Pertinence de l’apprentissage machine dans Recherche IA

  • Rversion finale: Yokohama
  • Mis à jour 30 janv. 2025
  • 3 minutes de lecture

    • Recherche IA Affiche d’abord les résultats de recherche les plus pertinents pour une requête. L’apprentissage machine ajuste automatiquement la notation de la 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 ayant les scores de pertinence les plus élevés apparaissent en premier dans le jeu de résultats. Le score de pertinence d’un résultat est propre au document, aux termes de recherche et à l’utilisateur 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.

    Réglage des signaux de recherche et de la pertinence de l’apprentissage machine

    Recherche IA Les composants UX enregistrent les signaux associés aux recherches des utilisateurs. Ces signaux de recherche incluent des données sur la façon dont les utilisateurs de recherche interagissent avec le champ d’entrée de recherche, les suggestions de saisie semi-automatique, les filtres de facette et d’onglet de navigation, les cartes de réponse de résultat Genius et les 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 itérativement ses paramètres et en le 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 avec le comportement de recherche des utilisateurs 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 utilise ses valeurs de paramètres modifiées pour effectuer des évaluations 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 des recherches.
    Remarque :
    Pour plus d’informations sur le cadre 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 de recherche.

    Si le nouveau modèle est plus performant que le modèle d’origine dans la comparaison des correspondances de recherche historiques et dans les tests A/B, Recherche IA définissez-le comme modèle de pertinence actif pour le profil de recherche, 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 de réglage 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 Yokohama une version précédente, les scores de pertinence par défaut de vos résultats de recherche peuvent changer. Les modèles de pertinence formés dans la version précédente devraient continuer à produire le même ordre de résultats. Les modèles formés il y a plus d’une mise en production 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 en tant que suggestions de saisie semi-automatique dans le champ de recherche. Ce modèle de pertinence note les enregistrements en fonction de leur actualisation et des correspondances des termes de requête de recherche dans leurs champs de titre . Le système ne forme pas ce modèle de pertinence de suggestion de saisie semi-automatique. Pour plus d’informations sur la configuration des suggestions de saisie semi-automatique, reportez-vous à la section Suggestions de saisie semi-automatique dans les Recherche IA applications.