我们坐在高高的谷堆旁边,部署了有助于消除搜索查询歧义的技术,从根本上帮助用户深入搜索结果,并提出与用户寻求推荐的结果更匹配的建议链接。从某种意义上说,该方法是独特的,它使搜索成为一个持续不断的过程,在此过程中,机器将通过连续的反馈循环帮助用户。该引擎与,和结果完美集成。
的首席执行官分享了他对使用用户反馈以获取更好的结果以及如何工作的想法。最初的概念源于我在2006年3月对搜索的不满。在飞机上的杂志上写的文章,我回到家后想在网上找到。不幸的是,我记不起标题,作者甚至是哪本杂志。花了数小时从我阅读的内容中插入关键概念后,我放弃了尝试找到它的方法。几周后,我想到搜索引擎应该在此过程中提供更多帮助。经过所有的查询,修改和点击之后,我觉得搜索引擎应该对我的意图有了更好的了解,从而减轻了负担。因此,我提出了“实时隐式个性化”的思想。
当然,当时我还不知道该怎么称呼,但主要是在进行搜索时观察用户行为信号,以便建立用户意图的实时模型。然后,可以使用该模型来计算结果集中文档的“即时”剩余部分,然后立即对其进行利用,在提供相关信息的同时将被认为不相关的信息回退。本质上,它是一个位于搜索引擎顶部并在用户进行搜索时与用户一起使用的应用程序我们坐在高高的谷堆旁边。
我们坐在高高的谷堆旁边今天,我们采用了各种技术概念,从矢量分析到线性代数,聚类和语义匹配。它将所有这些内容与我们的专有技术和算法适当地结合在一起,使这项工作变得困难。我们无法访问主要搜索引擎尚不可用的任何信息。如您所知,登录后,个性化设置会保留用户整个搜索和点击历史记录。我们正在做的是获取该信息的子集,并以不同的方式使用它以使用户受益。但是,归根结底,没有任何技术上的原因可以阻止我们将整个应用程序推送给客户端,从而使用户可以完全控制除提交的查询之外的所有个人信息。我们认为,从隐私的角度来看,这将非常具有吸引力,并且随着我们的前进,我们将对此进行更多研究。
现在,我们专注于继续优化过去两年中一直在开发的解决方案。与及其伴随的相关性计算一样,它是一组复杂的算法,并且不断地对其进行调整和完善,因此,我们技术的价值与我们建议的结果的相关性直接相关。我们正在解决一个非常棘手的问题,因此在短期内,我们将专注于改善我们已经在做的事情。
话虽如此,我们将寻求将我们的解决方案应用于以外的搜索产品!和。这很可能包括垂直搜索引擎。[标记]通常,该技术可以应用于响应用户输入而产生“大量”潜在相关结果列表的任何搜索。非文本内容需要以不同的方式处理,但最终我们会到达那里。
马克]毫无疑问。简而言之,使用两个单词和三个单词的查询来访问上的数百亿个内容正变得越来越困难,即使不是数学上不可能的。此外,除了增加用户的难度和工作之外,输入更多的关键字通常可能会导致意想不到的结果,即消除了潜在的相关信息。出于多种原因,无论使用多少个关键字,准确表达意图都是一项通常不可能完成的任务。我们的方法是一种强大而优雅的解决方案,使用户能够定位相关信息,而不必明确表达意图我们坐在高高的谷堆旁边。
谢谢,抽出宝贵的时间回答这些问题我们坐在高高的谷堆旁边。
还没有评论,来说两句吧...