Relevanz von maschinellem Lernen in KI-Suche

  • Freigeben Version: Yokohama
  • Aktualisiert 30. Januar 2025
  • 2 Minuten Lesedauer

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

    Die Relevanz für maschinelles Lernen wird automatisch aktiviert und ist nicht konfigurierbar.

    Relevanzmodelle und Bewertung

    KI-Suche verwendet ein Relevanzmodell, um für jedes von einer Suche zurückgegebene Ergebnis eine Relevanzbewertung 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 Anwender, 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 Relevanzrangfolge auf *** universelle Platzhalterabfragen an. Ergebnisse aus *** Abfragen werden in einer nicht festgelegten Reihenfolge angezeigt.

    Relevanzabstimmung für Suchsignale und maschinelles Lernen

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

    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 die Parameter iterativ geändert und anhand der aggregierten Suchsignaldaten für das Suchprofil Regressionstests durchgeführt werden. Wenn dieser Optimierungsprozess abgeschlossen ist, vergleicht KI-Suche das vorhandene und das neue Relevanzmodell, um festzustellen, welches besser zu dem in den historischen Signaldaten aufgezeichneten Suchverhalten der Anwender passt.

    Wenn das neue Relevanzmodell mit den Signaldaten bessere Ergebnisse liefert, verwendet KI-Suche seine 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 zur Durchführung von A/B-Testauswertungen verwendet wird, finden Sie unter Bewertungs-Framework für Suchabfrageparameter.

    Wenn das neue Modell sowohl im historischen Vergleich von Suchergebnissen als auch in den A/B-Tests das ursprüngliche Modell überholt, 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 finden für jedes Suchprofil separat statt. Änderungen, die am Relevanzmodell in einem Suchprofil vorgenommen werden, wirken sich nicht auf Relevanzmodelle in anderen Suchprofilen aus.
    Hinweis:
    Wenn Sie von einem früheren Release auf Yokohama aktualisieren, ändern sich möglicherweise die standardmäßigen Relevanzwerte für Ihre Suchergebnisse. Relevanzmodelle, die im vorherigen Release trainiert wurden, sollten weiterhin die gleiche 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 basierend auf den Übereinstimmungen von Suchbegriffen in ihren Titelfeldern. Dieses Modell für die Relevanz von Vorschlägen zur automatischen Vervollständigung wird vom System nicht trainiert. Einzelheiten zur Konfiguration von Vorschlägen zur automatischen Vervollständigung finden Sie unter Vorschläge in KI-Suche -Anwendungen automatisch vervollständigen.