายความหมายผ่านความเชื่อมโยงของบริบท เช่น ความสัมพันธ์ระหว่าง “กันน้ำ” กับ “ฟังก์ชันของโทรศัพท์” ทำให้เครื่อง “เข้าใจ” เจตนาที่แท้จริงเบื้องหลังข้อความได้ในที่สุด

วิวัฒนาการจาก “การจับคู่คีย์เวิร์ด” ไปสู่ “ความเข้าใจเชิงความหมาย”

หากต้องการเข้าใจว่า NLP ทำให้ Google “อ่านเข้าใจ” ข้อความได้อย่างไร เราต้องย้อนกลับไปยัง “วัยเด็ก” ของเสิร์ชเอนจินก่อน — ช่วงทศวรรษ 1990 ถึงต้นทศวรรษ 2000

ในเวลานั้น เทคโนโลยีการค้นหายังดิบมาก ราวกับ “พจนานุกรมคำศัพท์” เล่มหนึ่ง: หากผู้ใช้พิมพ์คำว่า “กาแฟ” ระบบก็เพียงดึงเว็บเพจทั้งหมดที่มีคำว่า “กาแฟ” ออกมา

บางคนถึงกับจงใจใส่คำว่า “ลดน้ำหนัก” “ลดน้ำหนัก” “ลดน้ำหนัก” ซ้ำ ๆ ในหน้าเว็บ เพียงเพื่อให้ผู้ค้นหาคำว่า “ลดน้ำหนัก” เห็นหน้าเว็บนั้น

“ตัวนับคำ” แบบกลไก (ช่วงปี 1990s-ต้น 2000s)

อัลกอริทึมหลักของเสิร์ชเอนจินยุคแรก เช่น AltaVista ในปี 1995 และ Yahoo ในปี 1998 คือ TF-IDF (Term Frequency-Inverse Document Frequency) ซึ่งอธิบายง่าย ๆ คือ “นับจำนวนครั้งที่คำหนึ่งปรากฏในหน้าเว็บ ยิ่งปรากฏมากก็ยิ่งเกี่ยวข้อง”

ตัวอย่างเช่น หากผู้ใช้ค้นหา “Java” ระบบจะให้ความสำคัญกับหน้าเว็บที่มีคำอย่าง “Java programming” หรือ “Java tutorial” ซึ่งมีความถี่สูง แต่หากมีหน้าเว็บเกี่ยวกับ “Java coffee” (กาแฟชนิดหนึ่ง) ระบบก็อาจตัดสินผิดเพียงเพราะคำว่า “Java” ปรากฏหลายครั้ง

ในปี 2003 งานวิจัยของมหาวิทยาลัยแคลิฟอร์เนีย เบิร์กลีย์ วิเคราะห์ผลลัพธ์ของเสิร์ชเอนจินกระแสหลักในเวลานั้นพบว่า เมื่อผู้ใช้ค้นหา “Apple” ใน 20 อันดับแรก 45% เป็นเนื้อหาเกี่ยวกับผลไม้ 30% เป็นผลิตภัณฑ์ของ Apple และอีก 25% เป็นเนื้อหาที่ไม่เกี่ยวข้อง เช่น “สูตรพายแอปเปิล” หรือ “การปลูกต้นแอปเปิล” ผู้ใช้ต้องคัดกรองด้วยตัวเอง และต้องคลิกลิงก์เฉลี่ย 3.2 ครั้งจึงจะพบสิ่งที่ต้องการ (ข้อมูลจาก Forrester ปี 2003)

เว็บไซต์บางแห่งเริ่ม “หาช่องโหว่” เช่น เมื่อผู้ใช้ค้นหา “แล็ปท็อปที่ดีที่สุด” เว็บไซต์คุณภาพต่ำจะใส่คำว่า “ดีที่สุด” “แล็ปท็อป” “แนะนำ” ซ้ำไปซ้ำมา หรือแม้แต่ใช้ข้อความซ่อน (ตัวอักษรสีขาวบนพื้นหลังสีขาว) เพื่อยัดคีย์เวิร์ด

ในปี 2005 Google ต้องออกมายอมรับอย่างเปิดเผยว่า “ประมาณ 30% ของหน้าคุณภาพต่ำสามารถเข้าไปอยู่ใน 10 อันดับแรกได้ผ่านการยัดคีย์เวิร์ด” (รายงานภายในของทีม Google Search Quality)

“การอนุมานแบบคลุมเครือ” ของโมเดลเชิงสถิติ (กลางทศวรรษ 2000-ต้นทศวรรษ 2010)

ช่วงกลางทศวรรษ 2000 เมื่อปริมาณเนื้อหาบนอินเทอร์เน็ตเพิ่มขึ้นอย่างมหาศาล (จากประมาณ 1 พันล้านหน้าเว็บในปี 2000 เป็น 50 พันล้านหน้าในปี 2010) การพึ่งพาการนับคีย์เวิร์ดอย่างเดียวก็ล้มเหลวโดยสิ้นเชิง

เสิร์ชเอนจินเริ่มนำ โมเดลภาษาสถิติ เข้ามาใช้ เพื่อพยายามทำความเข้าใจความสัมพันธ์ของคำผ่าน “ความน่าจะเป็นตามบริบท”

ตัวอย่างเช่น เทคโนโลยี “การจับคู่วลี” ที่ Google เปิดตัวในปี 2008 ระบบไม่ได้มองแค่คำเดี่ยวอีกต่อไป แต่เริ่มวิเคราะห์ความถี่ของ “ชุดวลี”

เช่น เมื่อผู้ใช้ค้นหา “วิธีชงกาแฟ” ระบบจะให้ความสำคัญกับหน้าเว็บที่มีคำอย่าง “ชง” “กาแฟ” “น้ำ” “อุณหภูมิ” ปรากฏร่วมกัน มากกว่าหน้าเว็บที่มีเพียงคำว่า “กาแฟ” ทำให้ความเกี่ยวข้องของผลการค้นหาดีขึ้นประมาณ 12% (ข้อมูลจาก Google Technical Blog ปี 2009)

ปี 2012 Google เปิดตัว “Knowledge Graph” ต่อไปอีกขั้น เปลี่ยนคำที่แยกจากกันให้กลายเป็นเครือข่าย “เอนทิตี + ความสัมพันธ์”

ตัวอย่างเช่น “Einstein” ไม่ได้เป็นเพียงคำศัพท์อีกต่อไป แต่ถูกระบุว่าเป็น “นักฟิสิกส์” “เกิดที่เมืองอุล์ม ประเทศเยอรมนี” “เสนอทฤษฎีสัมพัทธภาพ” และคุณลักษณะเชิงเอนทิตีอื่น ๆ

เมื่อผู้ใช้ค้นหา “Einstein” ระบบไม่เพียงแสดงหน้าชีวประวัติ แต่ยังสามารถแสดงปีเกิด-ปีเสียชีวิต คำคม และลิงก์ไปยังหน้าอธิบายทฤษฎีสัมพัทธภาพได้โดยตรง

หลังจากเปิดใช้งาน Knowledge Graph ข้อมูลทางการของ Google ระบุว่า 40% ของความต้องการค้นหาของผู้ใช้ได้รับคำตอบโดยตรงโดยไม่ต้องคลิกลิงก์ (งานเปิดตัวอย่างเป็นทางการของ Google ปี 2013)

