சொற்றொடர்-க்கு-வடிப்பான் மேப்பிங்ஸ்: தயாரிப்பு வடிப்பான்களுக்கான சொற்பொருள் தேடல்

இந்த கட்டுரை, எங்கள் வடிப்பான் பிரித்தெடுத்தல் அமைப்பை இயக்கும் சொற்றொடர்-க்கு-வடிப்பான் மேப்பிங்ஸை நாங்கள் எவ்வாறு உருவாக்கி விரிவாக்குகிறோம் என்பதை விளக்குகிறது. இந்த மேப்பிங்ஸ் தேடல் கேள்விகளில் இருந்து இயற்கை மொழி சொற்றொடர்களை கட்டமைக்கப்பட்ட தயாரிப்பு வடிப்பான்களுடன் இணைக்கின்றன.

சிக்கல்: இயற்கை மொழியில் இருந்து வடிப்பான்களை பிரித்தெடுத்தல்

பயனர்கள் "mini pc with 16gb ram" என்று தேடும்போது, நாங்கள் பிரித்தெடுக்க வேண்டும்:

  • வடிவ காரணி: மினி பிசி

  • முதன்மை நினைவகம்: 16

ஆனால் பயனர்கள் அதே நோக்கத்தை பல வழிகளில் வெளிப்படுத்துகிறார்கள்:

  • "16gb ram mini pc"

  • "mini computer 16 gb memory"

  • "small pc 16gb"

  • "compact desktop with 16 gigs"

இந்த அனைத்து சொற்றொடர் மாறுபாடுகளையும் சரியான வடிப்பான் மதிப்புகளுக்கு பொருத்தும் ஒரு அமைப்பு நமக்குத் தேவை.

இரண்டு-படி செயல்முறை

நாங்கள் சொற்றொடர் மேப்பிங்ஸை இரண்டு படிகளில் உருவாக்குகிறோம்:

  1. படி 3a: வரிசைமாற்றங்கள் மற்றும் அம்சம்-சார்ந்த விதிகளைப் பயன்படுத்தி தயாரிப்பு அம்சங்களிலிருந்து அடிப்படை சொற்றொடர்களை உருவாக்கவும்.
  2. படி 4: உட்பொதிவுகள் ஐப் பயன்படுத்தி சொற்பொருள் ஒற்றுமையுடன் விரிவாக்கவும்.

இந்த கலப்பின அணுகுமுறை விதி அடிப்படையிலான துல்லியத்தை சொற்பொருள் நெகிழ்வுத்தன்மையுடன் இணைக்கிறது.

படி 3a: அடிப்படை சொற்றொடர் உருவாக்கம்

அம்ச மெட்டாடேட்டா

ஒவ்வொரு தயாரிப்பு அம்சத்திற்கும் அம்ச வரிசையில் மெட்டாடேட்டா உள்ளது:

  • தலைப்பு: வகை பெயர் (எ.கா., செயலி அம்சங்களுக்கு "Processing")

  • அலகு: அளவீட்டு அலகு (எ.கா., நினைவகத்திற்கு "GB", அதிர்வெண்ணுக்கு "GHz")

இந்த மெட்டாடேட்டா சொற்றொடர் உருவாக்கத்தை வழிநடத்துகிறது.

வரிசைமாற்ற அடிப்படையிலான உருவாக்கம்

ஒவ்வொரு அம்ச மதிப்பிற்கும், நாங்கள் அனைத்து வரிசைமாற்றங்களையும் உருவாக்குகிறோம்:

  • தலைப்பு: "processor"

  • அம்ச விசை: "series"

  • மதிப்பு: "i5"

  • அலகு: (series க்கு இல்லை)

இது உருவாக்குகிறது:

  • "processor series i5"

  • "series processor i5"

  • "i5 processor series"

  • "i5 series processor"

  • "processor i5"

  • "series i5"

  • "i5"

அனைத்து வரிசைமாற்றங்களும் சொல் வரிசையைப் பொருட்படுத்தாமல் கேள்விகளைப் பொருத்துவதை உறுதி செய்கின்றன.

