从这个意义上说，Pandu Nayak 对该算法做了如下表述：
“前面还有很多工作要做。例如，‘贝斯’这个词有很多含义（它可以是形容词，也可以是乐器）。单个词有很多含义。这就是为什么重要的是理解上下文才能理解该术语的确切含义。
通过这个过程，BERT 可以在句子的所有元素之间建立非常强大的语义关系，从而非常有效地检测用户的搜索意图。
正如我们所看到的，BERT 不会遗漏任何内容，甚至连介词也不会遗漏。在 BERT 之前，查询中的介词会被算法忽略，返回的结果不太符合用户的需求。
让我们看一个例子：
伯特搜索引擎优化谷歌来源：谷歌博客
在 BERT 之前，算法不考虑“2019 巴西游客前往美国需要签证”短语中的介词“to” 。因此，SERP 中的第一个结果响应了“美国公民无需签证即可前往巴西”的搜索意图。
在 BERT 之后，算法会考虑介词“to”，这使其作为理解真 卡塔尔电子邮件列表 完整包 实搜索意图的决定元素具有很大的价值。因此，SERP 中的新结果确实适应了有关“想要前往美国并希望获得有关签证信息的巴西旅行者”的查询。
考虑到这些关键信息，虽然 BERT 不是排名因素，但我们可以对内容编写方式进行某些改变，以便在 Google 上获得更好的定位。
在我们面向专业人士的电子书中BERT：为什么它会彻底改变 SEO？我们更深入地解释了您可以在 SEO 方面采取哪些措施来充分利用此 Google 更新。
然而，一般而言，主要建议是您开始创建更多对话内容，就好像您正在与读者面对面交谈一样。不要沉迷于关键字规划器中的严格关键字。有时我们会看到一些文章，虽然保持了关键字的完整性，但却缺乏介词、连接词和其他语言元素所提供的所有人类自然性。
借助 BERT，Google 搜索越来越重视真正关心自然回答用户查询的内容。因此，SEO可能很快就会让位于“搜索引擎优化”，我们将不得不开始应用“人力优化” 。
New Call-to-action
您会在我们免费下载的 Google BERT 指南中找到什么？
如果您有兴趣深入研究这个主题，我建议您下载有关 BERT 的免费电子书，我们在其中回答了一些问题，例如：
什么是 BERT？它的每个缩写词在实际层面上的含义是什么？
BERT 模型如何影响SEO？我们能做些什么？
为什么此更新对于搜索结果如此重要？
BERT 对于营销人员来说是盟友还是障碍？
新更新后的 Google 结果有哪些示例？
BERT 中的自然语言处理 (NLP) 是如何工作的？
BERT 之前已经存在哪些语言模型？
Python、PyTorch 和 TensorFlow 与 Google BERT 有何关系？
ALBERT 或“Lite BERT”和 RoBERTa 是此更新的后继者吗？