แต่เท่านี้ยังไม่พอ เพราะ Knowledge Graph พึ่งพา “ข้อมูลเชิงโครงสร้าง” ที่มีการติดป้ายกำกับโดยมนุษย์ ในขณะที่ 90% ของเนื้อหาบนอินเทอร์เน็ตเป็น “ข้อความไม่มีโครงสร้าง” เช่น บล็อกหรือกระทู้ในฟอรัม หากต้องการให้เครื่องเข้าใจ “ข้อความไร้ระเบียบ” เหล่านี้ ก็จำเป็นต้องใช้เทคโนโลยีที่ทรงพลังกว่าเดิม

จาก “กฎสถิติ” ไปสู่ “ความเข้าใจเชิงความหมาย” (กลางทศวรรษ 2010-ปัจจุบัน)

ในทศวรรษ 2010 ความก้าวหน้าของ Deep Learning โดยเฉพาะการพัฒนาของโครงข่ายประสาทเทียม ได้เปลี่ยน NLP ไปอย่างสิ้นเชิง ในปี 2013 Tomas Mikolov นักวิจัยของ Google เสนอ โมเดล Word2Vec ซึ่งเป็นครั้งแรกที่ทำให้คำสามารถถูกแมปไปยัง “ปริภูมิเวกเตอร์” ได้ ตัวอย่างเช่น ความต่างของเวกเตอร์ระหว่าง “กษัตริย์” และ “ราชินี” มีความคล้ายคลึงสูงกับความต่างของเวกเตอร์ระหว่าง “ผู้ชาย” และ “ผู้หญิง” หมายความว่าโมเดลสามารถ “เข้าใจ” ความสัมพันธ์เชิงความหมายระหว่างคำได้

ในปี 2016 Google ได้นำ RankBrain (อัลกอริทึมการจัดอันดับที่อิง Deep Learning) มาใช้ในการค้นหา ซึ่งสามารถ “เรียนรู้” ความสัมพันธ์ระหว่างพฤติกรรมการค้นหาของผู้ใช้กับเนื้อหาได้โดยอัตโนมัติ

ตัวอย่างเช่น เมื่อผู้ใช้ค้นหา “หูฟังไร้สายราคาถูก” RankBrain จะวิเคราะห์ว่าหน้าใดถูกคลิกแล้วผู้ใช้อยู่บนหน้านาน อัตราการออกจากหน้าต่ำ จากนั้นจึงตัดสินความสัมพันธ์ที่แท้จริงระหว่าง “ราคาถูก” “ไร้สาย” และ “หูฟัง”

ข้อมูลที่ Google เปิดเผยในปี 2017 ระบุว่า RankBrain ทำให้ ความเกี่ยวข้องของคำค้นหาแบบ Long-tail (คำค้นหาที่ไม่พบบ่อย) เพิ่มขึ้น 25% เช่น “แนะนำหูฟัง bone conduction ที่เหมาะกับการวิ่ง”

ปี 2018 Google เปิดตัว BERT (สถาปัตยกรรม Transformer แบบสองทิศทาง) ซึ่งแก้ปัญหา “ความกำกวมจากบริบท” ได้อย่างเด็ดขาด โมเดลแบบเดิมเข้าใจประโยคได้เพียงทิศทางเดียว เช่น ซ้ายไปขวา แต่ BERT สามารถวิเคราะห์ทั้ง “สิ่งที่มาก่อนและสิ่งที่ตามมา” ได้พร้อมกัน

ตัวอย่างเช่น ประโยค “แอปเปิลของเสี่ยวหมิงสุกแล้ว” และ “เสี่ยวหมิงกัดแอปเปิลหนึ่งคำ” BERT สามารถใช้บริบทตัดสินได้ว่า “แอปเปิล” ในสองประโยคนี้หมายถึงผลไม้ แต่หากประโยคเปลี่ยนเป็น “แอปเปิลของเสี่ยวหมิงออกระบบใหม่แล้ว” BERT จะระบุได้ทันทีว่า “แอปเปิล” หมายถึงบริษัท

ผลของ BERT เห็นได้อย่างชัดเจน:

การทดสอบภายในของ Google ในปี 2019 แสดงให้เห็นว่า CTR (อัตราการคลิก) ของคำค้นหาที่ซับซ้อนเพิ่มจาก 18% เป็น 25%

ในปี 2023 ทีม Google Search Liaison เปิดเผยข้อมูลสาธารณะว่า BERT ทำให้ ความแม่นยำของคำค้นหาที่มีหลายความหมายเพิ่มจาก 58% เป็น 82% เช่น เมื่อผู้ใช้ค้นหา “Python” โมเดลสามารถใช้บริบทเพื่อแยกได้ว่าหมายถึงภาษาการเขียนโปรแกรมหรือสัตว์เลื้อยคลาน โดยความแม่นยำเพิ่มขึ้น 24 จุดเปอร์เซ็นต์

จาก “จับคู่คำ” สู่ “เข้าใจคน”

เมื่อมองย้อนกลับไปในประวัติศาสตร์ของ NLP แก่นแท้ก็คือการที่เสิร์ชเอนจินก้าวจาก “การทำตามคำสั่งเชิงกลไก” ไปสู่ “การเข้าใจความต้องการของมนุษย์”

• ยุค 1.0 (การจับคู่คีย์เวิร์ด): เครื่องทำงานเหมือน “ตัวนับคำ” จับคู่ได้แค่ตามตัวอักษร
• ยุค 2.0 (โมเดลสถิติ): เครื่องทำงานเหมือน “นักวิเคราะห์ความน่าจะเป็น” ใช้บริบทเพื่อคาดเดาเจตนา
• ยุค 3.0 (Deep Learning): เครื่องทำงานเหมือน “ผู้เรียนรู้ภาษา” ที่สามารถ “เรียนรู้” ตรรกะเชิงความหมายจากข้อมูลมหาศาล

ในปี 2024 การสำรวจของ Pew Research Center พบว่า 78% ของผู้ใช้มองว่าผลการค้นหาในปัจจุบัน “ตรงกับความต้องการจริงมากขึ้น” ขณะที่ในปี 2010 สัดส่วนนี้มีเพียง 41%

Jeff Dean หัวหน้านักวิทยาศาสตร์ของ Google กล่าวว่า “เป้าหมายของ NLP ไม่ใช่ทำให้เครื่อง ‘อ่านข้อความ’ ได้ แต่คือทำให้เครื่อง ‘เข้าใจคน’ ได้”

“งานหลัก” ของ NLP

หากต้องการให้เครื่อง “อ่านเข้าใจ” ข้อความหนึ่งช่วง NLP จำเป็นต้องจัดการ “เศษข้อมูล” ในภาษาเป็นขั้นตอน เหมือนที่มนุษย์แยกวิเคราะห์ประโยค

เมื่อระบบ NLP ของ Google (เช่น BERT เวอร์ชันปรับปรุง) ประมวลผลเนื้อหาบนเว็บ จะทำ “การถอดรหัสข้อความ” ตาม 4 ขั้นตอนอย่างเคร่งครัด ได้แก่ การตัดคำ → การรู้จำเอนทิตี → การเชื่อมโยงความหมาย → การแก้ไขด้วยบริบท

