प्रौद्योगिकी ब्लेंडर। कैसे Yandex चतुराई से विभिन्न प्रकार के उत्तर मिलाता है

आज हम आपको ब्लेंडर नामक हमारी तकनीक के बारे में बताएंगे। यह यांडेक्स खोज परिणाम पृष्ठ में ऊर्ध्वाधर खोजों के साथ ब्लॉकों की रैंकिंग और एम्बेडिंग प्रदान करता है।



शायद, यह शुरू करने के लायक है क्यों हम सामान्य रूप से ऊर्ध्वाधर खोजों का उपयोग करते हैं। कुछ मामलों में, ऊर्ध्वाधर खोज मानक वेब खोज की तुलना में बहुत अधिक प्रभावी है। उदाहरण के लिए, जब उपयोगकर्ता को एक निश्चित प्रकार (चित्र, वीडियो) की जानकारी प्राप्त करने की आवश्यकता होती है। कुछ प्रश्न अन्य रैंकिंग मानदंड का अर्थ करते हैं: उत्पादों की खोज करते समय, मूल्य द्वारा रैंक करने में सक्षम होना महत्वपूर्ण है, और जब लोगों को खोजते हैं, तो अतिरिक्त फ़िल्टर पर विचार करना होगा। ऊर्ध्वाधर खोजों को उपयोगकर्ता के साथ बातचीत करने के पूरी तरह से अलग-अलग तरीके भी सुझा सकते हैं, जैसा कि निकटतम स्टोर, मूवी थियेटर या गैस स्टेशन की खोज करते समय नक्शे पर चिह्नित परिणामों को नेविगेट करने के मामले में है।

बेशक, इस तरह के प्रश्नों के साथ यांडेक्स विशेष खोज सेवाओं से संपर्क करना सबसे अच्छा है: चित्र, वीडियो, मानचित्र, संगीत। हालांकि, इसके लिए उपयोगकर्ता से अतिरिक्त कार्यों की आवश्यकता होती है: आपको पहले पता चलाना होगा या एक विशिष्ट खोज इंजन का चयन करना होगा। ब्राउज़र ऑम्निबॉक्स में क्वेरी दर्ज करें और डिफ़ॉल्ट इंजन के साथ खोजें - सबसे सरल और सामान्य परिदृश्य। हमारा लक्ष्य प्रासंगिक परिणाम प्रदान करना और जहां आवश्यक हो, ऊर्ध्वाधर निर्माण करना है।

लेकिन यह निर्धारित करने के लिए कि यह या उस ऊर्ध्वाधर एक विशिष्ट अनुरोध के अनुरूप कैसे इतना सरल नहीं है। आखिरकार, अनुरोध हमेशा उपयोगकर्ता की आवश्यकताओं को पूरी तरह से प्रतिबिंबित नहीं करता है। सीधे शब्दों में कहें, तो हम यह नहीं जान सकते कि यह अनुरोध बनाते समय उपयोगकर्ता के सिर में क्या था। उदाहरण के लिए, यदि बैंक का नाम अनुरोध के रूप में कार्य करता है, तो यह तुरंत कहना मुश्किल है कि उपयोगकर्ता क्या देखना चाहता था: आधिकारिक वेबसाइट का लिंक या उसके निकटतम शाखा का स्थान। ऐसा होता है कि अनुरोध में एक और भी अस्पष्ट वस्तु शामिल है। मान लीजिए कि किसी उपयोगकर्ता ने एक क्वेरी [हैरी पॉटर] दर्ज की है। वह पुस्तकों की एक श्रृंखला और फिल्मों की एक श्रृंखला दोनों को ध्यान में रख सकता है। और बता दें कि इनमें से एक फिल्म फिलहाल सिनेमाघरों में है, और बाकी सभी फिल्में सीडी पर पहले ही रिलीज हो चुकी हैं। तुरंत यह निर्धारित करें कि क्या उपयोगकर्ता एक पुस्तक पढ़ना चाहता था, सिनेमा के लिए एक टिकट ऑर्डर करना, एक डिस्क खरीदना, ऑनलाइन मूवी देखना या उसके साथ एक फ़ाइल डाउनलोड करना, यह असंभव है। हमारा कार्य यह निर्धारित करना है कि कौन से वर्टिकल संभव आवश्यकताओं के अनुरूप हैं और उन्हें SERP पेज पर एम्बेड करें।

हम जरूरतों को निर्धारित करते हैं

सबसे पहले, हम सभी वर्टिकल के माध्यम से अनुरोध चलाते हैं। ह्यूरिस्टिक एल्गोरिदम का उपयोग करके, हम उन आवश्यकताओं को काट देते हैं जो प्रत्येक विशेष ऊर्ध्वाधर के लिए कम से कम होने की संभावना है।

फिर, मशीन लर्निंग के आधार पर, हम विशिष्ट वर्टिकल के अनुपालन की कसौटी पर अनुरोध की श्रेणी निर्धारित करते हैं। इन श्रेणियों के आधार पर, हम संभावना का अनुमान लगाने में सक्षम हैं कि ऊर्ध्वाधर क्वेरी से मेल खाता है।

