BERT (Google nyelvi modell)

A BERT (Bidirectional Encoder Representations from Transformers) a Google nyelvértő modellje (2019 óta a keresésben), amely a mondatban a szavakat a kontextusukban, mindkét irányból értelmezi, így megérti a szavak közötti finom kapcsolatokat.

Azt, hogy a Google a természetes, beszélt nyelvű, hosszú kérdéseket is pontosan érti. A tanulság: írj természetes nyelven, ahogy a felhasználó kérdez, ne mesterséges kulcsszó-fűzésben. Ez egyúttal az AI-keresőknek (LLM-eknek) is kedvez.

A BERT 2019-es bevezetése óta a Google sokkal jobban kezeli az összetett, kötőszavas mondatokat (pl. „olcsó fogászati kezelés Budapest közelében"), ahol az előző modellek elveszítették a szavak közötti viszonyt. 2026-ra a BERT elveit beépítette a Google soron következő, nagyobb modelljei is, de az alapelv változatlan: a kontextust, ne csupán a szavakat kell megcéloznod. A hosszú, kérdés formájú szövegek, amelyek valódi felhasználói igényeket tükröznek, nemcsak a hagyományos keresőben, hanem a ChatGPT, a Perplexity és a Gemini AI-összefoglalókban is előnyt élveznek. Az entitásokra és a természetes mondatszerkezetre épített tartalom messze jobban teljesít, mint a kulcsszó-tömítés.

Egy debreceni könyvelőiroda korábban a „könyvelő Debrecen" kulcsszóra optimalizált rövid, kulcsszó-tömött oldalakkal próbálkozott. A BERT-éra óta a Google felismeri az összetett kérdéseket, ezért az iroda átírta a főoldalát természetes, kérdés-alapú mondatokban: „Mit kell tudni az ÁFA-bevallásról 2026-ban?", „Hogyan válasszak megbízható könyvelőt KKV-ként?" Három hónap alatt az organikus forgalmuk 38%-kal nőtt, és a hosszú kérdésekre (ún. long-tail lekérdezésekre) az első oldallal jobban rangsoroltak. A kulcs: nem a szó, hanem a szándék és kontextus pontossága számít, amit a BERT-alapú értelmezés közvetlenül jutalmaz.

A BERT nem egyedül áll: a Google nyelvértő rendszere több modellből épül fel. A Query fan-out megmutatja, hogyan bontja fel az AI a kérdésedet több részlekérdezésre, amelyeket a BERT mindegyikéhez értelmez. Az entitások (személyek, helyszínek, fogalmak) szintén BERT-kontextusban kapják meg a súlyukat: ha az oldaladon egy entitás következetesen, mondatszerű összefüggésben szerepel, a Google pontosabban azonosítja. A Schema.org strukturált adat segít a BERT számára is kiegészítő kontextust adni a gépi feldolgozáshoz. Végeredményben a BERT az alapja annak, miért érdemes témakörökben, összefüggő mondatokban gondolkodni a tartalmakban, ne pedig kulcsszó-listákban.

• Kulcsszó-tömítés (keyword stuffing): A BERT pontosan felismeri, ha egy szót természetellenes sűrűséggel ismételsz; ez nem segít, inkább ront a rangsoroláson.
• Rövid, kontextus nélküli szöveg: Ha a mondataidból hiányzik az összefüggés (pl. csak egy kulcsszólista), a BERT nem tud megbízható kontextust kinyerni, ezért az oldal kevésbé releváns találatként jelenik meg.
• Idegen nyelvű struktúra: Magyar oldalon ne alkalmazz szó szerint lefordított angol mondatszerkezetet; a BERT a természetes magyar szórend és kötőszavak alapján értelmez, ezért a magyarul furán hangzó mondatok gyengébb teljesítményt hoznak.

A BERT a Google kétirányú szövegértő modellje, amely a szavak kontextusát, nem csupán önmagában a szót értelmezi. Gyakorlati tanulsága egyszerű: írj természetes, összefüggő mondatokban, kérdés-alapú témákkal, és a 2026-os AI-keresők is pontosabban fogják érteni és idézni a tartalmadat.