ขั้นตอนที่ 1 การตัดคำ

การตัดคำคือขั้นตอนแรกของ NLP กล่าวง่าย ๆ คือการแบ่งลำดับข้อความที่ต่อเนื่องออกเป็น “หน่วยความหมาย” ที่แยกจากกัน (เรียกว่า “token”)

ภาษาจีนไม่มีช่องว่างตามธรรมชาติคั่นระหว่างคำเหมือนภาษาอังกฤษ ดังนั้นการตัดคำจึงเป็นความท้าทายหลักของ NLP ภาษาจีน

หลักการทางเทคนิค:

ระบบตัดคำของ Google ใช้โมเดลแบบผสม “กฎ + Deep Learning”

• คลังกฎ: มีชุดคำจับคู่ภาษาจีนที่ใช้บ่อยระดับหลายล้านรายการ เช่น “ชงกาแฟ” “กาดริป” “ทดสอบกันน้ำ” โดยจับคู่รูปแบบที่รู้จักก่อน
• โมเดล Deep Learning: ใช้เวอร์ชันปรับแต่งของ BERT เพื่อคาดการณ์คำใหม่ที่ไม่อยู่ในพจนานุกรมแบบไดนามิก เช่น คำเกิดใหม่อย่าง “dopamine dressing”

ตัวอย่างจริง:

ยกตัวอย่างข้อความบนเว็บ “จะชงกาแฟดริปเข้มข้นหนึ่งแก้วอย่างไร?” ระบบตัดคำต้องตัดสินวิธีแบ่งคำที่ถูกต้อง โดยอาจมีตัวเลือกดังนี้:

• การแบ่งผิด: “จะ/ชงหนึ่ง/แก้วเข้ม/ข้นของ/กาแฟดริป” (ทำลายชุดคำที่สมเหตุสมผลอย่าง “หนึ่งแก้ว” “เข้มข้น” และ “กาแฟดริป”)
• การแบ่งถูก: “จะ/ชง/หนึ่งแก้ว/เข้มข้น/กาแฟดริป” (สอดคล้องกับรูปแบบการใช้ภาษาจีน)

ข้อมูลสนับสนุน:

การทดสอบภายในของ Google ในปี 2023 แสดงว่าระบบตัดคำมีความแม่นยำ 97.3% สำหรับหน้าเว็บภาษาจีนทั่วไป แต่สำหรับYMYL ในสาขาเฉพาะทาง เช่น กฎหมายและการแพทย์ ความแม่นยำในการตัดคำเฉพาะทางอยู่ที่เพียง 89% เนื่องจากมีกฎการจับคู่คำเฉพาะทางน้อยกว่า

เพื่อแก้ปัญหานี้ Google จะฝึก “โมเดลตัดคำเฉพาะโดเมน” เพิ่มเติมสำหรับเว็บในแนวตั้ง เช่น โมเดลตัดคำทางการแพทย์จะจดจำการแบ่งคำที่ถูกต้องของคำอย่าง “กล้ามเนื้อหัวใจตาย” และ “หลอดเลือดหัวใจ” เป็นต้น

ขั้นตอนที่ 2 การรู้จำเอนทิตี

หลังจากตัดคำแล้ว NLP ต้องระบุ “เอนทิตี” (Entity) ในข้อความ เช่น คน สิ่งของ เวลา สถานที่ หรือเหตุการณ์ ซึ่งเป็นข้อมูลหลักของเนื้อหา

เอนทิตีคือ “โครงกระดูก” ของเนื้อหา ที่ช่วยให้เครื่องระบุหัวข้อของหน้าเว็บได้อย่างรวดเร็ว

หลักการทางเทคนิค:

Google ใช้ โมเดล Multi-Task Learning เพื่อฝึกงานด้านการรู้จำเอนทิตี การกำกับชนิดคำ และการดึงความสัมพันธ์ไปพร้อมกัน

โมเดลจะทำนายสำหรับแต่ละ token ว่าเป็นส่วนหนึ่งของเอนทิตีหรือไม่ และระบุประเภทของเอนทิตี เช่น “TIME” “PRODUCT” หรือ “PERSON”

ตัวอย่างประเภทเอนทิตี:

ตัวอย่างจริง:

เมื่อประมวลผลประโยค “ผลการทดสอบกันน้ำ IP68 ของ iPhone 15 ในเดือนกันยายน 2025 แสดงให้เห็นว่ามันอยู่ใต้น้ำลึก 6 เมตรได้นาน 30 นาที” ระบบรู้จำเอนทิตีจะได้ผลลัพธ์ดังนี้:

• TIME: “กันยายน 2025”
• PRODUCT: “iPhone 15”
• ATTRIBUTE: “มาตรฐานกันน้ำ IP68” “น้ำลึก 6 เมตร” “30 นาที”
• EVENT: “การทดสอบกันน้ำ”

ข้อมูลสนับสนุน:

ตามบล็อกเทคนิคของ Google ปี 2024 โมเดลรู้จำเอนทิตีมีอัตราการเรียกคืนเอนทิตีในข้อความทั่วไป 92% แต่ในข้อความยาวมากกว่า 5000 คำ อัตราการเรียกคืนจะลดลงเหลือ 85% เนื่องจากความหนาแน่นของเอนทิตีต่ำและโมเดลมีแนวโน้มจะพลาดได้ง่าย

Google จึงนำกลยุทธ์ “การประมวลผลแบบแบ่งส่วน” มาใช้ โดยแยกข้อความยาวออกเป็นย่อหน้าประมาณ 500 คำ แล้วรู้จำทีละส่วนก่อนรวมผลลัพธ์ ทำให้อัตราการเรียกคืนเอนทิตีในข้อความยาวเพิ่มเป็น 90%

ขั้นตอนที่ 3 การเชื่อมโยงความหมาย

หลังจากการตัดคำและรู้จำเอนทิตีแล้ว NLP ต้องระบุความสัมพันธ์เชิงตรรกะระหว่างคำ เช่น “เป็นของ” “ก่อให้เกิด” หรือ “เป็นคุณลักษณะของ” เพื่อเปลี่ยน token ที่กระจัดกระจายให้กลายเป็นเครือข่ายความหมายแบบมีโครงสร้าง

ขั้นตอนนี้เป็นตัวกำหนดว่าเครื่องจะ “เข้าใจ” ความหมายที่แท้จริงของประโยคได้หรือไม่

หลักการทางเทคนิค:

Google ใช้วิธีแบบผสมระหว่าง โมเดลภาษาที่ผ่านการพรีเทรน + Knowledge Graph

• โมเดลพรีเทรนอย่าง BERT เรียนรู้ “ความสัมพันธ์แฝง” ของคำจากข้อความจำนวนมหาศาล เช่น “รองเท้าวิ่ง” กับ “อุปกรณ์กีฬา” มีความสัมพันธ์แบบลำดับชั้น
• Knowledge Graph ของ Google ให้ความรู้เชิงโครงสร้าง เช่น แบรนด์ของ “iPhone 15” คือ “Apple” และเปิดตัวใน “กันยายน 2023” เพื่อใช้ตรวจสอบและเติมเต็มความสัมพันธ์ที่โมเดลเรียนรู้

ตัวอย่างประเภทความสัมพันธ์:

