의 머신 러닝 관련성 AI 검색

AI 검색 쿼리에 대해 가장 관련성이 높은 검색 결과를 먼저 표시합니다. 머신 러닝은 집계된 사용자 상호작용을 기반으로 검색 경험에 대한 검색 결과 관련성 점수를 자동으로 조정합니다.

머신 러닝 관련성은 자동으로 활성화되며 구성할 수 없습니다.

관련성 모델 및 점수 매기기

AI 검색 는 관련성 모델을 사용하여 검색에서 반환된 각 결과에 대한 관련성 점수를 계산합니다. 관련성 점수가 높은 문서가 결과 집합에 처음 나타납니다. 결과의 관련성 점수는 쿼리와 연결된 특정 문서, 검색어 및 사용자에 따라 다릅니다.

각 검색 프로필에는 고유한 관련성 모델이 포함되어 있습니다. 이 관련성 모델을 보거나, 수정하거나, 삭제할 수 없습니다.

주:

AI 검색는 범용 와일드카드 쿼리에 관련성 순위를 적용하지 않습니다. 쿼리 결과가 지정되지 않은 순서로 표시됩니다.

검색 신호 및 기계 학습 관련성 조정

AI 검색 UX 구성요소는 사용자 검색과 관련된 신호를 기록합니다. 이러한 검색 신호 에는 검색 사용자가 검색 입력 필드, 자동 완성 제안, 패싯 및 탐색 탭 필터, Genius 결과 대답 카드 및 검색 결과와 상호 작용하는 방법에 대한 데이터가 포함됩니다. 검색 신호가 기록되고 저장되는 방법에 대한 자세한 내용은 문서를 참조하십시오 검색 신호.

머신 러닝 관련성은 이러한 검색 신호의 데이터를 사용하여 관련성 모델을 지속적으로 지능적으로 조정합니다. 30일 AI 검색 마다 각 관련성 모델의 새 버전을 계산하여 매개변수를 반복적으로 수정하고 검색 프로파일에 대해 집계된 검색 신호 데이터에 대해 회귀 테스트를 수행합니다. 이 조정 프로세스가 완료되면 AI 검색 기존 관련성 모델과 새 관련성 모델을 비교하여 기록 신호 데이터에 기록된 대로 사용자 검색 동작에 대해 더 나은 일치 항목을 생성하는 모델을 확인합니다.

새 관련성 모델이 신호 데이터로 AI 검색 더 나은 결과를 생성하는 경우 수정된 매개변수 값을 사용하여 검색 프로필에 대한 라이브 검색 트래픽에 대한 A/B 테스트 평가를 수행합니다. 이러한 평가는 개별 매개변수 변경 내용을 테스트하여 더 나은 검색 관련성을 생성하는지 확인합니다.

주:

A/B 테스트 평가를 수행하는 데 사용되는 검색 쿼리 매개변수 평가 프레임워크에 대한 자세한 내용은 문서를 참조하십시오 검색 쿼리 매개변수 평가 프레임워크.

새 모델이 이전 검색-일치 비교와 A/B 테스트 AI 검색 모두에서 원래 모델보다 성능이 뛰어난 경우 기존 관련성 모델을 덮어쓰고 검색 프로필에 대한 활성 관련성 모델로 설정합니다. 업데이트된 관련성 모델은 다음 조정 주기가 시작될 때까지 계속 사용됩니다.

이러한 관련성 모델 조정 프로세스는 각 검색 프로파일에 대해 별도로 발생합니다. 한 검색 프로필의 관련성 모델을 변경해도 다른 검색 프로필의 관련성 모델에는 영향을 주지 않습니다.

주:

이전 릴리스에서 업그레이드하는 Yokohama 경우 검색 결과의 기본 관련성 점수가 변경될 수 있습니다. 이전 릴리스에서 교육된 관련성 모델은 계속해서 동일한 결과 순서를 생성해야 합니다. 두 릴리스 이상 전에 교육된 모델은 기본 관련성 모델로 되돌릴 수 있습니다.

자동 완성 제안에 대한 관련성 모델

AI 검색 는 전용 관련성 모델을 사용하여 검색 필드에 자동 완성 제안으로 표시할 기록의 순위를 지정합니다. 이 관련성 모델은 최신성과 제목 필드의 검색 쿼리 용어 일치를 기준으로 기록의 점수를 매깁니다. 시스템은 이 자동 완성 제안 관련성 모델을 학습하지 않습니다. 자동 완성 제안 구성에 대한 자세한 내용은 을 참조하십시오 애플리케이션의 제안 AI 검색 자동 완성.