Google 如何为语言或文字体系不匹配的文档生成标题

星期五，六月 3，2022

本周，我们推出了一项算法改进，可以识别标题元素所用语言或文字体系与文档内容不一致的文档，并选择与文档语言和文字体系相近的标题。这基于一个普遍原则：文档标题应使用其主要内容所用的语言或文字体系。 这也是我们可能会在网页搜索结果标题中 不采用标题元素内容的原因之一。

多语言标题

多语言标题会用两种不同的语言或文字体系重复表达同一个短语。 最常见的模式是在原始标题文本后附加英文版本。

吉檀迦利的生平 - 印地语版吉檀迦利传记

在这个示例中，标题由两部分组成（以连字符分隔），两部分用不同语言（印地语和英语）表达相同的内容。虽然标题使用了两种语言，但文档本身只用印地语书写。我们的系统会检测到这种不一致，并可能只采用印地语标题文本，例如：

吉檀迦利的生平

拉丁字母书写的标题

音译是指将一种语言的内容转换为使用另一种文字或字母体系的形式。例如，考虑一个用印地语书写的歌曲页面标题，但它被音译为拉丁字母，而不是印地语原生的天城文：

jis desh me holi kheli jati hai

在这种情况下，我们的系统会尝试使用页面上占主导地位的文字系统查找替代标题。在本例中，可能是：

举行洒红节的国家

摘要

一般来说，我们的系统倾向于使用页面的 title 元素。对于包含多种语言或转写标题的情况，我们的系统可能会寻找与页面占主导地位的语言相匹配的替代标题。因此，最好提供与页面主要内容的语言和／或文字系统相匹配的标题。

欢迎在我们的论坛提供更多反馈， 包括关于此主题的现有讨论帖，内容分别为 英语 和 日语。

发布者：Koji Kojima，Google 搜索