மதிப்பு + அலகு சேர்க்கைகள்

அலகுகளைக் கொண்ட அம்சங்களுக்கு (நினைவகம், சேமிப்பு, அதிர்வெண்), இடைவெளியுடன் மற்றும் இடைவெளி இல்லாத மாறுபாடுகளை உருவாக்குகிறோம்:

  • "16 gb" (இடைவெளியுடன்)

  • "16gb" (இடைவெளி இல்லாமல்)

இவை மற்ற கூறுகளுடன் இணைகின்றன:

  • "16gb ram"

  • "ram 16gb"

  • "processor 16gb"

போர்ட் பின்னொட்டு விதிகள்

இணைப்பு அம்சங்களுக்காக (USB, HDMI, DisplayPort), போர்ட் பின்னொட்டுகளைச் சேர்க்கிறோம்:

  • "usb port"

  • "usb ports"

  • "2 usb ports"

  • "hdmi port"

இது "mini pc with 2 hdmi ports" போன்ற கேள்விகளுடன் பொருந்துகிறது.

அம்சம்-சார்ந்த விதிகள்

ஒவ்வொரு அம்ச வகைக்கும் தனிப்பயன் சொற்றொடர் உருவாக்கம் உள்ளது:

செயலி தொடர் (i3, i5, N-series):

  • கோர் செயலி பெயர்கள் மாறுபாடுகளை உருவாக்குகின்றன: உற்பத்தியாளர் பெயர், கோர் பிராண்ட், இணைந்த வடிவங்கள்

  • N-series செயலிகள் (N100, போன்றவை) ஒத்த மாதிரி சேர்க்கைகளை உருவாக்குகின்றன

  • ஒவ்வொன்றும் "processor" உடன் பல வரிசைமாற்றங்களை உருவாக்குகிறது

முதன்மை நினைவகம்:

  • எண் மதிப்புகள் இடைவெளியுடன் மற்றும் இடைவெளி இல்லாத GB மாறுபாடுகளை உருவாக்குகின்றன ("16gb", "16 gb")

  • "ram" மற்றும் "memory" தகுதியாளர்களுடன் தானாகவே இணைக்கப்படுகிறது ("16gb memory", "16 gb ram")

SSD சேமிப்பு:

  • எண் மதிப்புகள் GB மாறுபாடுகளை உருவாக்குகின்றன ("512gb", "512 gb")

  • ≥ 1024 மதிப்புகளுக்கு TB மாறுபாடுகளை தானாகவே உருவாக்குகிறது (எ.கா., 1024GB → 1TB)

  • "ssd" மற்றும் "storage" தகுதியாளர்களுடன் தானாகவே இணைக்கப்படுகிறது ("512gb ssd", "512 gb storage")

வடிவ காரணி:

  • Mini PC → இடைவெளி இல்லாத வடிவம் உட்பட பல மாறுபாடுகள்

  • All-in-One → "all in one", "aio", சுருக்கப்பட்ட வடிவங்கள்

  • Thin Client → இடைவெளியுடன்/இல்லாமல் மாறுபாடுகள்

  • Industrial PC → சுருக்கப்பட்ட மற்றும் முழு வடிவங்கள்

தலைமுறை:

  • எண் தலைமுறை மதிப்புகள்: "12th gen", "12th generation", "gen 12"

கோர்கள்:

  • 2 → "dual core"

  • 4 → "quad core"

  • 6 → "hexa core"

  • 8 → "octa core"

  • அனைத்தும் "[n] core processor" மாறுபாடுகளை உருவாக்குகின்றன

ஈதர்நெட்:

  • "1000" → ["gigabit ethernet", "gbe", "1gbps"]

  • "2500" → ["2.5gbe", "2.5 gigabit", "2.5gbps"]

இயக்க முறைமை:

  • "Windows 11" → ["windows", "windows 11", "win 11"]

  • "Ubuntu" → ["linux", "ubuntu"]

  • "FreeDOS" → ["freedos", "no os", "without os"]

தனித்தனி மதிப்புகளுக்கான வெள்ளை பட்டியல்

தவறான பொருத்தங்களைத் தடுக்க, குறிப்பிட்ட அம்சங்கள் மட்டுமே தனித்தனி மதிப்பு பொருத்தத்தை அனுமதிக்கின்றன:

  • தொடர்: "i3", "i5", "N100" (ஆனால் ஒற்றை எழுத்துக்கள் அல்ல)

  • செயலி மாதிரி: "N100", "1335U"

  • இயக்க முறைமை: "Windows", "Linux", "Ubuntu"

  • தலைமுறை: "12th", "13th", "14th"

  • செயலி பிராண்ட்: "Intel", "ARM"

எடுத்துக்காட்டாக, "2" என்ற கேள்வி "2 hdmi ports" ஆக இருக்கும்போது, "2" என்பது "2 cores" உடன் பொருந்தக்கூடாது. நீள சரிபார்ப்பு ஒற்றை எழுத்துக்கள் அல்லது மிகச் சிறிய தெளிவற்ற மதிப்புகள் தனித்தனியாக பொருந்துவதைத் தடுக்கிறது. ஈதர்நெட் அல்லது போர்ட்கள் போன்ற வெளிப்படையான அலகு கூறுகளைக் கொண்ட அம்சங்கள், அவற்றின் அலகுடன் தகுதியானதாக இருக்கும்போது மட்டுமே தனித்தனி சேர்க்கைகளை உருவாக்குகின்றன.