ตัวอย่างจริง:

เมื่อประมวลผลประโยค “เวลาเลือกรองเท้าวิ่ง พื้นกลางซับแรงกระแทกเป็นสิ่งสำคัญ เพราะช่วยลดแรงกดที่หัวเข่า” ระบบเชื่อมโยงความหมายจะสร้าง:

• ความสัมพันธ์ด้านคุณลักษณะระหว่าง “รองเท้าวิ่ง” กับ “พื้นกลางซับแรงกระแทก”
• ความสัมพันธ์เชิงเหตุและผลระหว่าง “พื้นกลางซับแรงกระแทก” กับ “ลดแรงกดที่หัวเข่า”

ข้อมูลสนับสนุน:

การทดสอบภายในของ Google ในปี 2023 ระบุว่าโมเดลเชื่อมโยงความหมายมีความแม่นยำ 88% สำหรับความสัมพันธ์ทั่วไป แต่สำหรับความสัมพันธ์ที่ซับซ้อน เช่น “เหตุและผลทางอ้อม” ความแม่นยำอยู่ที่เพียง 72% ตัวอย่างเช่น ในประโยค “การสวมรองเท้าที่ไม่พอดีเป็นเวลานานอาจทำให้อุ้งเท้าผิดรูป และนำไปสู่อาการปวดหลัง” ความสัมพันธ์ระหว่าง “รองเท้าที่ไม่พอดี” กับ “ปวดหลัง” เป็นเหตุและผลทางอ้อม ซึ่งโมเดลอาจตัดสินว่าไม่มีความเชื่อมโยงโดยตรง เพื่อแก้ปัญหานี้ Google จึงนำเทคนิค “การให้เหตุผลแบบลูกโซ่” มาใช้ โดยเชื่อมสองเอนทิตีที่อยู่ห่างกันผ่านโหนดกลางอย่าง “อุ้งเท้าผิดรูป” ทำให้ความแม่นยำในการรู้จำความสัมพันธ์ซับซ้อนเพิ่มเป็น 85%

ขั้นตอนที่ 4 การแก้ไขด้วยบริบท

บางคำมีความกำกวมเมื่อดูแยกเดี่ยว เช่น “Apple” อาจหมายถึงผลไม้หรือแบรนด์ จึงต้องใช้ทั้งย่อหน้า หรือทั้งหน้าเว็บในการปรับแก้ความหมายของคำให้ถูกต้อง

นี่คือขั้นตอนสำคัญที่สุดที่ทำให้ NLP “เข้าใจ” ข้อความ และเป็นส่วนที่พึ่งพาบริบทมากที่สุด

หลักการทางเทคนิค:

Google ใช้ กลไกความสนใจแบบสองทิศทาง เช่นแกนหลักของ BERT เพื่อให้โมเดล “มอง” ทั้งส่วนต้นและส่วนท้ายของประโยคพร้อมกัน แล้วปรับความหมายของแต่ละ token แบบไดนามิก

ตัวอย่างเช่น เมื่อโมเดลประมวลผล “แอปเปิลของเสี่ยวหมิงสุกแล้ว” ความหมายตั้งต้นของ “แอปเปิล” อาจเป็น “ผลไม้”

แต่เมื่ออ่านประโยคถัดไปว่า “เขาวางแผนจะใช้ Apple เปิดตัวระบบใหม่” โมเดลจะย้อนกลับไปดูบริบทก่อนหน้า และพบว่า “การเปิดตัวระบบใหม่” ไม่เกี่ยวกับผลไม้ จึงแก้ความหมายของ “Apple” ให้เป็น “บริษัทเทคโนโลยี”

ตัวอย่างจริง:

ยกตัวอย่างเนื้อหาหน้าเว็บ “iPhone 15 ที่ Apple เพิ่งเปิดตัวรองรับการสื่อสารผ่านดาวเทียม ซึ่งเป็นข่าวดีสำหรับผู้ที่ชื่นชอบกิจกรรมกลางแจ้ง”

• หากดูคำว่า “Apple” เพียงลำพัง โมเดลอาจตัดสินผิดว่าเป็น “ผลไม้”
• แต่เมื่อรวมกับประโยคถัดไปอย่าง “เปิดตัว iPhone 15” โมเดลจะปรับ “Apple” ให้เป็น “บริษัทเทคโนโลยี”
• และเมื่อรวมกับคำว่า “ผู้ที่ชื่นชอบกิจกรรมกลางแจ้ง” ก็จะยืนยันเพิ่มเติมว่าฟังก์ชัน “การสื่อสารผ่านดาวเทียม” ของ iPhone 15 เชื่อมโยงกับสถานการณ์กลางแจ้ง

ข้อมูลสนับสนุน:

งานวิจัยพฤติกรรมผู้ใช้ของ Google ปี 2024 พบว่า ในสถานการณ์คำค้นหาหลายความหมาย เช่น ผู้ใช้ค้นหา “Python” ความเกี่ยวข้องของผลการค้นหาหลังผ่านการแก้ไขด้วยบริบทสูงขึ้น 37% เมื่อเทียบกับกรณีที่ไม่แก้ไข

สำหรับการประมวลผลหน้าเว็บโดยเฉพาะ การแก้ไขด้วยบริบทช่วยเพิ่มอัตราการระบุความหมายที่ถูกต้องของคำกำกวมจาก 62% เป็น 89% (อ้างอิงจากข้อมูลทดสอบภายในของ Google)

NLP ช่วยผู้ใช้ประหยัดเวลาค้นหาได้ 30% ต่อวัน

เมื่อผู้ใช้ค้นหา สิ่งที่รับรู้ได้ชัดที่สุดคือ “จะเจอสิ่งที่อยากได้เร็วขึ้นไหม”

ตามรายงานพฤติกรรมผู้ใช้ของ Microsoft ปี 2024 เสิร์ชเอนจินที่ได้รับการปรับปรุงด้วย NLP ช่วยลดเวลาเฉลี่ยในการค้นหาข้อมูลเป้าหมายของผู้ใช้จาก 87 วินาทีเหลือ 59 วินาที (ลดลงประมาณ 30%)

คำค้นหาหลายความหมาย

ประมาณ 40% ของคำค้นหาของผู้ใช้มีคำที่กำกวม เช่น “Apple” “Python” หรือ “Java” เสิร์ชเอนจินแบบดั้งเดิมจะมองคำค้นหาเหล่านี้เป็นคีย์เวิร์ดเดียว จึงคืนผลลัพธ์ที่ไม่เกี่ยวข้องจำนวนมาก

NLP ใช้ เทคโนโลยีแยกความหมายของคำตามบริบท (Word Sense Disambiguation, WSD) เพื่อพิจารณาความหมายที่แท้จริงของคำตามบริบท และกรองเนื้อหาที่ไม่ตรงออกโดยตรง

ผลลัพธ์ที่เห็นได้จริง:

