Pada hari Rabu, 14 Desember 2022, Google mengumumkan sistem anti-spam baru bernama SpamBrain. Sistem yang didukung AI ini memanfaatkan kekuatan kecerdasan buatan untuk mendeteksi situs yang membeli tautan atau mengirim tautan yang tidak biasa. termasuk deteksi spam langsung Pembaruan ini disebut Pembaruan Spam Tautan Desember 2022 dan akan memakan waktu sekitar dua minggu untuk diluncurkan sepenuhnya. Ini akan memengaruhi semua bahasa dan dapat menyebabkan perubahan peringkat karena kredit yang diperoleh dari tautan abnormal akan hilang.
Google secara konsisten menekankan bahwa tautan yang diperoleh melalui spoofing peringkat pencarian pada dasarnya adalah tautan spam. Dan algoritme serta tindakan manual bertujuan untuk menonaktifkan sebagian besar tautan ini. Mereka meminta siapa pun yang menemukan situs web yang melibatkan pembuatan tautan tidak wajar untuk melaporkannya melalui panduan "laporkan spam" di sini: https://goo.gle/sc-forum. Mereka yang memiliki umpan balik khusus tentang pembaruan ini dapat memposting di 'Bantu Komunitas' di sini: https://goo.gle/sc-forum Cari tahu lebih lanjut tentang SpamBrain di sini: /search/blog/2022/04/webspam-report-2021#spambrain:-our-most-effect-solution-against-spam.
Empat penulis, Duy Nguyen, Ildar Akhmedyanov, Jacob N Scott dan Karthikgeyan Elangovan, telah memposting makalah tentang bagaimana menggunakan teknik dari pembelajaran penguatan (RL) untuk meningkatkan kinerja sistem pemberi rekomendasi. Mereka berfokus pada dua teknik RL spesifik: algoritma aktor-kritik dan algoritma aktor-kritik. dan pembelajaran penguatan mendalam (DRL) dan jelaskan manfaat yang dapat dibawa masing-masing ke sistem pemberi rekomendasi. Para penulis juga memberikan tinjauan terperinci tentang penelitian penguatan pembelajaran mendalam baru-baru ini untuk pekerjaan pengantar mereka dan memberikan wawasan tentang tantangan potensial yang terkait dengan penggunaannya Terakhir, mereka membahas bagaimana mengintegrasikan metode RL dengan kombinasi tradisional metode penyaringan untuk meningkatkan efisiensi bahkan lebih jauh. Artikel ini adalah sumber yang berguna bagi mereka yang ingin memahami peran pembelajaran penguatan dalam meningkatkan efektivitas sistem pemberi rekomendasi.