மோதல் தடுப்பு

நினைவகம் மற்றும் சேமிப்பு மதிப்புகள் ஒன்றுடன் ஒன்று மேலெழுகின்றன (இரண்டுக்கும் 64, 128, 256, போன்றவை உள்ளன). படி 4, தெளிவுபடுத்துவதற்கு மதிப்பு-வரம்பு விதிகளை அமல்படுத்துகிறது:

  • ≤ 64 GB: முதன்மை நினைவகம் (ரேம்)

  • ≥ 128 GB: SSD சேமிப்பு

  • 65-127 GB வரம்பு: தவிர்க்கப்பட்டது (தெளிவற்றது)

வெளிப்படையான தகுதியாளர்களைக் கொண்ட சொற்றொடர்கள் ("ram"/"memory" அல்லது "ssd"/"storage") இந்த விதியை மீறி எந்த மதிப்புடனும் பொருந்தலாம்.

கூடுதலாக, பல தொடர்பில்லாத வடிப்பான்களுடன் பொருந்தக்கூடிய தெளிவற்ற பொதுவான சொற்கள், மோதல் தீர்வின் போது பிந்தைய செயலாக்கத்தின் மூலம் விலக்கப்படுகின்றன: "connectivity", "audio", "display", "processor" மற்றும் "physical" போன்ற சொற்கள் பல அம்சங்களில் அதிக தெளிவின்மையை உருவாக்குகின்றன.

படி 4: சொற்பொருள் விரிவாக்கம்

N-கிராம் பிரித்தெடுத்தல்

உண்மையான தேடல் கேள்விகளில் இருந்து அடிக்கடி வரும் சொற்றொடர்களை நாங்கள் பிரித்தெடுக்கிறோம், ஒற்றை வார்த்தைகள் (1-கிராம், "mini" போன்றவை) முதல் நீண்ட தொடர்கள் (6-கிராம் வரை, "mini pc with 16gb ram ssd" போன்றவை). குறைந்தது 3 முறை தோன்றும் சொற்றொடர்கள் மட்டுமே வைத்துக்கொள்ளப்படுகின்றன. இந்த வடிகட்டுதல் அணுகுமுறை சத்தத்தை குறைக்கும் அதே வேளையில் உண்மையான பயனர் மொழி வடிவங்களை பாதுகாக்கிறது.

வடிப்பான் தேடல் உரை உருவாக்கம்

ஒவ்வொரு வடிப்பான் மதிப்பிற்கும், நாங்கள் தேடல் உரைகளை உருவாக்குகிறோம்:

முதன்மை நினைவகம்: 16:

  • "16gb ram memory"

  • "16 main memory"

  • "main memory 16"

SSD சேமிப்பு: 512:

  • "512gb storage ssd"

  • "512 ssd storage"

  • "ssd storage 512"

இந்த தேடல் உரைகள் வடிப்பானை உட்பொதிவு இடத்தில் குறிக்கின்றன.

உட்பொதித்தல் மற்றும் பொருத்துதல்

நாங்கள் கேள்வி சொற்றொடர்கள் மற்றும் வடிப்பான் தேடல் உரைகள் இரண்டையும் உட்பொதிவுகளாக மாற்றி, பின்னர் அவற்றுக்கிடையே கோசைன் ஒற்றுமை கணக்கிடுகிறோம். கட்டமைக்கப்பட்ட வரம்புக்கு மேல் ஒற்றுமை மதிப்பெண்கள் கொண்ட சொற்றொடர்கள் அந்த வடிப்பானின் மேப்பிங்கில் சேர்க்கப்படுகின்றன.

