Co přesně jsou Featured snippets na Seznamu, jak je aktuálně zobrazujeme a kdy bude možné se do těchto úryvků dostat? Přiblížíme vám novinku, kterou můžete už teď vidět ve Vyhledávání.
Featured snippet je krátký úryvek textu, který se zobrazuje na stránce s výsledky vyhledávání (SERP) a klade si za cíl poskytnout přímou odpověď na hledaný dotaz. V češtině mu říkáme „vybraný úryvek“. Na rozdíl od klasických snippetů, které se zobrazují pro každý výsledek, se tento úryvek v SERPu zobrazuje pouze jeden.
Předpokladem Featured snippetu je, že obsahuje tu nejlepší odpověď na hledaný dotaz, která se na stránkách v rámci SERPu v danou chvíli dá najít. Může mít formu odstavce, tabulky, ale i číslovaného či nečíslovaného seznamu.
Díky naší neuronové síti Small-E-Czech, vycházející z modelu Electra, jsme schopní z textu na daný dotaz vybrat odstavec obsahující tu nejlepší odpověď. Model jsme doučili na volně dostupném datasetu Natural Questions (soubor otázek a odpovědí na ně) a na vlastních anotacích, kde anotátoři v rámci anotační úlohy na daný dotaz vybírají nejvhodnější odpověď.
Vstupem modelu je hledaný dotaz a odstavce textu nacházející se na webových stránkách. Výstupem je pak ohodnocení každého odstavce. Toto skóre se počítá pro každý výsledek v SERPu a nejlépe hodnocený odstavec poté zobrazujeme ve Featured snippetu.
Model neustále vylepšujeme a trénujeme na nových datech.
Vytvoření Featured snippetu ve Vyhledávání je časově náročná operace, a proto v tuto chvíli musíme regulovat, pro jaké dokumenty a dotazy se počítají. Zatím je počítáme jen pro výsledky z Wikipedie, které se nachází na prvních 5 pozicích v SERPu. Navíc musí hodnota vypočítaná naším modelem překonat určitý threshold (snippet musí dosahovat určité kvality). Výpočet provádíme pro dotazy, u kterých identifikujeme záměr „Poradit“ či „Dozvědět se více“. Zobrazovat by se měly například na dotazy „co je kurzarbeit“, „latinsky národ“ nebo „abolice“. Postupně budeme rozšiřovat pokrytí jak dokumentů, tak dotazů.
Kromě rozšiřování pokrytí se chceme věnovat i dalším typům Featured snippetů. Momentálně vydáváme pouze odstavcové (paragrafové), ale v budoucnu plánujeme rozšíření o snippety s tabulkami a seznamy. Jedním z dalších kroků bude také přidání obrázků.
Petra Kubernátová
Product manager Vyhledávání
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?
