利用ChatGPT產生搜尋關鍵字

前言

常常會有一個使用情境，就是想要用瀏覽引擎搜尋，可是卻想不到關鍵字，只會有一段模糊的描述，那在這個情境下該如何搜尋呢?我們可以利用ChatGPT輔助來幫助我們產生關鍵字。

簡介

整體的流程是先給出需求描述，輸入到ChatGPT當中產生關鍵字，再將關鍵字丟入搜尋引擎中，再逐步檢視這些關鍵字搜尋的結果有沒有符合一開始我們想要的需求。

範例說明

舉例來說，我們今天想要找某個特定曲風的歌曲，例如搜尋:”我想要那種抒情歌曲 又帶有饒舌 又有搖滾”。

從搜尋結果來看，有給幾首歌曲，很多片段的搜尋結果，但還是沒有辦法很全面了解，這種類型的曲風是什麼。搜尋果並沒有到很明確。這是因為瀏覽器本身是透過關鍵字搜尋，如果搜尋的關鍵字並沒有很符合有人分享的結果，那搜尋結果就會不佳。

這時候我就會將描述丟入ChatGPT當中，讓他們試圖理解我想要的，

就會產生若干曲風的關鍵字。

再將這些關鍵字丟入google搜尋當中，逐步去這些搜尋結果的音樂，就可以知道是不是一開始自己喜歡的那種曲風。

結論

透過ChatGPT可以試圖理解我們的描述，幫我們統整關鍵字，再讓我們可將這些關鍵字丟入搜尋引擎當中搜尋。

[相似文章]:

ChatGPT應用—初次使用教學

ChatGPT使用教學—寫作文

用ChatGPT帶您進行英文翻譯

用ChatGPT提供新點子

[類神經網路基礎系列專文]:

1.類神經網路(Deep neural network, DNN)介紹

2.類神經網路—揭開網路架構調整秘辛

3.類神經網路—啟動函數介紹(一): 深入解析Relu與Sigmoid函數：如何影響類神經網路的學習效果？

4.類神經網路—啟動函數介紹(二): 回歸 vs. 分類: 線性函數與Tanh函數之原理探索

5.類神經網路—啟動函數介紹(三): 掌握多元分類的核心技術：不可不知的softmax函數原理

6.類神經網路—啟動函數介紹(四): 如何選擇最適當的啟動函數？用一統整表格讓您輕鬆掌握

7.類神經網路—前向傳播法

8.類神經網路—反向傳播法(一): 白話文帶您了解反向傳播法

9.類神經網路—反向傳播法(二): 淺談梯度

10.類神經網路—反向傳播法(三): 五步驟帶您了解梯度下降法

11.類神經網路—反向傳播法(四): 揭開反向傳播法神秘面紗

12.機器學習訓練原理大揭秘：六步驟帶您快速了解監督式學習的訓練方法

13.類神經網路—反向傳播法(五): 用等高線圖讓您對學習率更有感

[機器學習基礎系列專文]:

1.機器學習訓練原理大揭秘：六步驟帶您快速了解監督式學習的訓練方法

2.機器學習面臨的問題種類介紹:回歸與分類

[類神經網路延伸介紹]:

1.卷積類神經網路(Convolution neural network,CNN)介紹

2.遞迴類神經網路(Recurrent neural network,RNN)介紹

[ChatGPT系列專文]:

1.淺談最近非常火紅的ChatGPT背後可能原理機制為何?

2.從ChatGPT探索GPT的原理概念:少量數據的解方—遷移學習技巧