Divertissement et médias - Optimisation de la recherche

La possibilité de rechercher efficacement dans le contenu des actualités est d'une importance primordiale pour les utilisateurs finaux des sites d'actualités. Souvent, la quantité d'informations indexées, qui peuvent être mises à jour à des intervalles inférieurs à une minute, peut être écrasante. La recherche est généralement l'une des premières fonctionnalités avec lesquelles un utilisateur interagira sur un site Web d'actualités. Les résultats doivent être pertinents pour la requête d'entrée. Déterminer dans quelle mesure un résultat correspond à la requête nécessite généralement une fonction de notation difficile à définir uniquement avec des règles et des heuristiques. La rétroaction et l'analyse des clics sont nécessaires pour garantir la qualité des résultats. Une recherche de bonne qualité stimulera l'engagement et le temps passé sur le site.

Optimisation de la recherche à l'aide de l'apprentissage automatique et du traitement du langage naturel pour améliorer la pertinence et la présentation des résultats.

Les algorithmes d'apprentissage automatique, formés sur les entrées de l'utilisateur et les retours de clics, sont couramment utilisés pour noter les résultats des candidats. L'annotation manuelle des ensembles de résultats est souvent utilisée pour optimiser davantage la pertinence de la recherche. Les techniques de traitement du langage naturel sont également souvent utilisées à la fois pour analyser la requête d'entrée avant de rechercher dans l'index et pour organiser les résultats en thèmes connexes pour l'utilisateur final. Sur le terminal Bloomberg, 17 nouvelles par seconde sont publiées1. Bloomberg utilise des modèles d'IA propriétaires pour éviter que les utilisateurs ne soient submergés par les résultats. Premièrement, un modèle regroupe des résultats similaires, tandis qu'un deuxième modèle attribue ensuite un résumé à chaque groupe de résultats. Pour faciliter la navigation de l'utilisateur final, au lieu d'une longue liste de résultats, l'interface utilisateur de Bloomberg présente les clusters sous forme de « thèmes clés » qui peuvent être approfondis. De nos jours, de nombreuses solutions de recherche d'entreprise offrent une pertinence de recherche ajustable dès la sortie de la boîte, sans codage requis.