Relevanz von maschinellem Lernen in KI-Suche

  • Freigeben Version: Washingtondc
  • Aktualisiert 1. Februar 2024
  • 2 Minuten Lesedauer

    • KI-Suche zeigt zuerst die relevantesten Suchergebnisse für eine Abfrage an. Durch maschinelles Lernen wird die Relevanzbewertung der Suchergebnisse für Such-Experiences basierend auf zusammengefassten Benutzerinteraktionen automatisch optimiert.

    Die Relevanz von maschinellem Lernen wird automatisch aktiviert und kann nicht konfiguriert werden.

    Relevanzmodelle und Bewertung

    KI-Suche verwendet ein Relevanzmodell, um für jedes von einer Suche zurückgegebene Ergebnis eine Relevanzpunktzahl zu berechnen. Dokumente mit höheren Relevanzwerten werden im Ergebnissatz zuerst angezeigt. Die Relevanzpunktzahl eines Ergebnisses ist spezifisch für das jeweilige Dokument, die Suchbegriffe und den Benutzer, die der Abfrage zugeordnet sind.

    Jedes Suchprofil enthält ein eigenes Relevanzmodell. Sie können dieses Relevanzmodell nicht anzeigen, ändern oder löschen.
    Hinweis:
    KI-Suche wendet keine Relevanzrangliste auf *** universelle Platzhalterabfragen an. Ergebnisse aus *** Abfragen werden in einer nicht angegebenen Reihenfolge angezeigt.

    Suchsignale und Relevanzoptimierung für maschinelles Lernen

    KI-Suche UX-Komponenten zeichnen Signale auf, die Benutzersuchen zugeordnet sind. Diese Suchsignale enthalten Daten darüber, wie Suchbenutzer mit dem Sucheingabefeld interagieren, Vorschläge zur automatischen Vervollständigung, Filter für Aspekt- und Navigationsregisterkarten, Genius-Ergebnis-Antwortkarten und Suchergebnisse. Weitere Informationen darüber, wie Suchsignale aufgezeichnet und gespeichert werden, finden Sie unter Suchsignale.

    Die Relevanz für maschinelles Lernen verwendet Daten aus diesen Suchsignalen, um Relevanzmodelle kontinuierlich intelligent zu optimieren. Alle 30 Tage berechnet KI-Suche eine neue Version jedes Relevanzmodells, wobei seine Parameter iterativ geändert und mit aggregierten Suchsignaldaten für das Suchprofil verglichen werden. Nach Abschluss dieses Optimierungsprozesses vergleicht KI-Suche das vorhandene und das neue Relevanzmodell, um festzustellen, welches bessere Übereinstimmungen mit dem in den historischen Signaldaten aufgezeichneten Benutzersuchverhalten liefert.

    Wenn das neue Relevanzmodell mit den Signaldaten bessere Ergebnisse liefert, verwendet KI-Suche die geänderten Parameterwerte, um A/B-Testauswertungen des Live-Suchdatenverkehrs für das Suchprofil durchzuführen. Diese Auswertungen testen einzelne Parameteränderungen, um sicherzustellen, dass sie zu einer besseren Suchrelevanz führen.
    Hinweis:
    Weitere Informationen zum Bewertungs-Framework für Suchabfrageparameter, das für A/B-Testauswertungen verwendet wird, finden Sie unter Bewertungs-Framework für Suchabfrageparameter.

    Wenn das neue Modell sowohl im Verlaufsvergleich als auch in den A/B-Tests das ursprüngliche Modell übertrifft, legt KI-Suche es als aktives Relevanzmodell für das Suchprofil fest und überschreibt das vorhandene Relevanzmodell. Das aktualisierte Relevanzmodell bleibt bis zum Beginn des nächsten Optimierungszyklus in Gebrauch.

    Diese Optimierungsprozesse für Relevanzmodelle werden für jedes Suchprofil separat ausgeführt. Änderungen am Relevanzmodell in einem Suchprofil wirken sich nicht auf Relevanzmodelle in anderen Suchprofilen aus.
    Hinweis:
    Wenn Sie ein Upgrade von einem früheren Release auf Washington DC durchführen, können sich die standardmäßigen Relevanzpunktzahlen für Ihre Suchergebnisse ändern. Relevanzmodelle, die im vorherigen Release trainiert wurden, sollten weiterhin dieselbe Ergebnisreihenfolge erzeugen. Modelle, die vor mehr als einem Release trainiert wurden, kehren möglicherweise zum standardmäßigen Relevanzmodell zurück.

    Relevanzmodell für Vorschläge zur automatischen Vervollständigung

    KI-Suche verwendet ein dediziertes Relevanzmodell, um Datensätze für die Anzeige als Vorschläge zur automatischen Vervollständigung im Suchfeld zu ordnen. Dieses Relevanzmodell bewertet Datensätze basierend auf ihrer Aktualität und den Übereinstimmungen der Suchbegriffe in ihren Titelfeldern. Das System trainiert dieses Relevanzmodell für Vorschläge der automatischen Vervollständigung nicht. Weitere Informationen zum Konfigurieren von Vorschlägen für die automatische Vervollständigung finden Sie unter Vorschläge in KI-Suche Anwendungen automatisch vervollständigen.