总而言之，我从研究结果中得出结论，根据 EAT，以下因素对作者和出版商等来源的算法评估有重大影响：
作者/出版商在某一主题领域创作内容的时间有多长
作者/出版商的知名度
用户对作者/出版商发布的内容的评分
作者/出版商就某一主题发表的文章数量
作者/出版商发布该主题内容的频率
作者/出版商与主题环境中的术语共现
与“普遍看法”或科学发现 (KBT) 相比，已发表信息的准确性
频繁链接接近发布者/作者内容的种子网站
用户信号，例如发布者/作者文档的点击率
最佳榜单中提及作者/出版商
作者/出版商获得的奖项和奖励
对公司/出版商/作者的心情/情感
这些信号必须被爬虫识别，并且能够通过算法进行评估。一旦使用这些 医生数据库 评估了公司、出版商、作者或产品形式的实体，就可以根据 EAT 评估与该实体相关的文档。
作者框和 EAT
由于作者框目前正在被广泛讨论，因此我想在这里简单谈一下。作者框本身不会对排名产生太大影响。它有助于将内容与实体联系起来。但是，如果作者尚未被 Google 识别为实体，或者没有 Google 可以通过算法识别的任何主题可信度或权威性，则作者框将不会对排名产生影响。
知识图谱旁边的未经验证的实体
我认为谷歌雷达上的实体不仅仅只有知识图谱中官方记录的实体。由于知识库或自然语言处理可用于分析搜索查询和任何类型的内容中的实体，因此除了知识图谱之外还会有第二个无效数据库。该数据库可以包含所有被识别为实体、分配给某个域和实体类型但社会相关性不足以显示知识面板的实体。
出于性能原因，这样的事情是有意义的，因为这样的存储库可以不必一次又一次地从头开始。我认为所有实体都存储在那里，其信息尚无法验证其准确性。
这将使谷歌有机会将解释的信号应用于知识图谱中记录的实体之外的其他实体，以执行 EAT 评估。