• กรณีที่ 1: ค้นหา “Python”: ผู้ใช้อาจต้องการบทเรียนภาษาการเขียนโปรแกรม (62%) หรือข้อมูลเกี่ยวกับงู (18%) หรือคำค้นหาด้านการเขียนโปรแกรม Python ในบริบทอื่น (20%) เสิร์ชเอนจินแบบเดิมจะแสดงทุกหน้าที่มีคำว่า “Python” ทำให้ผู้ใช้ต้องคัดกรองลิงก์ที่ไม่เกี่ยวข้อง 10-15 ลิงก์ใน 3 หน้าผลลัพธ์แรก แต่เมื่อใช้ NLP ระบบจะใช้บริบทของหน้า เช่น “ฟังก์ชัน print()” หรือ “บทเรียนเว็บสแครปปิง” เพื่อตีความเจตนาของผู้ใช้และแสดงผลด้านการเขียนโปรแกรมก่อน การทดสอบภายในของ Google ปี 2023 แสดงว่า สัดส่วนผลลัพธ์ที่มีประสิทธิภาพบนหน้าจอแรกเพิ่มจาก 38% เป็น 72% และจำนวนคลิกเฉลี่ยของผู้ใช้ลดจาก 2.3 ครั้งเหลือ 1.1 ครั้ง
• กรณีที่ 2: ค้นหา “Java”: ผู้ใช้อาจต้องการภาษาการเขียนโปรแกรม (55%) คู่มือท่องเที่ยวเกาะชวาในอินโดนีเซีย (25%) หรือชนิดของกาแฟ (20%) NLP วิเคราะห์คำที่เกี่ยวข้องในหน้าเว็บ เช่น “JVM” “Spring Framework” สำหรับโปรแกรม หรือ “วัดทานาห์ลอต” “ภูเขาไฟ” สำหรับการท่องเที่ยว เพื่อระบุความต้องการได้รวดเร็ว การสำรวจของ Pew Research ปี 2024 พบว่า เวลาในการค้นหาสำหรับคำค้นหาหลายความหมายลดจาก 112 วินาทีเหลือ 68 วินาที (ลดลง 40 วินาที)

การสนับสนุนทางเทคนิค:

ความสามารถในการแยกความหมายของ NLP พึ่งพาการตรวจสอบสองชั้นระหว่าง “เวกเตอร์บริบท” และ “Knowledge Graph”

ตัวอย่างเช่น เมื่อผู้ใช้ค้นหา “Java” โมเดลจะดึงคีย์เวิร์ดอื่นในหน้า เช่น “กาแฟ” “โปรแกรม” “เกาะ” แล้วแมปเข้ากับเอนทิตีใน Knowledge Graph เช่น “Java (ภาษาการเขียนโปรแกรม)” หรือ “Java (เกาะ)” จากนั้นใช้การคำนวณความคล้ายคลึงของเวกเตอร์ เช่น cosine similarity เพื่อเลือกว่าเอนทิตีใดตรงที่สุด และคืนผลลัพธ์ที่สอดคล้องกัน

ความต้องการแฝง

คำค้นหาของผู้ใช้ มักแสดงเพียง 10%-20% ของความต้องการหลัก ส่วนที่เหลือ 80%-90% เป็นสิ่งที่แฝงอยู่ เช่น “ราคา” “ความยาก” หรือ “สถานการณ์ที่เหมาะสม”

NLP ใช้ เทคโนโลยีขยายความหมาย (Semantic Expansion) เพื่อขยายจากคำหลักไปสู่ความต้องการที่เกี่ยวข้อง และครอบคลุมเจตนาที่ผู้ใช้ไม่ได้พูดออกมาตรง ๆ

ผลลัพธ์ที่เห็นได้จริง:

• กรณีที่ 1: ค้นหา “สูตรลดน้ำหนัก”: ผู้ใช้อาจมีความต้องการแฝงอย่าง “แคลอรีต่ำ” “ทำง่าย” “เหมาะกับพนักงานออฟฟิศ” หรือ “ไร้น้ำตาล” เสิร์ชเอนจินแบบเดิมจะจับคู่เพียงหน้าที่มีคำว่า “ลดน้ำหนัก” และ “สูตรอาหาร” จึงอาจแสดง “สูตรอดอาหารแบบสุดโต่ง” หรือ “เมนูอบซับซ้อน” แต่เมื่อใช้ NLP ระบบจะวิเคราะห์คำที่สัมพันธ์กับ “ลดน้ำหนัก” เช่น “พลังงาน” “แคลอรี” “รวดเร็ว” “ทำกินที่บ้าน” แล้วให้ความสำคัญกับหน้าอย่าง “อาหารเช้าแคลต่ำ 15 นาที” หรือ “สูตรข้าวกล่องสำหรับคนทำงาน” มากกว่า การทดสอบ A/B ของ Google ปี 2022 แสดงว่า ผลการค้นหาที่ครอบคลุมความต้องการแฝงทำให้เวลาที่ผู้ใช้อยู่บนหน้าเพิ่มจาก 45 วินาทีเป็น 78 วินาที (เพิ่มขึ้น 73%) เพราะผู้ใช้ไม่จำเป็นต้องค้นหาซ้ำว่า “สูตรลดน้ำหนัก แคลต่ำ”
• กรณีที่ 2: ค้นหา “วันฝนตกควรใส่อะไร”: ผู้ใช้อาจแฝงความต้องการเรื่อง “กันน้ำ” “กันลื่น” “น้ำหนักเบา” หรือ “อบอุ่น” เสิร์ชเอนจินแบบเดิมอาจแสดงผลกว้าง ๆ อย่าง “เสื้อกันฝน” หรือ “ร่ม” แต่ NLP สามารถรู้จักคุณสมบัติของสถานการณ์ฝนตก เช่น เปียกและลื่น แล้วเชื่อมโยงไปยังคุณลักษณะอย่าง “วัสดุกันน้ำ” “พื้นรองเท้ากันลื่น” “พับเก็บง่าย” พร้อมแนะนำสินค้าเฉพาะอย่าง “แจ็กเก็ตกันน้ำ” หรือ “รองเท้าบูต Martin กันลื่น” การสำรวจของ eMarketer ปี 2024 ระบุว่า การค้นหาอีคอมเมิร์ซที่ครอบคลุมความต้องการแฝงช่วยเพิ่มอัตราการแปลงจาก 3.2% เป็น 5.8%

การสนับสนุนทางเทคนิค:

การขยายความหมายพึ่งพาการฝึกจาก “ปริภูมิเวกเตอร์คำ” และ “ข้อมูลพฤติกรรมผู้ใช้”

ตัวอย่างเช่น โมเดล BERT ของ Google จะทำให้ “สูตรลดน้ำหนัก” ถูกแมปเข้าไปในปริภูมิเวกเตอร์มิติสูง ซึ่งคำอย่าง “แคลต่ำ” หรือ “ทำง่าย” อยู่ใกล้กันมาก

พร้อมกันนั้น ระบบยังวิเคราะห์ข้อมูลการค้นหาในอดีต เช่น ผู้ใช้ที่ค้นหา “สูตรลดน้ำหนัก” มักคลิก “อาหารเช้าแคลต่ำ” เพื่อยืนยันความเชื่อมโยงของความต้องการแฝงเหล่านี้ แล้วสร้างคลังคำขยายในที่สุด

การปรับตามบริบทข้ามสถานการณ์

สถานการณ์ในการค้นหาของผู้ใช้ เช่น เวลา สถานที่ และอุปกรณ์ มีผลโดยตรงต่อความต้องการ NLP ใช้ เทคโนโลยีการรับรู้บริบท (Context Awareness) เพื่อปรับความเข้าใจต่อคำค้นหาอย่างไดนามิก และให้ผลลัพธ์ที่เหมาะกับสถานการณ์ปัจจุบันมากขึ้น

