这个非常复杂答，因为这种方法不会提供有关词语关系的任何上下文。在依赖自然语言处理的语义搜索引擎中，可以识别过关键字亚当斯山、富士山和瀑布等实体。通过语法句子结构和其中使用的动词，例如hike、prepare，Google 可以建立与实体相关的上下文，并且含义或搜索意图变得更加清晰。以前，Google 最多能够确定这些术语被提及，并过关键字检查索引中是否有包含这些术语的内容，而无法真正理解搜索查询。
使用自然语言处理或
能够理解用户过关键字正在寻找秋季登山 手机数据 的远足装备。谷歌还可以推断出秋季经常下雨，并且相应的设备需求量很大。然后，Google 可以提供徒步旅行设备或产品的列表、目标地区与亚当斯山地区相比的天气信息，并在 SERPS 中输出各种媒体格式。并且所有语言均能同时进行这些操作。
结合谷歌改进的图像识别功过关键字能以及对上下文的更好理解，谷歌可以从图像和文本中回答特定的问题。 MUM 可以判断照片中的一双鞋是否适合攀登富士山。
在 2021 年 9 月 21 日的 Google Search on Google 活动中，Google 宣布 MUM 将很快在 Google Search 中上线，并提供了进一步的解释和示例。
一个令人印象深刻的例子是基于
图像的搜索，将其他服装与一件难以 德国选择党在华盛顿 用语言描述的奢华图案的衬衫进行匹配。换句话说，这是 Google 如何结合使用文本和图像过关键字来创建上下文并从而了解用户真正在寻找什么的另一个例子。通过 Google Lens 拍摄的衬衫图像的搜索查询“与图案匹配的袜子”，将返回与 Google Shopping 中的图案匹配的袜子。
另一个例子是自行车的缺陷，很难通过基于文本的搜索来描述。缺陷部件的照片与“我该如何修复它”的问题相结合提供了解决方案。由此，就可以构建通往所需工具或零件的桥梁。
在这种情况下，Google Lens 未来也将可以在台式电脑上使用，例如通过屏幕截图捕获图像的部分内容，以便在 Google Shopping 上搜索灯具、衬衫或其他产品。
在 Google Shopping 上，列出
的产品也以购物图表的形式进行组 廣告庫 织。数据库的图形结构可用于根据属性、供应商等映射产品之间的关系。例如，您可以显示附近有特定产品库存的供应商。
除了正确解释搜索查询的能力之外，Google 还希望使用 MUM 以某过关键字种方式在 SERP 中准备信息，以便获得更深入的洞过关键字察。谷歌希望传授实用的知识，过关键字否则只有更有经验的人才能获得。为此，Google 将来会在 SERP 中提供额外的框。