கைமுறை விதை சொற்றொடர்கள்

விரிவாக்கத்திற்கு முன் அதிக நம்பிக்கை கொண்ட கைமுறை விதைகளை செலுத்துகிறோம்:

"Series:i5": [
    "i5",
    "core i5",
    "intel i5",
    "intel core i5",
    "i5 processor",
    "cpu i5",
]

இந்த விதைகள் ஒவ்வொரு வடிப்பானுக்கும் சரியானவை என்று நமக்குத் தெரிந்த முக்கிய சொற்றொடர்களைக் குறிக்கின்றன. அவற்றை அதிகபட்ச ஒற்றுமை மதிப்பெண்களுடன் சேர்ப்பதன் மூலம், இதே போன்ற அர்த்தங்களைக் கொண்ட தொடர்புடைய சொற்றொடர்களைக் கண்டறிய விரிவாக்க வழிமுறையை அவை வழிநடத்துகின்றன. இந்த விதைகள் எப்போதும் ஒற்றுமை 1.0 பெறுகின்றன மற்றும் விரிவாக்கத்தை வழிநடத்துகின்றன.

அதிகரிக்கும் உட்பொதித்தல்

சொற்றொடர்கள் மற்றும் வடிப்பான் தேடல் உரைகள் இரண்டிற்கும் உட்பொதிவுகளை நாங்கள் தற்காலிக சேமிப்பில் வைக்கிறோம். புதிய கேள்விகள் வரும்போது:

  1. ஏற்கனவே உள்ள உட்பொதிவுகளை ஏற்றவும்
  2. புதிய சொற்றொடர்களை மட்டும் உட்பொதிக்கவும்
  3. தற்காலிக சேமிப்பில் சேர்க்கவும்

இது மாறாத தரவை மீண்டும் உட்பொதிப்பதை தவிர்க்கிறது. விவரங்களுக்கு உட்பொதித்தல் உத்தி ஐப் பார்க்கவும்.

மோதல் தீர்வு

ஒற்றுமை பொருத்துதல் முடிந்த பிறகு, நினைவகம் மற்றும் சேமிப்பு வடிப்பான்களுக்கு இடையே உள்ள மோதல்களை நாங்கள் தீர்க்கிறோம்:

எண் அடிப்படையிலான தெளிவுபடுத்தல்:

  • எண்களைக் கொண்ட தெளிவற்ற சொற்றொடர்களுக்கு: மதிப்பு ≤ 64 ஆக இருந்தால், நினைவகத்திற்கு மட்டும் வைக்கவும்; > 64 ஆக இருந்தால், சேமிப்பிற்கு மட்டும் வைக்கவும்

  • இது "16gb" SSD சேமிப்பு வடிப்பான்களுடன் பொருந்துவதையும், "512gb" நினைவக வடிப்பான்களுடன் பொருந்துவதையும் தடுக்கிறது

வெளிப்படையான தகுதியாளர்கள் விதிகளை மீறுகின்றன:

  • "ram", "memory", "cpu", "processor" முக்கிய வார்த்தைகளைக் கொண்ட சொற்றொடர்கள் → நினைவகத்திற்கு மட்டும்

  • "ssd", "storage", "disk", "nvme", "drive" முக்கிய வார்த்தைகளைக் கொண்ட சொற்றொடர்கள் → சேமிப்பிற்கு மட்டும்

  • எடுத்துக்காட்டு: "processor 8gb" எண்ணாக இருந்தாலும் நினைவகத்திற்கு மேப்பிங் செய்யப்படுகிறது

தெளிவற்ற சொற்கள்:

  • பல தொடர்பில்லாத வடிப்பான்களுடன் பொருந்தக்கூடிய "connectivity", "audio", "display" போன்ற சொற்றொடர்களை நீக்கவும்

வெளியீடு வடிவம்

இறுதி மேப்பிங்ஸ் ஒற்றுமையால் (முதலில் அதிகபட்சம்), பின்னர் நீளத்தால் (முதலில் குறுகியது) வரிசைப்படுத்தப்படுகின்றன:

{
  "Main Memory:16": [
    {"phrase": "16gb ram", "similarity": 1.0},
# ... (implementation details omitted)

வடிப்பான் பிரித்தெடுத்தலுடன் ஒருங்கிணைப்பு

இந்த மேப்பிங்ஸ் வடிப்பான் பிரித்தெடுத்தல் வழிமுறையை இயக்குகின்றன:

  1. கேள்வி வருகிறது: "mini pc with 16gb ram"
  2. சொற்றொடர்களை பிரித்தெடுக்கவும்: ["mini pc", "16gb ram", "mini", "pc", "16gb", "ram"]
  3. மேப்பிங்ஸைப் பயன்படுத்தி சொற்றொடர்களை வடிப்பான்களுடன் பொருத்தவும்
  4. வடிப்பான்களை திருப்பி அனுப்பவும்: {"Form Factor": ["Mini PC"], "Main Memory": ["16"]}

விவரங்களுக்கு வடிப்பான் பிரித்தெடுத்தல் வழிமுறை ஐப் பார்க்கவும்.