ผลลัพธ์ที่เห็นได้จริง:

• บริบทเวลา: หากค้นหา “เสื้อคลุม” ในฤดูหนาว NLP จะให้ความสำคัญกับคำอย่าง “บุขน” “ให้ความอบอุ่น” หรือ “เสื้อดาวน์” แต่ถ้าค้นหา “เสื้อคลุม” ในฤดูร้อน ระบบจะให้ความสำคัญกับ “กันแดด” “บางเบา” หรือ “ระบายอากาศ” ข้อมูลการค้นหาตามฤดูกาลของ Google ปี 2023 แสดงว่า หลังการปรับตามบริบท ผู้ใช้พึงพอใจต่อผลลัพธ์เพิ่มจาก 68% เป็น 85%
• บริบทสถานที่: หากค้นหา “หม้อไฟ” ในเซี่ยงไฮ้ NLP อาจแนะนำร้านยอดนิยมท้องถิ่น แต่หากค้นหาในเฉิงตู ระบบจะให้ความสำคัญกับหม้อไฟเสฉวนแบบดั้งเดิมมากกว่า การทดสอบร่วมกันระหว่าง Google Maps และ Search ในปี 2024 พบว่า หลังปรับตามบริบทพื้นที่ ความน่าจะเป็นที่ผู้ใช้จะคลิก “ร้านใกล้ฉัน” เพิ่มจาก 22% เป็น 47%
• บริบทอุปกรณ์: หากใช้มือถือค้นหา “ปั๊มน้ำมันใกล้ฉัน” NLP จะให้ความสำคัญกับผลลัพธ์อย่าง “แผนที่นำทาง” “ราคาน้ำมันเรียลไทม์” และ “ใกล้ที่สุด” เพื่อรองรับการตัดสินใจที่รวดเร็วบนมือถือ แต่หากค้นหาบนคอมพิวเตอร์ อาจแสดง “รายชื่อปั๊มน้ำมัน” “รีวิวผู้ใช้” หรือ “โปรโมชั่น” ที่ละเอียดกว่า งานวิจัยหลายอุปกรณ์ของ Microsoft ปี 2024 พบว่า หลังปรับตามบริบทอุปกรณ์ เวลาที่ผู้ใช้ใช้เพื่อทำภารกิจให้สำเร็จลดลง 42% (บนมือถือจาก 90 วินาทีเหลือ 52 วินาที และบนคอมพิวเตอร์จาก 120 วินาทีเหลือ 69 วินาที)

การสนับสนุนทางเทคนิค:

การรับรู้บริบทอาศัย “การดึงเมทาดาทา” และ “การรวมข้อมูลแบบเรียลไทม์”

ตัวอย่างเช่น ระบบจะดึงเวลา (จากอุปกรณ์ผู้ใช้) ตำแหน่ง (จาก IP หรือ GPS) และประเภทอุปกรณ์ (มือถือ/คอมพิวเตอร์) จากนั้นรวมกับข้อมูลเรียลไทม์ เช่น สภาพอากาศ การจราจร หรือสถานะการเปิดร้าน เพื่อปรับน้ำหนักเชิงความหมาย

เช่น หากค้นหา “เสื้อคลุม” ในวันที่ฝนตก ระบบจะตรวจสอบโอกาสฝนตกในพื้นที่แบบเรียลไทม์ แล้วเพิ่มน้ำหนักให้กับคุณสมบัติ “กันน้ำ”

NLP ช่วยประหยัดเวลาอย่างไร

NLP ใน Google Search “อ่านเข้าใจ” ข้อความบนหน้าเว็บอย่างไร

เทคโนโลยี NLP ของ Google เปลี่ยนข้อความบนหน้าเว็บให้เป็น “เครือข่ายความหมาย” ที่เครื่องเข้าใจได้ ผ่าน 4 ขั้นตอน ได้แก่ “การตัดคำ → การรู้จำเอนทิตี → การเชื่อมโยงความหมาย → การแก้ไขด้วยบริบท”

Google ประมวลผลคำมากกว่า 50 พันล้านคำต่อวัน (ข้อมูลปี 2024) มีความแม่นยำในการตัดคำ 97.3% อัตราการเรียกคืนเอนทิตี 92% ทำให้ระบบสามารถแยก “Apple” ว่าเป็นผลไม้หรือโทรศัพท์ได้อัตโนมัติ และจับคู่ “Python” กับบทเรียนการเขียนโปรแกรมแทนงู เมื่อผู้ใช้ค้นหาเนื้อหาที่เกี่ยวข้อง สัดส่วนผลลัพธ์ที่มีประสิทธิภาพบนหน้าจอแรกเพิ่มจาก 38% เป็น 72% (การทดสอบภายในปี 2023)

การตัดคำ: แบ่งข้อความให้เป็น “หน่วยเล็กที่สุดที่เครื่องเข้าใจได้”

พูดง่าย ๆ คือการแยกลำดับข้อความต่อเนื่องให้กลายเป็น “หน่วยภาษาที่มีความหมาย” (เรียกว่า “token”)

สำหรับภาษาอย่างอังกฤษที่มีช่องว่างตามธรรมชาติ การตัดคำทำได้เพียงแยกตามช่องว่าง เช่น “coffee mug” → “coffee” + “mug”

แต่สำหรับภาษาจีน ญี่ปุ่น และภาษา “ไม่มีช่องว่าง” อื่น ๆ หากตัดคำผิด จะทำให้การรู้จำเอนทิตีและความเข้าใจเชิงความหมายในขั้นต่อไปล้มเหลวทั้งหมด

คลังกฎ + Deep Learning

ระบบตัดคำของ Google ใช้โมเดลผสมแบบ “คลังกฎมาก่อน แล้วค่อยให้ Deep Learning เติมเต็ม” โดยมีเป้าหมายหลักคือการตัดคำให้ “ทั้งเร็วและแม่น”

คลังกฎ

คลังกฎเป็น “รากฐาน” ของระบบตัดคำของ Google ภายในบรรจุ รูปแบบการจับคู่คำที่ใช้บ่อย ของภาษาหลักทั่วโลก เช่น ภาษาจีนอย่าง “ชงกาแฟ” “กาดริป” “การทดสอบกันน้ำ” และภาษาอังกฤษอย่าง “espresso machine” หรือ “drip coffee” รูปแบบเหล่านี้มาจากการวิเคราะห์เชิงสถิติของข้อความบนอินเทอร์เน็ต โดย Google จะรวบรวมหน้าเว็บทั่วทั้งอินเทอร์เน็ต แล้วคำนวณความถี่ร่วมของคำที่อยู่ติดกัน เช่น ความน่าจะเป็นที่ “ชง” จะตามด้วย “กาแฟ” คือ 92% และตามด้วย “ข้าว” คือ 85% จากนั้นจึงสร้างเป็น “พจนานุกรมการจับคู่” ระดับหลายล้านรายการ

