Wie funktioniert die Klassifizierung von Abfrageabsichten?
Bisher haben wir uns in unserer zweiten Staffel von Lucidworks mit NLP vs. NLU, Learning to Rank und dem Aufkommen der neuronalen IR-Suche beschäftigt. Diese Woche befassen wir uns mit der Klassifizierung von Suchintentionen.
Wenn ich online nach einer Schaufel suche, gibt es einen großen Unterschied in den Suchergebnissen, ob ich im Sommer nach einer Gartenschaufel oder im Winter nach einer Schneeschaufel suche. Woher weiß die Suchmaschine, was ich meine?
Ältere Suchsysteme verwenden eine lange Liste von manuell eingegebenen Regeln und Logik, um zu entscheiden, dass dem Benutzer im Winter Schneeschaufeln und im Sommer vielleicht eine Gartenkelle oder ein Sandeimer und eine Schaufel für den Strand angezeigt werden. Aber wenn Sie Tausende oder Millionen von Produkten haben, kann das schnell unübersichtlich werden.
Die Klassifizierung von Suchanfragen beginnt mit einem Satz von Trainingsdaten, d.h. einer Liste von Suchanfragen von Nutzern und wichtigem Kontext wie dem Standort des Nutzers und dem Datum, an dem er auf eine bestimmte Art von Schaufel geklickt hat. Diese Daten werden zur Analyse und zum Deep Learning in Ihr neuronales Netzwerk eingespeist. Wenn dann das nächste Mal ein ähnlicher Benutzer mit einer ähnlichen Historie und einem ähnlichen Standort eine Suche startet, wird das System automatisch die gewünschten Ergebnisse verbessern. Auf diese Weise vermeiden neuronale Netzwerke die manuelle Erstellung von Regeln, komplexe Algorithmen, potenzielle menschliche Fehler und allgemeine Kopfschmerzen.
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.