சேமிப்பு மற்றும் விநியோகம்

சொற்றொடர் மேப்பிங்ஸ் JSON கோப்புகளாக நீடித்து, அமைப்பு முழுவதும் பயன்படுத்தப்படுகின்றன:

  • அடிப்படை மேப்பிங் கோப்பு: படி 3a இல் உருவாக்கப்பட்டது, விதி அடிப்படையிலான சொற்றொடர்களைக் கொண்டுள்ளது

  • விரிவாக்கப்பட்ட மேப்பிங் கோப்பு: படி 4 இல் உருவாக்கப்பட்டது, சொற்பொருள் விரிவாக்க முடிவுகளைக் கொண்டுள்ளது

விரிவாக்கப்பட்ட மேப்பிங்ஸ் பயன்படுத்தப்படும் இடங்கள்:

  • கேள்வி பக்க உருவாக்கம்: கேள்வி உரையிலிருந்து வடிப்பான்களை பிரித்தெடுக்க

  • தேடல் சேவை: நிகழ்நேர வடிப்பான் பிரித்தெடுத்தல் API

  • தயாரிப்பு பொருத்துதல்: பிரித்தெடுக்கப்பட்ட வடிப்பான்களால் தயாரிப்புகளை வடிகட்ட

செயல்திறன் பண்புகள்

அடிப்படை உருவாக்கம் (படி 3a):

  • செயலாக்க நேரம் வடிப்பான் மதிப்புகளின் எண்ணிக்கையுடன் அளவிடப்படுகிறது

  • அதிக எண்ணிக்கையிலான அடிப்படை சொற்றொடர் மாறுபாடுகளை உருவாக்குகிறது

  • உருவாக்கத்தின் போது நினைவக பயன்பாடு மிதமாக இருக்கும்

சொற்பொருள் விரிவாக்கம் (படி 4):

  • செயலாக்க நேரம் கேள்வி அளவு மற்றும் உட்பொதிவு அளவுடன் அளவிடப்படுகிறது

  • வெளியீடு அடிப்படை உருவாக்கத்தை விட கணிசமாக அதிக சொற்றொடர்களைக் கொண்டுள்ளது

  • உட்பொதிவுகள் சேமிப்பு காரணமாக நினைவக தேவைகள் அதிகரிக்கின்றன

ஒற்றுமை கணக்கீட்டின் காரணமாக விரிவாக்கம் CPU-கட்டுப்பட்டதாக உள்ளது. NumPy ஐ BLAS முடுக்கத்துடன் பயன்படுத்துவது மேட்ரிக்ஸ் செயல்பாடுகளை கணிசமாக வேகப்படுத்துகிறது.

SEO செயல்முறையுடன் ஒருங்கிணைப்பு

சொற்றொடர் மேப்பிங் உருவாக்கம் SEO செயல்முறையில் படிகள் 3a மற்றும் 4 ஆகும்:

  1. படி 0: மூல தரவை உட்பொதிக்க - தயாரிப்புகள், பாகங்கள், கட்டுரைகள்
  2. படி 1: கேள்விகளைப் பெறு - GSC, Google Ads, நேரலை, Algolia
  3. படி 2: கேள்விகளை இணைக்கவும் - அனைத்து மூலங்களையும் ஒன்றிணைக்கவும்
  4. படி 3a: அடிப்படை சொற்றொடர் மேப்பிங்ஸை உருவாக்கவும் ← நீங்கள் இங்கே இருக்கிறீர்கள்
  5. படி 3b: கேள்விகளை உட்பொதிக்க - வெக்டார்களாக மாற்றவும்
  6. படி 4: சொற்றொடர் மேப்பிங்ஸை விரிவாக்கவும் ← நீங்கள் இங்கே இருக்கிறீர்கள்
  7. படி 5: கேள்விகளை தொகுக்கவும் - பக்கங்களாக தொகுக்கவும்
  8. படி 6: தயாரிப்புகளை பொருத்தவும் - கேள்வி-தயாரிப்பு பொருத்துதல்
  9. படி 7: கேள்வி பக்கங்களை உருவாக்கவும் - HTML ஐ உருவாக்கவும்
  10. படி 8: தொடர்புடைய தேடல்களை உருவாக்கவும் - தொடர்புடைய கேள்விகளைக் கண்டறியவும்
  11. படி 11: Valkey க்கு இடம்பெயர் - தேடல் சேவையில் ஏற்றவும்

முழு செயல்முறைக்கு SEO செயல்முறை கண்ணோட்டம் ஐப் பார்க்கவும்.