ตัวอย่างเช่น เมื่อประมวลผลประโยคภาษาจีน “如何煮一杯香浓的手冲咖啡” คลังกฎจะจับคู่ “煮/咖啡” และ “手冲/咖啡” ซึ่งเป็นรูปแบบความถี่สูงก่อน จึงได้การแบ่งที่ถูกต้องเป็น “如何/煮/一杯/香浓的/手冲咖啡”

หากพบคำว่า “Java编程” คลังกฎจะรู้ว่า “Java” เป็นภาษาการเขียนโปรแกรม และ “编程” เป็นการกระทำ จึงแบ่งเป็น “Java/编程” แทนที่จะเป็น “Jav/a编/程” ซึ่งผิด

Deep Learning

แม้คลังกฎจะมีประสิทธิภาพ แต่ก็ไม่อาจครอบคลุมทุกกรณีได้ เพราะในแต่ละวันอินเทอร์เน็ตมีคำใหม่จำนวนมาก เช่น “dopamine dressing” “metaverse” รวมถึงศัพท์เฉพาะทาง เช่น “culpa in contrahendo” ทางกฎหมาย หรือ “กล้ามเนื้อหัวใจตาย” ทางการแพทย์ ซึ่งไม่ได้อยู่ในคลังกฎ ในกรณีนี้ Google จะเรียกใช้ โมเดล BERT ที่ปรับแต่งแล้ว เพื่อคาดการณ์แบบไดนามิก

BERT (Transformer แบบสองทิศทาง) เป็นโมเดลภาษาที่ผ่านการพรีเทรนและสามารถเข้าใจความหมายของคำผ่านบริบทได้

เช่น เมื่อพบคำว่า “dopamine dressing” แม้คลังกฎจะไม่มีคำนี้ แต่ BERT จะใช้บริบทอย่าง “สีสดใส” “อารมณ์ดี” และ “แฟชั่น” เพื่อคาดการณ์ว่านี่คือคำเกิดใหม่ที่ใช้บรรยายสไตล์การแต่งตัว จึงควรถูกตัดเป็น “dopamine dressing” ทั้งหน่วย แทนที่จะเป็น “dopa/min/e dress/ing” ซึ่งผิด

เปรียบเทียบรายละเอียดทางเทคนิค:

การรองรับหลายภาษา

Google รองรับการตัดคำมากกว่า 100 ภาษา แต่ลักษณะเฉพาะของแต่ละภาษาต่างกันมาก จึงต้องปรับทั้งกฎและโมเดลให้เหมาะกับแต่ละภาษา

ภาษาจีน: ไม่มีช่องว่าง + ความกำกวมสูง

ความยากของภาษาจีนอยู่ที่ “ไม่มีช่องว่าง” และ “หนึ่งคำหลายความหมาย” ตัวอย่างเช่น ประโยค “乒乓球拍卖完了” สามารถแบ่งได้สองแบบ:

• ถูกต้อง: “乒乓球拍/卖完了” (“ไม้ปิงปอง” เป็นสินค้า)
• ผิด: “乒乓球/拍卖/完了” (“ประมูล” เป็นการกระทำ)

Google แก้ความกำกวมด้วย โมเดลความน่าจะเป็นตามบริบท โดยดูความถี่ร่วมของ “乒乓球拍” ในฐานะคำเดียว เช่น โอกาสปรากฏในหน้าอีคอมเมิร์ซ 90% ซึ่งสูงกว่าการจับคู่ “乒乓球 + 拍卖” ที่อาจปรากฏในข่าวกีฬาเพียง 5% จึงเลือก “乒乓球拍/卖完了” ก่อน

ภาษาอาหรับ: เขียนจากขวาไปซ้าย + ตัวอักษรเชื่อมติดกัน

ภาษาอาหรับเขียนจากขวาไปซ้าย และบางกรณีคำสามารถเชื่อมกันได้ Google จะกลับลำดับข้อความเป็นซ้ายไปขวาก่อน จากนั้นใช้คลังกฎเพื่อจับขอบเขตของคำ แล้วจึงแบ่งคำอย่างถูกต้อง

ภาษาสวาฮีลี: ลักษณะภาษาติดคำ

ภาษาสวาฮีลีเป็นภาษาติดคำ ซึ่งใช้ปัจจัยต่อท้ายรากศัพท์เพื่อเปลี่ยนความหมาย เช่น “mtoto” แปลว่า “เด็ก” และ “watoto” แปลว่า “เด็ก ๆ” โมเดลตัดคำของ Google จะระบุขอบเขตของปัจจัย เช่น “-o” เป็นปัจจัยเอกพจน์ และ “-wa” เป็นปัจจัยพหูพจน์ เพื่อแยก “watoto” ให้ถูกต้อง

การทดสอบการตัดคำหลายภาษาของ Google ปี 2023 ระบุว่า ความแม่นยำของภาษาอย่างอังกฤษและสเปนอยู่ที่ 98% แต่สำหรับภาษาอาหรับ สวาฮีลี และภาษาที่ซับซ้อนอื่น ๆ อยู่ที่เพียง 92%

เพื่อยกระดับผลลัพธ์ Google จึงตั้ง “ทีมผู้เชี่ยวชาญภาษา” สำหรับแต่ละภาษา และให้ผู้เชี่ยวชาญติดป้ายกำกับประโยคตัวอย่างมากกว่า 100,000 ประโยคเพื่อใช้ฝึกโมเดลตัดคำเฉพาะภาษา

การตัดคำผิดส่งผลต่อผลการค้นหาอย่างไร

การตัดคำเป็นรากฐานของทุกขั้นตอน NLP ถัดไป หากตัดผิด อาจทำให้การรู้จำเอนทิตีล้มเหลวและความเชื่อมโยงเชิงความหมายคลาดเคลื่อน ส่งผลต่อความเกี่ยวข้องของผลการค้นหาโดยตรง ต่อไปนี้คือตัวอย่างจริงสองกรณี:

กรณีที่ 1: หน้าอีคอมเมิร์ซ “Java coffee”

หากชื่อหน้าเว็บคือ “Java coffee: smooth pour-over taste” การตัดคำที่ถูกต้องควรเป็น “Java/coffee/:/smooth pour-over/taste” แต่ถ้าระบบตัดผิดเป็น “Jav/a coffee” ระบบรู้จำเอนทิตีอาจตีความ “Jav” ซึ่งไม่มีความหมาย และไม่สามารถเชื่อมโยงไปยังสินค้าที่ถูกต้องอย่าง “Java coffee” ได้ ทำให้เมื่อผู้ใช้ค้นหา “Java coffee” หน้านี้อาจถูกกรองทิ้งอย่างผิดพลาด

กรณีที่ 2: หน้าเว็บกฎหมาย “culpa in contrahendo”

หากบล็อกกฎหมายมีข้อความว่า “ความรับผิดจากการเจรจาสัญญาโดยไม่สุจริตหมายถึงกรณีที่ฝ่ายหนึ่งก่อให้เกิดความเสียหายแก่คู่กรณีจากการละเมิดหลักสุจริต” การตัดคำที่ถูกต้องควรรักษาคำเฉพาะทางนี้เป็นหน่วยเดียว แต่หากตัดแยกออกเป็นส่วนย่อย ระบบรู้จำเอนทิตีจะไม่สามารถเชื่อมโยงไปยังศัพท์กฎหมายดังกล่าวได้ และทำให้อันดับของหน้าเว็บตกลงเมื่อผู้ใช้ค้นหาคำนี้

