Nedávno jsme vylepšili detekci hlavního jazyka stránky. Proč jsme to dělali? Na české dotazy chceme zobrazovat stránky určené pro české uživatele a jejich hlavní jazyk tak musí být čeština. V případě webu, který obsahuje 100 % češtiny, je tato úloha triviální. Představte si ale, že máte webovou stránku, na které je 80 % textu anglicky a 20 % česky, a přesto je smysluplné označit ji jako českou. Jak je to možné? Jedná se pravděpodobně o český e-shop, který na této konkrétní stránce uvádí třeba 80 výrobků, které mají všechny název v angličtině. Jediným českým textem tak je menu a ostatní ovládací prvky. Chceme ji ale označit jako českou, protože na ní chceme směřovat dotazy v češtině.
V minulosti jsme na tuto úlohu používali algoritmus, který se řídil člověkem navrženými pravidly. Úspěšnost tohoto algoritmu dosahovala 91 %. Na tuto úlohu jsme nově použili metodu strojového učení založenou na rozhodovacích stromech, kde tato pravidla navrhoval počítač. Úspěšnost tak stoupla na 97 %. Lepšího výsledku jsme dosáhli jednak proto, že jsme se začali dívat na další vlastnosti stránek, které starý algoritmus nezohledňoval, a jednak proto, že jsme pravidla nechali stanovovat algoritmus strojového učení. Je šestiprocentní zlepšení hodně?
Řekněme, že máme v databázi miliardu stránek. 9 % špatně označených stránek tak představuje 90 milionů. Jestli jsme zlepšili detekci o 6 %, tak jsme zlepšili detekci hlavního jazyka stránky pro 60 000 000 webů.
Nový algoritmus právě testujeme a do ostrého provozu se dostane nejpozději za měsíc, ale pravděpodobně dříve.
Říká se, že obrázek někdy vydá za tisíc slov. Proto vyhledávání obrázků na Seznamu neustále vylepšujeme, abychom vám mohli doručit co nejrelevantnější výsledky. I proto jsme do obrázkového hledání přidali novinku – funkci Podobné obrázky. Pojďme se na ni podívat podrobněji.
Seznam interně vyvíjí velké jazykové modely nazvané SeLLMa (Šelma), které mohou v mnohém konkurovat komerčně dostupným modelům. Diana Hlaváčová hostům Seznam fóra představila, co naše jazykové modely umí a v jakých produktech je využíváme.
Vyhledávání informací na internetu se stalo nedílnou součástí našich životů. Ať už potřebujeme rychle zjistit, jak opravit zaseknutý zip, najít nejlepší kavárnu v okolí nebo vybrat dárek k narozeninám – internetové vyhledávače jsou často naší první zastávkou. A s rostoucí sofistikovaností technologií se mění i způsob, jakým s vyhledávači komunikujeme.
