Klassifizierung von Abfrageabsichten: Woher weiß das Internet, was ich meine?
Woher weiß das Internet, was Sie meinen? Erfahren Sie, wie eine Technik des maschinellen Lernens namens Query Intent Classification den Computern hilft, vorherzusagen, was Benutzer meinen.
Die Klassifizierung von Suchintentionen hilft dem Computer, die spezifische Absicht des Benutzers bei der Durchführung einer Suche zu verstehen. Diese Technik beruht auf einer Reihe von Trainingsdaten, die zur Analyse und zum Deep Learning in das neuronale Netzwerk importiert werden. Wenn dann das nächste Mal ein ähnlicher Benutzer mit einer ähnlichen Historie eine Suche startet, versteht das System die wahre Absicht der Suche besser.
Sie können die gesamte zweite Staffel im Schnelldurchlauf ansehen oder gleich zur ersten Staffel zurückkehren .
Abonnieren Sie den Kanal Lucid Thoughts und stellen Sie sicher, dass Sie Ihre Fragen und Kommentare zu jedem Video hinterlassen.
Abschrift:
Es gibt einen großen Unterschied zwischen der Schaufel, die Sie im Dezember brauchen, und der Schaufel, die Sie im Mai brauchen.
Aber woher weiß das Internet das?
Das wird meine Petunien ruinieren…
Unsere Suchbegriffe können leicht missverstanden werden – so wie bei mir, als ich mein Halloween-Kostüm einkaufte.
Diese Suche oder „Abfrage“ hätte leicht nach dem klassischen Song lauten können, aber wenn ich meine letzten Suchanfragen analysiere, ist es leicht zu erkennen, dass ich ein mörderisches Elvis-Kostüm kreiere.
Dies wird als „Klassifizierung der Abfrageabsicht“ bezeichnet. Schauen wir uns unser Schaufel-Debakel einmal genauer an.
Wenn ich nach „Schaufel“ suche, woher weiß das Internet dann, ob ich Schnee schaufeln oder Petunien pflanzen muss?
Nun… es könnte ein komplexer Satz handgeschriebener Regeln und Empfehlungen sein, die Signale, Datenpunkte und Benutzersegmente verwenden, um Ergebnisse für Schneeschaufeln in der Gegend von Madison, Wisconsin, Mitte Dezember zu ermitteln.
OR
Lassen Sie den Computer eine Technik namens Query Intent Classification anwenden, um vorherzusagen, was der Benutzer meint.
Das kann praktischer sein als Regeln – vor allem, wenn Sie viele Produkte, viele Benutzer und zu viele Regeln haben, um sie aktuell zu halten.
Stattdessen beginnen Sie mit einer Reihe von Trainingsdaten, bei denen es sich im Wesentlichen um ein Profil der Benutzersuchen und des Benutzerkontextes (z. B. Standort oder Monat) handelt, und um das, worauf die Benutzer schließlich geklickt haben.
Sie nehmen all diese Informationen und geben sie direkt in Ihr neuronales Netzwerk zur Analyse und zum Deep Learning ein.
Wenn dann das nächste Mal ein ähnlicher Nutzer mit einer ähnlichen Historie eine Suche startet, wird das System automatisch die gewünschten Ergebnisse verstärken.
Mit diesem einen neuronalen Netzwerk vermeiden Sie die manuelle Erstellung von Regeln, komplexe Algorithmen, mögliche menschliche Fehler und allgemeines Kopfzerbrechen.
Jetzt können Sie sich daran machen, die Petunien zu pflanzen. (wenig enthusiastisch) Juhu.