Nouvel algorithme de recherche

Google publie un nouvel algorithme de recherche

Spread the love

Google Research vient de publier un document de recherche détaillant un nouvel algorithme de recherche qui propose une nouvelle façon de répondre aux requêtes. Si, à l’avenir, cet algorithme est mis en place, cela modifiera encore l’influence des facteurs de classement traditionnels pour déterminer ce qui est classé. À court terme, cette recherche veut dire quand on dit qu’une mise à jour de l’algorithme a été faite pour améliorer la pertinence.

Nouvel algorithme de rechercheLe nouvel algorithme de recherche en anglais simple

Google Research a publié un nouveau document à la sixième conférence internationale sur les représentations de l’apprentissage. La publication a été annoncée via Twitter.

L’article s’intitule « Poser les bonnes questions: Reformulation de questions actives avec apprentissage par renforcement ».

Le document de recherche discute d’un moyen de reformuler les requêtes. Puis, il présente ces requêtes à un moteur de classement. La reformulation et le stemming des requêtes sont déjà utilisés chez Google. Il s’agit d’une forme de cette approche.

Ce qui est nouveau, c’est que c’est un algorithme d’apprentissage automatique qui utilise l’approche d’apprentissage par renforcement. De plus, l’algorithme n’a aucune connaissance du fonctionnement du système de classement. Il pose des questions à partir de ce qu’un algorithme de boîte noire apprend alors. Ce nouvel algorithme de recherche utilise un système d’apprentissage qui reformule la requête de l’utilisateur, pose de nombreuses questions au moteur de classement, puis choisit les meilleures réponses parmi les multiples ensembles de réponses.

Comment fonctionne ce nouvel algorithme de recherche ?

L’utilisateur pose la question. L’algorithme d’apprentissage automatique (appelé l’agent) reformule cette question en plusieurs questions puis les soumet à l’algorithme de classement. L’algorithme de classement renvoie des ensembles de résultats et l’agent choisit la meilleure réponse.

Voici ce que dit le document de recherche concernant ce nouvel algorithme de recherche :

“Face aux besoins d’information complexes, l’homme surmonte l’incertitude en reformulant les questions, en émettant des recherches multiples et en agrégeant les réponses. Inspirés par la capacité des humains à poser les bonnes questions, nous présentons un agent qui apprend à réaliser ce processus pour l’utilisateur. L’agent se trouve entre l’utilisateur et un système d’assurance qualité backend que nous appelons «l’environnement».

Nous appelons l’agent AQA, car il met en œuvre une stratégie de réponse aux questions active. AQA vise à maximiser la chance d’obtenir la bonne réponse en envoyant une question reformulée à l’environnement.

L’agent cherche à trouver la meilleure réponse en posant de nombreuses questions et en agrégeant la preuve retournée. Les composants internes de l’environnement ne sont pas disponibles pour l’agent, il doit donc apprendre à sonder de manière optimale une boîte noire en utilisant uniquement des chaînes de questions. “

Pourquoi ce nouvel algorithme de recherche est important ?

Ce nouvel algorithme de recherche est une vue dans une méthode d’apprentissage automatique appelée Renforcement de l’apprentissage. Des algorithmes d’apprentissage de renforcement ont été utilisés pour apprendre à jouer à Go par exemple.

Cet algorithme particulier est intéressant pour le référencement. Pour cause, il montre comment un algorithme peut s’asseoir entre un utilisateur et l’algorithme de classement régulier et prendre les décisions. Ainsi, au lieu de l’algorithme de classement déterminant ce qu’il faut afficher dans les pages de résultats du moteur de recherche (SERPs), cet algorithme d’apprentissage automatique prend les décisions.

Ce type de classement est un départ de la façon dont la communauté SEO estime traditionnellement que les moteurs de recherche classent les pages Web. La compréhension traditionnelle est que les facteurs de classement comme les liens, le texte dans la balise de titre, le texte d’ancrage et d’autres facteurs de classement sont les facteurs décisifs pour ce qui est classé de un à dix dans les résultats de recherche.

Des facteurs tels que les liens sont un facteur de classement important. Mais avec ce type d’algorithme, les liens contribuent à ce que les pages Web seront considérées pour le classement. Par contre, ils ne sont pas le facteur décisif.

C’est le travail d’un autre algorithme qui prend ces ensembles de pages et décide quelles pages répondent le mieux à la question.

Avez-vous déjà vu une page Web avec moins de liens au-dessus des autres pages avec plus de liens? Il est probable qu’il existe un algorithme entre l’utilisateur et l’algorithme de classement. Et c’est ce dernier qui décide qu’un certain type de site est une meilleure réponse.

Que faire à propos des facteurs de classement ?

L’algorithme de classement n’est plus le décideur des sites qui se classeront dans les dix premiers. C’est pourquoi les études de facteurs de classement  peuvent ne pas être exactes. Les études de facteurs de classement supposent que les facteurs de classement sont responsables des dix premiers résultats.

Mais ces derniers ne déterminent pas toujours ce qui se classe dans les dix premiers. C’est pourquoi les études de facteurs de classement peuvent ne pas être fiables.

Bien que cet algorithme spécifique ne soit pas utilisé actuellement, il existe d’autres algorithmes qui remplissent une fonction similaire. Ils mettent de côté les résultats de l’algorithme de classement et en reclassant les SERP. Ces derniers utilisent des facteurs qui ne sont pas des facteurs de classement.

Par exemple, Google a un brevet sur un moyen de reclassement des résultats de recherche appelé, Ranking Search Results. Celui-ci mentionne l’utilisation d’un moteur de modification.

Le système de recherche 114 comprend également ou peut communiquer avec un moteur de modification de score 140 qui génère des facteurs de modification appliqués par le système de recherche 114 aux scores initiaux générés par le moteur de recherche 130 pour des ressources correspondant à la requête 110. Le moteur de modification de score 140 peut générer les facteurs de modification sur la base au moins en partie de données de modification qui associent un facteur de modification respectif à chacun d’un certain nombre de groupes multiples de ressources. Les données de modification sont stockées dans un référentiel accessible au système. Par exemple, une base de données de facteurs de modification 150. ”

Comment cela affecte-t-il SEO?

Cela peut affecter le référencement dans le futur. En outre, le résultat pourrait être un accent plus fort sur la satisfaction de l’intention de l’utilisateur. C’est le genre d’amélioration que l’on appelle amélioration de la pertinence. Ainsi, lorsque Google annonce une mise à jour de la pertinence, les réponses à la question de savoir pourquoi un site a perdu ses classements se trouvent mieux en étudiant les gagnants. Pour ces types de mises à jour, vous ne trouverez probablement pas les raisons du changement des classements en observant le nombril sur les sites qui ont perdu des positions SERP.

 

En cas de besoin, vous pouvez directement faire appel à notre équipe de professionnels pour vous aider.


Spread the love
Posted in Référencement naturel and tagged , , , .

Laisser un commentaire