RankEmbed BERT는 Rankbrain과 DeepRank와 같이 구글 검색 순위 점수에 기여는 하고 있지만 결과의 초기 검색 후에 작동합니다. 이 이야기가 무슨 이야기냐면, 구글 허니문과 같이 한번 뜨고 난 다음에 이 알고리즘이 작동하여 검색 순위를 재순위 평가하는데 도움을 주는 시스템입니다.
RankEmbed BERT란 무엇인가?
BERT의 알고리즘안에 있는 향상된 버전입니다. RankEmbed BERT는 언어 이해 능력을 크게 향상시키기 위해 움직입니다. 이 시스템의 특이점은 학습을 위해서 사용자 데이터를 사용하지만 특이하게 최신 데이터나 많은 사용자 데이터를 사용하지 않는다고 합니다.
이 이야기는 검증된 사용자 데이터보다는 기존에 학습한 내용을 가지고 평가를 내는 것이라고 봐야할 듯 합니다.
하지만 초기 검색 순위 이후에 재평가 순위를 먹일때 클릭, 검색 데이터를 이용하여 학습하여 순위 조정을 한다고 합니다.
미국 독점금지 재판에서 공개된 RankEmbed BERT
재판 과정에서 공개된 이 시스템은 BERT보다 먼저 출시가 되었다고 합니다. 향후 BERT 알고리즘을 사용하도록 확장이 되었고, 언어 이해에 엄청난 도움을 주었다고 합니다.
머신러닝으로 콘텐츠, 클릭, 검색어 관련하여 학습을 합니다. 새로운 이벤트를 반영하기위해서는 새로운 학습을 해야하는 시스템입니다.
기존 검색으로 식별된 문서 이외의 추가 문서를 식별한다고 합니다.
위 시스템은 단독적으로 움직이는 것이 아니고, BERT, DeepRank, RankBrain과 연동하여 작동한다고 보시면 됩니다. 한마디로 시스템이 거미출처럼 연계되어 있고, 다른 시스템에서는 사용자 데이터를 사용하여 검증을 하여 더욱 정교한 결과를 보여주게 됩니다.
이 알고리즘이 어떻게 사용되는지 그리고 어떻게 개선하는 것이 좋을지 링크쥬스 프리미엄페이지에 공유해보겠습니다.