ஏன் இரண்டு படிகள்?

அடிப்படை உருவாக்கம் (படி 3a) வழங்குகிறது:

  • துல்லியம்: விதி அடிப்படையிலான சொற்றொடர்கள் நாம் எதிர்பார்ப்பதை சரியாக பொருந்துகின்றன

  • கவரேஜ்: வரிசைமாற்றங்கள் அனைத்து சொல் வரிசைகளும் உள்ளடக்கப்படுவதை உறுதி செய்கின்றன

  • கட்டுப்பாடு: அம்சம்-சார்ந்த விதிகள் டொமைன் அறிவைக் கையாளுகின்றன

சொற்பொருள் விரிவாக்கம் (படி 4) வழங்குகிறது:

  • நெகிழ்வுத்தன்மை: நாம் எதிர்பார்க்காத சொற்றொடர்களைக் கண்டறிகிறது

  • உண்மையான பயனர் மொழி: உண்மையான தேடல் கேள்விகளிலிருந்து கற்றுக்கொள்கிறது

  • ஒத்த சொற்கள்: சமமான சொற்றொடர்களைக் கண்டறிகிறது ("16gb" க்கு "16 gigs")

ஒன்றாக, அவை துல்லியம் மற்றும் மீட்டெடுப்பை சமநிலைப்படுத்துகின்றன.

குறிப்புகள்

தொழில்நுட்ப கருத்துகள்

மாதிரி ஆவணங்கள்

தொடர்புடைய கட்டுரைகள்

சுருக்கம்

நாங்கள் சொற்றொடர்-க்கு-வடிப்பான் மேப்பிங்ஸை இரண்டு படிகளில் உருவாக்குகிறோம்:

படி 3a (அடிப்படை உருவாக்கம்):

  • தலைப்பு, விசை, மதிப்பு, அலகு ஆகியவற்றின் அனைத்து வரிசைமாற்றங்களையும் உருவாக்கவும்

  • அம்சம்-சார்ந்த விதிகளைப் பயன்படுத்தவும் (செயலி தொடர், நினைவகம், சேமிப்பு, வடிவ காரணி)

  • இணைப்பு அம்சங்களுக்கு போர்ட் பின்னொட்டுகளைச் சேர்க்கவும்

  • குறிப்பிட்ட அம்சங்களுக்கு தனித்தனி மதிப்புகளை வெள்ளை பட்டியலிடவும்

  • விதிகளிலிருந்து அடிப்படை சொற்றொடர் தொகுப்பை வெளியிடவும்

படி 4 (சொற்பொருள் விரிவாக்கம்):

  • உண்மையான தேடல் கேள்விகளில் இருந்து n-கிராம் சொற்றொடர்களை பிரித்தெடுக்கவும்

  • சொற்றொடர்கள் மற்றும் வடிப்பான் தேடல் உரைகளை உட்பொதிக்கவும்

  • வரம்பிற்கு மேல் ஒற்றுமை மதிப்பெண்கள் கொண்ட சொற்றொடர்களை பொருத்தவும்

  • விரிவாக்கத்தை வழிநடத்த கைமுறை விதை சொற்றொடர்களை செலுத்தவும்

  • நினைவகம்/சேமிப்பு மோதல்களை தீர்க்கவும்

  • விரிவாக்கப்பட்ட மற்றும் தெளிவுபடுத்தப்பட்ட சொற்றொடர் தொகுப்பை வெளியிடவும்

இதன் விளைவாக, எதிர்பார்க்கப்பட்ட சொற்றொடர்களை (விதிகள் மூலம்) மற்றும் எதிர்பாராத மாறுபாடுகளை (சொற்பொருள் ஒற்றுமை மூலம்) கையாளும் ஒரு விரிவான மேப்பிங் உருவாகிறது. இந்த மேப்பிங்ஸ் கேள்வி பக்கங்கள், தேடல் மற்றும் தயாரிப்பு பொருத்துதல் ஆகியவற்றில் வடிப்பான் பிரித்தெடுத்தலை இயக்குகின்றன.

← ஆவண அட்டவணைக்குத் திரும்பு