Moteur de recherche sémantique – Wikipedia
Un Moteur de recherche sémantique Est un moteur de recherche qui accepte le langage naturel comme entrée et essaie d’enregistrer la sémantique d’une question. Elle recherche ensuite des réponses appropriées dans sa base de données, la sémantique dont le moteur de recherche (généralement à l’avance) a analysé. Cependant, la recherche sémantique ne se limite pas au langage naturel, mais l’inclut également dans ses processus de traitement. Idéalement, la réponse se compose de déclarations individuelles au lieu de documents entiers, comme cela est courant avec les moteurs de recherche basés sur des mots clés.
Une recherche, par exemple pour le terme «Hits», ne peut afficher que ces sites Web contenant le mot que vous recherchez ou à qui se réfèrent à ce terme. Une demande de recherche pour “ Hits ” à l’un des moteurs de recherche de sens déjà existants, utilise également des termes qui sont souvent mentionnés dans le Web en relation avec “ Hits ”, même s’ils ne sont pas mentionnés dans la demande elle-même (par exemple, “ MP3 ”, “ Text de la chanson ”, “ musikvideo ”), et en conséquence publie également de tels sites Web qui ne contiennent pas le mot à l’origine “.
Moteurs de recherche avec traitement des recherches en langage naturel [ Modifier | Modifier le texte source ]]
En langage naturel, le changement ne peut que changer complètement le sens de la question. Exemple:
- Quand Martin Luther King est-il mort?
- Comment Martin Luther King est-il mort?
Un moteur de recherche basé sur des mots clés fournirait presque les mêmes sites pour les deux demandes. Comprend comme une question naturelle, les questions obtiennent des réponses significativement différentes. Un moteur de recherche sémantique réussi capture cette différence et est en mesure de fournir un document qui contient la date de décès en réponse à la première question. Dans le deuxième cas, la réponse devrait mettre l’assassinat au premier plan.
En langue naturelle, la même question peut être habillée de mots différents. Exemple:
- Quand Martin Luther King est-il mort?
- Quel jour Martin Luther King a-t-il été assassiné?
- Nommez la date de décès de Martin Luther Kings.
Le besoin d’informations est le même pour toutes les formulations. Un moteur de recherche sémantique devrait donc présenter la même réponse à tout le monde. Un moteur de recherche basé sur des mots clés, en revanche, présentera différents sites et, si nécessaire, ne trouvera aucun succès.
Jusqu’à présent, les développements du traitement des intrants généraux en langue naturelle se sont limités à des enquêtes assez simples et à la majorité pour évaluer la langue anglaise. L’exemple de complexes (multi-liés, utilisations du ratio et est marqué par un flou) sont des demandes:
- “Montrez-moi une liste de toutes les œuvres d’écrivains allemands qui vivaient dans le Paris de la Fin de Siècle et sont nés après 1850.”
- “Montrez-moi tous les fournisseurs d’un produit similaire à XY, qui est sur le marché depuis plus de 5 ans, qui a depuis été très bien jugé, et si possible, est également bon marché.”
Une autre approche de la responsabilité des questions complexes et naturellement linguistiques poursuit une structure de contenu beaucoup plus forte dans un Web à peine structuré (voir le Web sémantique).
- Bing (pratiquement aucune approche sémantique reconnaissable)
- Google, en particulier avec le “Graphique de connaissances”
- Gopubmed, moteur de recherche sémantique pour le domaine biomédical
- Swoogle Semantic Search Engine qui peut rechercher des documents, des termes et des données sur le Web sémantique
- Wolfram Alpha, jusqu’à présent uniquement en anglais “Response Machine” par le mathématicien Stephen Wolfram en mettant l’accent sur les sciences exactes
- Askwiki, moteur de recherche sémantique pour la base de données de la wikipedia allemande en allemand avec entrée dans la demande par langage, 2013 set
Recent Comments