Umístění těch nejdůležitějších a nejzajímavějších výsledků na prvních horních pozicích je jedním ze základních cílů našeho Vyhledávání. Uspořádání výsledků je složitý problém, který vám přiblížíme v tomto seriálu. Začínáme malou podčástí, kterou je vkládání takzvaných upoutávek mezi ostatní výsledky.
Upoutávky se liší od ostatních výsledků vizuální stránkou a typicky nereprezentují pouze jednu webovou stránku, jako je tomu u klasických organických výsledků. Existuje několik různých druhů upoutávek. Například pro dotazy, u kterých je jedním z hlavních záměrů vidět vizuální podobu hledaného objektu, se může zobrazit obrázková upoutávka. Dalším příkladem může být upoutávka zboží zobrazující se pro dotazy, které se týkají nákupů, populární je také upoutávka Firmy.cz, která uživateli nabídne firmy a služby pohromadě.
Upoutávky umisťujeme jiným mechanismem než ostatní výsledky, u kterých v tomto článku budeme předpokládat, že jsou již správně seřazené a jejich pořadí je fixní. Tomuto mechanismu říkáme Alpaka. Její fungování a vlastnosti zde krátce popíšeme.
Abychom byli schopni určit dobré uspořádání výsledků, musíme umět poznat a změřit, které výsledky jsou pro uživatele nejlepší. Alpaka kvalitu výsledků aproximuje pomocí jejich klikanosti, tj. CTR (Click Through Rate), tedy pomocí poměru počtu kliků vůči počtu zobrazení výsledku. Čím je CTR vyšší, tím je pro Alpaku výsledek kvalitnější. CTR výsledků je vztažené ke kontextu, ve kterém se objevují. Pod kontextem si můžeme představit hlavně dotaz, na který se výsledek zobrazil. To znamená, že hodnota CTR stejného výsledku se typicky liší pro různé dotazy a díky tomu dokážeme podchytit skutečnost, že výsledek může být dobrou odpovědí na konkrétní dotaz, ale nemusí tomu tak být i pro jiné dotazy.
CTR výsledků v jejich kontextu typicky není známo. Některé dotazy jsou například hledány pouze jednou za celou historii hledání v Seznamu. Alpaka proto musí CTR odhadovat, k čemuž používá metodu strojového učení, která se učí z historických dat vyhledávání.
Alpaka při vkládání upoutávek postupuje jednoduchým způsobem. Začne na první pozici a odhadne CTR všech upoutávek, které prošly dřívějším výběrem, a také prvního organického výsledku. Vítěz je umístěn na první pozici a pokračuje se stejným způsobem na druhé pozici se zbývajícími výsledky. Ve chvíli, kdy se takto projdou všechny pozice, jsme s uspořádáním výsledků hotovi.
Obrázek výše uvádí příklad fungování Alpaky pro dotaz “pes seznam”. Na první pozici si konkurují organický výsledek 1, upoutávka Zboží.cz a upoutávka obrázků. Podle predikovaného CTR je zde umístěna upoutávka obrázků – očekává se nejvyšší proklikovost, uspokojení uživatele. Na dalších pozicích si konkurují organické výsledky a upoutávka Zboží.cz. Z pohledu predikovaného CTR vyhrává na druhé a třetí pozici organik, na čtvrté pak Zboží.cz.
Celá Alpaka je postavená na predikci klikanosti – CTR. V příštím díle našeho seriálu si o CTR řekneme více, popíšeme jeho vlastnosti a budeme diskutovat jeho limity pro různé produkční aplikace, i pro námi projednávanou Alpaku.
Jakub Střelský, výzkumník
Náš nový článek přijatý na prestižní konferenci SIGIR 2024 přináší klíčový příspěvek v oblasti českého webového vyhledávání. Představuje CWRCzech, což je nový dataset pro hodnocení relevance vyhledávání obsahující 100 milionů párů dotaz-dokument v českém jazyce. Pojďme si ho představit.
V Seznamu jsme v roce 2021 představili jazykový model Small-E-Czech (čti: smolíček), který se od té doby stal druhým nejpopulárnějším českým jazykovým modelem.* V oblasti umělé inteligence a zpracování přirozeného jazyka je ale pořád co objevovat. A tak jsme pro vás nově vypiplali další malé jazykové modely, zaměřené na analýzu a interpretaci jazyka.** Jaké jsou?
V letošním roce jsme do našeptávače přidali několik nových funkcí. Jednou z nich je i předpověď popularity dotazů pro následující týdny. Jak v našeptávači předpovídáme budoucnost a co nám pomáhá předvídat, co budou lidé na internetu vyhledávat?
