Évolution des comportements de recherche sur le Web
Lorsque les gens font des recherches en ligne, leur façon de faire change, et les moteurs de recherche s'adaptent pour suivre le rythme. Voici quelques-unes des principales façons dont les gens recherchent de l'information de nos jours :
- Piloté par l’intention : au lieu de taper des mots-clés exacts, les utilisateurs expriment désormais leurs besoins avec des expressions comme Je le souhaite ou comme Je le dois. Les moteurs de recherche modernes comprennent le but derrière ces phrases et donnent des résultats plus pertinents.
- Résultats classés : les résultats de la recherche sont organisés en fonction de ce que les autres utilisateurs ont trouvé utile. Cela signifie que le contenu le plus utile apparaît en haut, ce qui facilite la recherche d’informations de qualité.
- Sources multiples : plus un moteur de recherche couvre de sources, meilleurs sont les résultats. En tirant des informations de diverses sources fiables, les moteurs de recherche fournissent des réponses plus complètes et plus précises.
- Personnalisé : les moteurs de recherche ajustent les résultats en fonction de facteurs tels que le temps, le lieu et les préférences de l’utilisateur. Cela permet aux utilisateurs de trouver plus facilement des informations qui correspondent à leurs besoins spécifiques du moment.
Pourquoi la recherche de Adobe Learning Manager est-elle meilleure ?
Adobe Learning Manager offre une expérience de recherche plus intelligente et plus avancée qui non seulement correspond aux mots-clés, mais qui comprend également le contexte de la signification de la requête de l’utilisateur afin de trouver les résultats les plus pertinents pour lui.
- Optimisé par l’IA : Adobe Learning Manager utilise des techniques d’IA avancées pour comprendre la signification de l’intention de recherche et pas seulement les mots. Cela permet d’afficher des résultats qui correspondent vraiment à ce que l’utilisateur veut, ce qui rend les recherches plus précises.
- Piloté par les pairs : Adobe Learning Manager utilise une plage de paramètres de qualité de cours pour classer les résultats les plus utiles. Cet algorithme de classement est formé sur 50 millions de points de données qui évaluent périodiquement chaque contenu du référentiel
- Complet : Adobe Learning Manager effectue une recherche dans toute la bibliothèque, y compris dans son propre contenu, les titres de cours tiers, les descriptions, les balises, les notes personnalisées et autres métadonnées. Pour le contenu tel que la vidéo et le PDF, il transcrit et recherche automatiquement dans leur transcription.
Recherche optimisée par l’IA dans Adobe Learning Manager
Adobe Learning Manager utilise une technologie d’IA avancée pour améliorer l’expérience de recherche et faciliter la recherche de contenu de formation pertinent. Les principaux composants de la recherche avancée sont décrits ci-dessous.
Reconnaissance des termes clés
Adobe Learning Manager utilise le traitement du langage naturel (NLP) pour identifier les mots-clés importants à partir des titres et des descriptions de cours. Il se concentre ensuite sur ces mots-clés pour fournir de meilleurs résultats de recherche, ce qui permet d’améliorer les résultats avec ces mots-clés par rapport aux autres résultats. Par exemple, si un élève recherche Photoshop Basics, Adobe Learning Manager donnera la priorité au mot Photoshop pour afficher les cours les plus pertinents.
Hiérarchiser le mot-clé
Dans la capture d'écran ci-dessus, un élève recherche des cours en utilisant le terme Prise en main de Photoshop. La recherche donne la priorité au mot Photoshop pour trouver les cours les plus pertinents autour de Photoshop. Pour que le mot-clé commence, il comprend l’intention et recherche des mots similaires pour afficher les meilleures correspondances. Ainsi, l’élève peut voir des cours axés sur Photoshop et adaptés aux débutants.
Développement de la requête
Adobe Learning Manager étend la requête de l’utilisateur à une signification plus contextuelle pour aider à trouver de meilleurs résultats. De cette façon, l’algorithme de recherche obtient plus de contexte avec la requête utilisateur. Même si les élèves utilisent des termes généraux, ils peuvent toujours trouver des résultats utiles. Par exemple, si un élève recherche Fondations du service client, il tente de trouver le mot-clé de la requête et de développer le reste de la requête pour obtenir des expressions similaires.
Développement de la requête
Recherche de métadonnées de cours
La recherche de métadonnées de Adobe Learning Manager couvre les métadonnées des cours natifs et importés (par exemple, de LinkedIn Learning ou Go1). Cette fonctionnalité effectue des recherches dans les titres de cours, les descriptions, les balises, les notes personnalisées et d’autres métadonnées. Cela permet d’améliorer les résultats et de les rendre plus précis en utilisant un grand nombre de métadonnées différentes pour trouver des résultats.
Remarque : les données client, y compris le contenu et les transcriptions, ne sont partagées avec aucun service externe pour la recherche basée sur l’IA. Tout le contenu est stocké dans le système de stockage actuel.
Recherche sémantique
Adobe Learning Manager intègre désormais la recherche sémantique aux côtés de la recherche lexicale traditionnelle, ce qui améliore la précision des résultats de recherche. En générant des intégrations de vecteurs à partir des titres et des descriptions de cours, il crée une base de données vectorielle complète. Lorsqu'un élève soumet une requête, le système vectorise la requête et effectue une correspondance de similarité pour identifier les résultats les plus pertinents. Par exemple, si un élève recherche un tutoriel Photoshop pour débutants, le système comprend la demande et trouve des cours particulièrement utiles pour les débutants Photoshop.
Recherche sémantique