بهبود نتایج جستجوی گوگل با بهره‌گیری از شبکه‌های عصبی
گوگل امروز خبری را منتشر کرد که طبق ادعای این شرکت «یکی از بزرگ‌ترین پیشرفت‌ها در حوزه جستجوی وب محسوب می‌شود». با بهره‌گیری از یک تکنیک مبتنی بر شبکه‌های عصبی، موتور جستجوی گوگل می‌تواند کلیت سوالات مطرح شده را بهتر از گذشته درک کند.
این کمپانی خاطرنشان کرده که در حال حاضر موتور جستجوی گوگل همچنان در زمینه‌ی عبارات پیچیده و محاوره‌ای نمی‌تواند عملکرد خیلی خوبی داشته باشد. در مطلب منتشر شده از جانب گوگل آمده که به همین خاطر، بسیاری از کاربران سوالات مبتنی بر کلیدواژه‌ها را در موتور جستجو وارد می‌کنند و این سوالات با زبان طبیعی مطرح نمی‌شود.
برای اینکه کاربران بتوانند سوالات خود را با زبان طبیعی انجام دهند، از یک تکنیک به اسم BERT یا Bidirectional Encoder Representations from Transformers استفاده می‌شود که مربوط به پردازش زبان طبیعی (NLP) است. در مدل BERT، به جای اینکه کلیدواژه‌ها جداگانه مورد بررسی قرار بگیرند، کلمات در بستر کلیت متن آنالیز می‌شوند. به همین خاطر موتور جستجوی گوگل در درک کلیت درخواست مطرح شده بهتر عمل خواهد کرد.
از لحاظ آماری، گوگل اعلام کرده که مدل BERT می‌تواند از هر ۱۰ سوال، یک سوال را بهتر درک کند. در حال حاضر این مدل فقط برای زبان انگلیسی مورد بررسی قرار می‌گیرد ولی در آینده نزدیک برای دیگر زبان‌ها هم عملی می‌شود.
منبع: ۹To5Google