अब जब हम प्रत्येक ऊर्ध्वाधर की आवश्यकता की संभावना निर्धारित कर सकते हैं, तो हमें रैंकिंग बनाने की आवश्यकता है। वेब खोज के लिए पूरी तरह से अलग रैंकिंग एल्गोरिदम (चित्र, वीडियो) और छोटे ऐड-ऑन के साथ हम दोनों अलग-अलग ऊर्ध्वाधर हैं, जो नए मानदंड जोड़ते हैं। यदि उपयोगकर्ता के लिए आवश्यक सामग्री का प्रकार एक आवश्यकता के रूप में कार्य करता है, तो अपनी स्वयं की रैंकिंग के साथ अलग-अलग ऊर्ध्वाधर बचाव में आते हैं। लेकिन ऐसे प्रश्न हैं जिनके लिए दूसरे प्रकार के ऊर्ध्वाधर सबसे अधिक प्रासंगिक हैं: अतिरिक्त मानदंडों के साथ वेब दस्तावेज़ों पर खोज करता है और अपने डेटा को ध्यान में रखता है। उदाहरण के लिए, हम नए सिरे से दस्तावेजों की व्यवस्था कर सकते हैं, माल की कीमत आदि के द्वारा। हम मुख्य वेब बेस के ऊपर सीधे ऐसे वर्टिकल बना सकते हैं, जिसके आधार पर डेटा एकत्र किया जाएगा, जिसके बाद रैंकिंग को अंजाम दिया जाएगा। ऐसा करने के लिए, हमें निम्नलिखित की आवश्यकता है:

• सामग्री का प्रकार निर्धारित करें;
• इसके लक्षणों की पहचान करें;
• माइक्रोफ़ॉर्मेट्स का उपयोग करते हुए दस्तावेज़ में उनके मूल्यों को;
• प्रत्येक ऊर्ध्वाधर के लिए ऊर्ध्वाधर पदों के अंकन और प्रासंगिकता के लिए मूल्यांकनकर्ताओं के लिए निर्देश बनाएं।

यदि साइट माइक्रोफ़ॉर्मेट्स का उपयोग नहीं करती है, तो हम अपनी स्वयं की खनन योजना का उपयोग कर सकते हैं। ऑपरेटर प्रत्येक व्यक्तिगत साइट के लिए खनन योजना को आसानी से निर्धारित कर सकता है, उत्पाद की विभिन्न विशेषताओं के स्थान को चिह्नित कर सकता है: नाम, मूल्य और विवरण। अंकन के बाद, इन सभी विशेषताओं का खनन किया जा सकता है। इस प्रकार, हम खोज की गुणवत्ता में महत्वपूर्ण सुधार कर सकते हैं।

गुणवत्ता

यह निर्धारित करने के लिए कि उच्च-गुणवत्ता वाले परिणाम एक आवश्यकता के लिए कैसे निकले, आप pFound मीट्रिक का उपयोग कर सकते हैं। इसका परिणाम रैंक सूची में एक प्रासंगिक परिणाम प्राप्त करने की संभावना का अनुमान होगा। मीट्रिक सूत्र इस प्रकार है:



जहां pLook [i] सूची से i-th दस्तावेज़ को देखने की संभावना है, pRel [i] संभावना है कि i-th दस्तावेज़ प्रासंगिक होगा। हमारे मॉडल में pRel [i] मान अनुरोध पर प्रासंगिक रेटिंग से गणना की जाती है। दस्तावेज़ को देखने की संभावना कास्केडिंग मॉडल का उपयोग करके गणना की जाती है। हमारे मामले में, उपयोगकर्ता एक के बाद एक ऊपर से नीचे तक परिणामों को देखता है। यदि पिछला विकल्प अनुचित हो गया है, तो यह ब्राउज़ करना जारी रखता है, और pBreak की संभावना के साथ खोज सत्र को समाप्त करता है:



आप निम्न योजना द्वारा गतिकी में यह सब कल्पना कर सकते हैं:



उपयोगकर्ता पृष्ठ को ऊपर से नीचे जारी करने का विचार करता है। PRel की प्रायिकता के साथ, वह वही मिलेगा जो वह खोज रहा था और pBreak की संभावना के साथ वह थक जाएगा और SERP पेज छोड़ देगा।

एक ब्लेंडर, हालांकि, कई ऊर्ध्वाधर और परिणामों को एक ही बार में खोज नमूने में एम्बेड करता है। तदनुसार, व्यापक pFound मीट्रिक यहाँ बेहतर काम करता है। यह इस संभावना को निर्धारित करता है कि उपयोगकर्ता अस्पष्ट अनुरोध के जवाब से संतुष्ट हो जाएगा। वाइड pFound एक विशिष्ट आवश्यकता के pFound द्वारा गुणा की जाने वाली आवश्यकताओं की संभावनाओं का योग है। दूसरे शब्दों में, उपयोगकर्ता द्वारा इस परिणाम की प्रासंगिकता की संभावना से गुणा किए जाने वाले संभावित परिणामों का योग।

द्वीपों में कार्यक्षेत्र

हमारे द्वीप का नया खोज इंटरफ़ेस अधिक ऊर्ध्वाधर संपर्क विकल्प प्रदान करता है। उदाहरण के लिए, यदि कुछ ऊर्ध्वाधर खोजें एक क्वेरी के अनुरूप हैं, तो आप बाएं पैनल में आइकन का उपयोग करके उनके बीच स्विच कर सकते हैं। इसलिए हमने एक प्रासंगिक इंटरफ़ेस के विचार को लागू किया जो गतिशील रूप से वर्तमान में सभी अनावश्यक तत्वों को काट देता है।



बाएं पैनल में लिंक के अलावा, ऊर्ध्वाधर खोजों को मुख्य खोज पृष्ठ पर ब्लॉक के रूप में प्रदर्शित किया जाता है। यह विशिष्ट ऊर्ध्वाधर इंजनों का एक और तरीका है।