ข้อมูลสนับสนุน:

การทดสอบภายในของ Google แสดงว่า ความผิดพลาดในการตัดคำสามารถทำให้อันดับของหน้าเป้าหมายในผลการค้นหาลดลง 3-5 อันดับ (ข้อมูล A/B test ปี 2023) และลดโอกาสที่ผู้ใช้จะคลิกหน้านั้นลง 42% เพราะความเกี่ยวข้องของผลลัพธ์ลดลง

“จับ” จุดสำคัญจากข้อความ

เมื่อผู้ใช้ค้นหา “การทดสอบกันน้ำของ iPhone 15 รุ่นปี 2025” Google ต้องรู้ให้เร็วว่าแก่นหลักของหน้าเว็บคือ “iPhone 15” (ผลิตภัณฑ์) “กันยายน 2025” (เวลา) และ “การทดสอบกันน้ำ” (เหตุการณ์)

ข้อมูลสำคัญเหล่านี้เรียกว่า “เอนทิตี” (Entity)

โมเดล Multi-Task Learning

ระบบรู้จำเอนทิตีของ Google ใช้ โมเดล Multi-Task Learning โดยฝึกพร้อมกัน 3 งาน ได้แก่ “การรู้จำเอนทิตี” “การกำกับชนิดคำ” และ “การดึงความสัมพันธ์” ผ่านการแชร์พารามิเตอร์ชั้นล่างร่วมกันเพื่อเพิ่มประสิทธิภาพ

พูดง่าย ๆ คือโมเดลจะเรียนรู้พร้อมกันว่า:

• คำใดเป็นเอนทิตี เช่น “iPhone 15” เป็นผลิตภัณฑ์
• คำเหล่านี้มีบทบาททางไวยากรณ์แบบใดในประโยค เช่น “iPhone 15” เป็นคำนาม
• เอนทิตีแต่ละตัวมีความสัมพันธ์กันอย่างไร เช่น “iPhone 15” ถูกผลิตโดย “Apple”

รายละเอียดทางเทคนิคหลัก:

• BERT Fine-tuning: ใช้โมเดล BERT ที่ผ่านการพรีเทรนของ Google เป็นฐาน แล้วปรับแต่งด้วยข้อมูลที่มีการติดป้ายกำกับจำนวนมาก เช่น Wikipedia ข่าว และหน้าอีคอมเมิร์ซ เพื่อเรียนรู้คุณลักษณะตามบริบทของเอนทิตี ตัวอย่างเช่น ในประโยค “iPhone 15 เปิดตัวในเดือนกันยายน 2025” เวกเตอร์บริบทของ “กันยายน 2025” และ “iPhone 15” ที่ได้จาก BERT ช่วยให้โมเดลตัดสินได้ว่าคำแรกคือเวลา และคำหลังคือผลิตภัณฑ์
• ตัวจำแนกประเภทเอนทิตี: เพิ่ม “หัวจำแนกประเภท” ไว้บนชั้นเอาต์พุตของ BERT เพื่อทำนายประเภทของเอนทิตีแต่ละตัว เช่น TIME, PRODUCT หรือ PERSON ตัวจำแนกนี้อิงกับชุดประเภทเอนทิตีที่นิยามไว้มากกว่า 50 ประเภท ครอบคลุมทั้งโดเมนทั่วไปและเฉพาะทาง เช่น:

NLP ตัดสินได้อย่างไรว่าผู้ใช้อยากได้อะไร

เทคโนโลยี NLP ของ Google วิเคราะห์ “ประเภทเจตนา” ของคำค้นหา (ข้อมูล / นำทาง / ธุรกรรม) “การขยายความหมาย” (ความต้องการแฝง) และ “การปรับตามบริบท” (เวลา / สถานที่ / อุปกรณ์) เพื่อระบุความต้องการที่แท้จริงของผู้ใช้

Google ประมวลผลการค้นหามากกว่า 8.5 พันล้านครั้งต่อวัน (ข้อมูลปี 2024) โดย CTR ของคำค้นหาเชิงข้อมูลเพิ่มจาก 12% เป็น 28% หลังนำ NLP มาใช้ และความแม่นยำของคำค้นหาหลายความหมายเพิ่มจาก 58% เป็น 82% หลังปรับปรุงด้วยโมเดล BERT

ประเภทของเจตนา

1. ความต้องการเชิงข้อมูล: ผู้ใช้ต้องการ “เรียนรู้”

คำบ่งชี้: “ทำอย่างไร” “หลักการ” “สาเหตุ” “บทเรียน” เป็นต้น

ตัวอย่าง: หากผู้ใช้ค้นหา “วิธีชงกาแฟดริป” หรือ “สาเหตุของกล้ามเนื้อหัวใจตาย” NLP จะจับคู่กับหน้าประเภทคู่มือหรือความรู้ทั่วไป

ข้อมูลสนับสนุน: การทดสอบภายในของ Google ปี 2023 แสดงว่าสัดส่วนผลลัพธ์ที่มีประสิทธิภาพในหน้าจอแรกสำหรับคำค้นหาเชิงข้อมูลเพิ่มจาก 38% เป็น 72% ผ่านการรู้จำคำอย่าง “ทำอย่างไร” เป็นต้น

2. ความต้องการเชิงนำทาง: ผู้ใช้ต้องการ “เข้าเว็บไซต์เฉพาะ”

คำบ่งชี้: “เว็บไซต์ทางการ” “official” “เข้าสู่ระบบ” “สมัครสมาชิก” เป็นต้น

ตัวอย่าง: หากผู้ใช้ค้นหา “เว็บไซต์ทางการของ Taobao” หรือ “เข้าสู่ระบบ Apple ID” NLP จะชี้ไปยังเว็บไซต์ทางการโดยตรง แทนที่จะเป็นเว็บไซต์ภายนอก

ข้อมูลสนับสนุน: งานวิจัยของ Microsoft ปี 2024 แสดงว่าความน่าจะเป็นที่ผู้ใช้จะคลิกเว็บไซต์เป้าหมายในคำค้นหาเชิงนำทางเพิ่มจาก 45% เป็น 89% เมื่อ NLP รู้จำคำอย่าง “เว็บไซต์ทางการ” ได้อย่างแม่นยำ

3. ความต้องการเชิงธุรกรรม: ผู้ใช้ต้องการ “ซื้อสินค้า/บริการ”

คำบ่งชี้: “แนะนำ” “ราคาประหยัด” “ส่วนลด” “ซื้อ” เป็นต้น

ตัวอย่าง: หากผู้ใช้ค้นหา “แนะนำคีย์บอร์ดแมคคานิคอลราคาประหยัด” หรือ “ปั๊มน้ำมันใกล้ฉัน” NLP จะให้ความสำคัญกับหน้าอีคอมเมิร์ซหรือร้านค้าในท้องถิ่นก่อน

ข้อมูลสนับสนุน: การสำรวจของ eMarketer ปี 2024 พบว่าอัตราการแปลงของคำค้นหาเชิงธุรกรรมเพิ่มจาก 3.2% เป็น 5.8% เมื่อ NLP ครอบคลุมความต้องการแฝงอย่าง “แนะนำ” หรือ “ส่วนลด”

ตารางเปรียบเทียบประเภทเจตนา: