Interné prelinkovanie podľa entít: navádzanie LLM na správny kontext

Prečo entity menia pravidlá interného prelinkovania

Tradičné interné prelinkovanie je zamerané na kľúčové slová a informačnú architektúru pre ľudí. Pre SEO optimalizáciu pre ChatGPT a iné LLM však funguje lepšie entitné prelinkovanie – prepojenie na úrovni pomenovaných entít (osoby, organizácie, produkty, pojmy, normy, lokality) a ich vzťahov. LLM pracujú s reprezentáciou významu (distribučná sémantika), ktorú entitné odkazy uzemňujú do presnejších kontextov. Výsledok: menšia halucinovanosť, menej zámien rovnomených pojmov, vyššia šanca, že model načíta správnu „kanonickú“ stránku pri odpovedi.

Kanonická entita a obsahové uzly: základná typológia

• Entity hub (kanonická stránka entity): primárny uzol pre konkrétnu entitu s definíciou, alternatívnymi názvami, identifikátormi (Wikidata, ORCID, ROR, ISBN, DOI), taxonómiou a FAQ.
• Relation hub (vzťahový uzol): stránka pre vzťah medzi entitami (napr. „Produkt A kompatibilita s Platformou B“), ktorá explicitne modeluje predikát (kompatibilita, závislosť, nadriadenosť).
• Leaf články: špecializované texty orientované na úlohy, prípady použitia alebo otázky, ktoré odkazujú späť na entity hub aj relation hub.
• Proof/zdrojový uzol: stránka zhromažďujúca primárne zdroje pre danú entitu (štúdie, normy) a schémy citácií; slúži LLM ako dôkazový kontext.

Modelovanie entít: mená, aliasy a disambiguácia

LLM potrebujú jasné signály, že dve frázy sú tá istá entita. Preto každý entity hub obsahuje:

• Oficiálny názov a aliasy (vrátane skratiek, preklepov a prekladov).
• Externé identifikátory (schema.org identifier) a typ entity (schema.org @type).
• Rozlišovacie znaky – krátke porovnania proti homonymám (napr. „Java (programovací jazyk)“ vs. „Java (ostrov)“).

Architektúra interného prelinkovania podľa entít

1. Kanonická mapa entít: centrálna tabuľka entita → URL (hub) s aliasmi, identifikátormi a stavom (draft/active/deprecated).
2. Pravidlá smerovania odkazov: každé prvé zmienenie entity v článku odkazuje na hub; opakované zmienky odkazujú podľa kontextu na relation hub alebo relevantný leaf.
3. Breadcrumb + nadradené entity: v hlavičke leaf článkov zobrazujte nadriadené entity (napr. „Kryptografia › AES › GCM režim“).
4. Kontextové boxy: pri každej entite krátky „ContextCard“ s definíciou, identifikátormi a odkazmi na overenie (datasety/normy).

Semantické kotvy a atribúty odkazov pre LLM

Odkaz by mal niesť sémantiku entity, nie iba bežný anchor text. Odporúčania:

• <a href="/entity/aes" data-entity="AES" data-qid="Q127367" itemprop="mentions" rel="internal">AES (Advanced Encryption Standard)</a>
• Anchor text má obsahovať plný názov + skratku pri prvom výskyte; neskôr stačí skratka.
• Ak článok obsahuje viac homonymných entít, použite aria-label s disambiguáciou (napr. aria-label="Java, programovací jazyk").

Štruktúrované dáta pre entitné prelinkovanie (JSON-LD)

Každý hub i leaf by mal exponovať schema.org s poliami about, mentions, sameAs a citation. Minimálna kostra pre entity hub:

• @type: Thing alebo doménovo špecifický typ (napr. Product, MedicalEntity).
• name, alternateName, identifier (Wikidata/QID, DOI, ORCID, ROR).
• sameAs: odkazy na autoritatívne záznamy.
• hasPart/isPartOf: väzby na relation/leaf uzly.

Entitný PageRank a prioritizácia odkazov

Nie všetky entity sú rovnako dôležité. Zaveďte Entitný PageRank (EPR):

1. Hodnota entity: autorita (počet kvalitných zdrojov), dopyt (vyhľadávanie/otázky), obchodný význam.
2. Váhy odkazov: od hub → leaf nižšia váha, leaf → hub vyššia (kanonizácia), leaf ↔ leaf stredná (laterálne učenie).
3. Limitácia odkazov: každý odsek max. 1–2 entitné odkazy; vysoká hustota rozmazáva signál pre LLM.

Relation huby: explicitné predikáty eliminujú halucinácie

LLM si často domýšľajú vzťahy. Preto vzťahy nepopisujte iba v texte, ale budujte relation huby s názvom v tvare Entita A –> Predikát –> Entita B (napr. „AES → režim → GCM“). Stránka obsahuje:

• Definovaný predikát (napr. „je režimom šifrovania pre“).
• Obmedzenia (od kedy platí, v akých verziách, výnimky).
• Vizuálnu schému (diagram) a príklady použitia.
• Citácie na primárne zdroje k vzťahu; tým model dostane jednoznačný dôkazový kontext.

Pravidlá anchor textu a mikrokópie pre LLM

• Kanonizačný anchor: „definícia“, „štandard“, „špecifikácia“ – smeruje na hub.
• Úlohový anchor: „implementácia v praxi“, „konfigurácia“ – smeruje na leaf.
• Vzťahový anchor: „kompatibilita s“, „porovnanie vs.“ – smeruje na relation hub.
• Zdrojový anchor: „primárne štúdie“ – smeruje na proof uzol.

Interné linkovanie a navigačné komponenty

Okrem bežných odkazov použite komponenty s vysokou informatívnosťou pre modely:

• Entity ToC: dynamický zoznam entít, ktoré stránka pokrýva (s data-entity atribútmi).
• ContextCard v bočnom paneli: identifikátory, aliasy, vztahy, top citácie.
• „Related by predicate“ box: prehľad susedných entít podľa konkrétneho predikátu (napr. „alternatívne režimy“).

Proces: od inventarizácie entít po CI validáciu

1. Inventarizácia: zozbierajte existujúce entity, URL, aliasy a externé ID.
2. Kanonizácia: každá entita dostane hub; duplicitné stránky sa zlúčia a presmerujú.
3. Mapovanie vzťahov: určite kľúčové predikáty a založte relation huby.
4. Šablóny v CMS: povinné polia: name, alternateName, identifier, sameAs, about/mentions, isPartOf/hasPart.
5. CI kontroly: skript, ktorý odmietne publikáciu, ak chýba odkaz na hub pri prvom výskyte entity, alebo chýba mentions v JSON-LD.

Entitné breadcrumbs a URL konvencie

Štruktúra URL a breadcrumbs signalizujú hierarchiu pre LLM:

• /entity/<kanonicky-nazov> pre hub.
• /entity/<A>/relation/<predikat>/<B> pre relation hub.
• /guides/<tema> pre leaf; v hlavičke breadcrumb s odkazom na hub entity, ktorých sa text týka.

Meranie účinku prelinkovania na LLM

• Attribution@1: podiel odpovedí modelu, kde primárny odkaz smeruje na kanonický hub.
• Disambiguation error rate: miera zámien rovnakých názvov pred vs. po zavedení entitných hubov.
• Grounded answer rate: percento odpovedí s odkazom na hub/relation hub namiesto náhodných stránok.
• Path depth to evidence: počet klikov k primárnym zdrojom; cieľ ≤ 2.

Príklad entitného prelinkovania v texte

„Pri implementácii AES v režime GCM odporúčame overiť kompatibilitu podľa vzťahu režimu a nastavenia nonce.“

Entitné tabuľky a zásobník pre linkovanie

Kontextové boxy (ContextCard) – špecifikácia komponentu

• Obsah: názov, krátka definícia, aliasy, identifikátory, 3–5 kľúčových vzťahov, odkazy na proof uzly.
• Strojové značky: data-entity, itemtype, itemprop, sameAs.
• Umiestnenie: nad foldom vpravo; sticky pri scrollovaní pre neutrálny opakovaný signál.

Prelinkovanie v častých otázkach (FAQ) a TL;DR

LLM často vyberajú odpovede z FAQ a TL;DR. Preto:

• V každej FAQ položke odkážte kľúčové entity na hub.
• V TL;DR sekcii používajte krátke, ale sémanticky bohaté anchor texty (názvy + skratky).
• Každý odkaz v TL;DR má vyššiu váhu, preto ich počet limitujte na 3–4 najdôležitejšie entity.

On-page disambiguation: keď jedna fráza znamená viac vecí

Ak stránka pokrýva entity s rovnakým názvom:

• Vložte „Rozlíšenie pojmov“ s odkazmi na jednotlivé huby.
• Doplňte aria-describedby k odkazom, ktorý vysvetlí, ktorú entitu reprezentujú.
• V JSON-LD použite about ako pole s viacerými entitami a disambiguatingDescription.

Protip: navigácia podľa predikátov (nie iba podľa tém)

V hornej navigácii alebo v bočnom paneli vyfiltrujte odkazy podľa predikátov: „je kompatibilné s“, „závisí od“, „nahrádza“, „vyžaduje“. Pre LLM sú predikáty kľúčovým mostom na správny kontext.

Revízia a governance entít

1. Správa životného cyklu: entita môže byť draft, active, deprecated; pri deprecated presmerujte na nástupníka a označte v JSON-LD.
2. Audit odkazov: mesačný report nefunkčných alebo nekanonických odkazov (leaf → leaf bez hubu).
3. Kontrola aliasov: nové synonymá pridajte do hubu; CI test upozorní na „neznámy alias“ v anchor texte.

KPI a experimenty

• LLM-clickthrough@hub: miera, s akou modely pri citovaní vyberú hub.
• Answer consistency score: zhodnosť odpovedí modelu naprieč stránkami pokrývajúcimi tú istú entitu.
• Disambiguation latency: koľko tokenov model potrebuje, aby „pochopil“ správnu entitu; cieľ je skrátenie po zavedení entitných odkazov.

Checklist pre vydanie

• Prvé zmienenie každej entity odkazuje na entity hub.
• Vzťahy medzi entitami majú relation hub s definovaným predikátom.
• Všetky entity majú aliasy a externé identifikátory v huboch.
• Leaf stránky majú breadcrumbs vedúce cez hub.
• JSON-LD obsahuje about, mentions, sameAs a odkazy na huby.

Najčastejšie chyby a ich prevencia

• Keyword-first linking: odkaz na generické kľúčové slovo bez entity signálu → nahraďte odkazom na hub s data-entity.
• Hustota odkazov: príliš veľa entít v odseku → zredukujte na kľúčové 1–2.
• Chýbajúce relation huby: LLM domýšľa vzťahy → vytvorte explicitné predikátové stránky.
• Roztrúsené aliasy: alias bez väzby na hub → centralizujte aliasy do hubu a validujte CI nástrojom.

Entitná vrstva ako „kompas“ pre LLM

Interné prelinkovanie podľa entít vytvára pre LLM navigačnú mapu: kanonické huby ukotvia význam, relation huby vyjasnia vzťahy a leafe články poskytnú praktické odpovede. Pri dôslednom použití s JSON-LD, premyslenými anchor textami a kontrolou hustoty odkazov získate robustný kontext, v ktorom modely konzistentne vyberajú správne stránky – a vaše odpovede z ChatGPT budú presnejšie, stabilnejšie a lepšie atribúované.