Pertinence de l’apprentissage machine dans Recherche IA

Recherche IA affiche d’abord les résultats de recherche les plus pertinents pour une requête. L’apprentissage machine ajuste automatiquement le score de pertinence des résultats de recherche pour les expériences de recherche en fonction des interactions utilisateur agrégées.

La pertinence de l’apprentissage machine est automatiquement activée et n’est pas configurable.

Modèles de pertinence et notation

Recherche IA utilise un modèle de pertinence pour calculer un score de pertinence pour chaque résultat renvoyé par une recherche. Les documents avec des scores de pertinence plus élevés apparaissent en premier dans l’ensemble de résultats. Le score de pertinence d’un résultat est propre au document, aux termes de recherche et à l’utilisateur spécifiques associés à la requête.

Chaque profil de recherche inclut son propre modèle de pertinence. Vous ne pouvez pas afficher, modifier ou supprimer ce modèle de pertinence.

Remarque :

Recherche IAn’applique pas le classement par pertinence aux requêtes génériques universelles ***. Les résultats des requêtes *** s’affichent dans un ordre non spécifié.

Signaux de recherche et optimisation de la pertinence de l’apprentissage machine

Recherche IA Les composants UX enregistrent les signaux associés aux recherches des utilisateurs. Ces signaux de recherche comprennent des données sur la façon dont les utilisateurs de la recherche interagissent avec le champ d’entrée de recherche, des suggestions de saisie semi-automatique, des filtres de facette et d’onglet de navigation, des cartes-réponses de résultats Genius et des résultats de recherche. Pour en savoir plus sur la façon dont les signaux de recherche sont enregistrés et stockés, reportez-vous à la section Signaux de recherche.

La pertinence de l’apprentissage machine utilise les données de ces signaux de recherche pour ajuster intelligemment les modèles de pertinence sur une base continue. Tous les 30 jours, Recherche IA calcule une nouvelle version de chaque modèle de pertinence, en modifiant de façon itérative ses paramètres et en la testant de régression par rapport aux données agrégées des signaux de recherche pour le profil de recherche. Lorsque ce processus de réglage est terminé, Recherche IA compare les modèles de pertinence existants et nouveaux pour voir lequel produit les meilleures correspondances pour le comportement de recherche de l’utilisateur tel qu’enregistré dans les données de signal historiques.

Si le nouveau modèle de pertinence produit de meilleurs résultats avec les données du signal, Recherche IA il utilise ses valeurs de paramètre modifiées pour effectuer des évaluations de test A/B du trafic de recherche en direct pour le profil de recherche. Ces évaluations testent les changements de paramètres individuels pour vérifier qu’ils produisent une meilleure pertinence de la recherche.

Remarque :

Pour en savoir plus sur le cadre de travail d’évaluation des paramètres de requête de recherche utilisé pour effectuer des évaluations de tests A/B, reportez-vous à la section Cadre de travail d’évaluation des paramètres de requête Search.

Si le nouveau modèle obtient de meilleurs résultats que le modèle d’origine à la fois dans la comparaison des résultats de recherche historiques et dans les tests A/B, Recherche IA il le définit comme modèle de pertinence actif pour le profil de recherche, en remplaçant le modèle de pertinence existant. Le modèle de pertinence mis à jour reste utilisé jusqu’au début du cycle de réglage suivant.

Ces processus d’optimisation du modèle de pertinence se produisent séparément pour chaque profil de recherche. Les modifications apportées au modèle de pertinence dans un profil de recherche n’affectent pas les modèles de pertinence dans d’autres profils de recherche.

Remarque :

Lorsque vous effectuez une mise à niveau vers Washington DC une version précédente, les scores de pertinence par défaut de vos résultats de recherche peuvent changer. Les modèles de pertinence entraînés dans la version précédente doivent continuer à produire le même ordre des résultats. Les modèles formés il y a plus d’une version peuvent revenir au modèle de pertinence par défaut.

Modèle de pertinence pour les suggestions de saisie semi-automatique

Recherche IA utilise un modèle de pertinence dédié pour classer les enregistrements à afficher sous forme de suggestions de saisie semi-automatique dans le champ de recherche. Ce modèle de pertinence évalue les enregistrements en fonction de leur actualité et des correspondances de termes de requête de recherche dans leurs champs de titre . Le système n’entraîne pas ce modèle de pertinence de suggestion de saisie semi-automatique. Pour en savoir plus sur la configuration des suggestions de saisie semi-automatique, reportez-vous à la section Suggestions de saisie semi-automatique dans Recherche IA les applications.