[216]네이버 검색 사용자를 만족시켜라! 의도파악과 의미검색
14 likes•9,417 views
네이버 검색 사용자를 만족시켜라! 의도파악과 의미검색
![[216]네이버 검색 사용자를 만족시켜라! 의도파악과 의미검색](https://image.slidesharecdn.com/216-171017052320/85/216-10-320.jpg)
![[216]네이버 검색 사용자를 만족시켜라! 의도파악과 의미검색](https://image.slidesharecdn.com/216-171017052320/85/216-11-320.jpg)
[216]네이버 검색 사용자를 만족시켜라! 의도파악과 의미검색
- 1. 네이버 사용자를 만족시켜라! Name : 최재걸 Team: 통합검색 Naver Search
- 3. 종합하여 하나로 보여주는 통합검색
- 4. 네이버 검색의 얼굴 국내여행 기업 가수 스포츠스타
- 5. 그런데, 통합검색 품질이 잘못되면..
- 6. 실시간 검색어.. 좀.. Sensitive하게 설계…
- 7. 주변검색어 서비스.. 서비스 fade out..
- 8. 개발자 & 서비스
- 9. 검색서비스의 목적 검색 이용자를 만족 시킨다
- 12. 네이버 검색의 목적 이름이 뭐였더라.. 기억날 듯 말듯. 크리스 프랫 가오갤 주인공. 검색의도 정답결과
- 13. 왜 검색 했을까?
- 14. 1. 검색 의도
- 15. 1.1 질의에서 검색 의도를. “김아중 김남길 나오는 드라마 이름이 뭐지” 의도 : 드라마 이름
- 16. 1.1 질의에서 검색 의도를. “김아중” 의도 : 1. 김아중이 누군가? 2. 김아중 몇살? 3. 김아중 사진 4. 김아중 나왔던 드라마. ..
- 17. 1.2 몇 개의 검색 의도가 있는가? 모릅니다.
- 18. 1.2 몇 개의 검색 의도가 있는가?
- 19. 1.2 몇 개의 검색 의도가 있는가? 검색창의 의미가 검색을 넘어섰습니다.
- 20. 1.3 검색 의도 재료 그리고 방법 질의 문서 로그
- 21. 1.3 검색 의도 재료 그리고 방법 질의 문서 로그 클러스터링 토픽모델 Word embedding 1 5 10 NLP LSTM RNN Click User Profiling User group
- 22. 1.3 검색 의도 여러가지 결과 3-depth 989개 클러스터 1000개 topic 128차원 embedding
- 23. 1.3 검색 의도 그 다음 필요한 것? 서비스 감각 인내
- 24. 1.3 검색 의도 결과, 그 다음 “김아중 김남길 나오는 드라마 이름이 뭐지” 배우 배우 등장하는 알고 싶은것 필요없음 Entity tagging NLP 정규화 Knowledge Graph 단답형 : Know Simple
- 25. 1.3 검색 의도 결과, 그 다음 “서현역 토끼정 메뉴” 지명 식당 알고 싶은것 장소 : Visit in Person
- 26. 1.3 검색 의도 결과, 그 다음 “갤럭시 S8 가격” 상품 알고 싶은것 행위 : Do ( Transactional )
- 27. 1.3 검색 의도 결과, 그 다음. “김아중” 인물 정보 : Know
- 28. 1.4 검색의도 BIG 6 단답 ( Know Simple) 장소 ( Visit in Person ) 행위 ( Do ) 사이트 ( Website ) 정보 ( Know ) ‘페이스북’, ‘세금 내는 사이트’ 그 외 모든 것 방법 ( HowTo ) ‘수영 잘하는 법’ 이것이 정답인가? Absolutely NOT
- 29. 1.4 검색의도 HowTo가 왜 중요한가? HowTo를 놓친 실수
- 30. 1.4 검색의도 HowTo가 왜 중요한가? 단답 ( Know Simple) 장소 ( Visit in Person ) 행위 ( Do ) 사이트 ( Website ) 정보 ( Know ) 방법 ( HowTo ) ‘동영상’ 시대의 도래.. Developed by 박형애 박효균
- 31. 1.5 검색의도 좀더 자세히 질의 주제 추가 KnowSimple Visit Do Navigation Know How To 인물 쇼핑 방송 식당 명소 기업 어학 여행 날씨 상단 질의 카테고리 88개 좌측 검색 의도 6개 총, 528개의 의도 관리. 점수는 비공개..
- 32. 1.6 이 정도면 되었을까요?- Two Axis 부족합니다 이 정도면 되었을까요?
- 33. 리라… 터키 돈이로군요! 식은 죽 먹기네요~ 1.7 우리가 만난 문제 여러가지 의도 환율- KnowSimple
- 34. 자신있게! 1.7 우리가 만난 문제 여러가지 의도
- 35. 1.7 우리가 만난 문제 여러가지 의도 사회문화- Know
- 36. 1.7 우리가 만난 문제 여러가지 의도 2 여행-Visit 런던 테러! 이슈-Know
- 37. Data is always saying. Through Associated Query Through Documents Through Scroll Behavior Through Click Behavior 1.8 통합검색 감시 시스템 Developed by 민수진 최수진
- 38. 1.8 통합검색 감시 시스템
- 39. 1.9 필요한 개발자 “자네가 적당하겠군”
- 40. Do Visit Know Simple Site Howto 사용자 질의 Answering Engine 의미검색 (Semantic Search) 데이터 의도파악 의도에 맞는 결과 1.8 의도 파악 그 다음 결과 만들기 Know TOPIC 주제검색 (Search by Topic)
- 41. 2. 의도에 맞는 검색 결과
- 42. 2.1 의도에 맞는 검색
- 43. 2.1 의도에 맞는 검색 Answering Engine Smart Lens Naver I 528개의 의도마다 대응 검색 콜로키움에서 ..
- 44. 2.1 의도에 맞는 검색 예제 과학-KnowSimple 카페-Visit 스타-Know
- 45. 2.1 의도에 맞는 검색 문제점 스타-Know 방탄소년단 ‘진’이 아님. 방탄소년단 ‘진’이 맞음 “중의성”
- 46. 2.1 의도에 맞는 검색 해결법 기술 서비스
- 47. 2.2 중의성 Disambiguation 시멘틱 태깅 Semantic Tagging Developed by 정유진
- 48. 2.2 중의성 시멘틱 태깅 Developed by 정유진 “수지, 전지현-아이유 압도하는 단발 변신, 승자는?” 수지가 트레이드마크인 긴 생머리를 싹뚝 잘랐다. 수지는 30일 자신의 인스타그 램에 한 장의 폴라로이드 사진을 공개했다. 흑백 사진 속 수지는 보이시한 단발머 리 스타일에 시크한 표정으로 한층 세련된 분위기다. 수지가 단발머리로 변신한 이유는 올해 방영을 앞둔 SBS 드라마 ‘당신이 잠든 사이에’ 때문인 것으로 전해졌 다. 수지는 불행한 사건 사고를 꿈으로 미리 볼 수 있는 여자 남홍주를 연기하며 이종석과 호흡을 맞춘다. 앞서 단발머리 변신으로 가장 큰 화제를 모은 인물은 배 우 전지현이다. 전지현은 데뷔 때부터 고수해 온 긴 생머리를 2015년 영화 ‘암살’ 촬영 차 잘랐다. 가수 아이유도 데뷔 당시부터 트레이드마크였던 긴 생머리를 지 난해 자르고 한층 성숙된 분위기로 변신한 바 있다. “고속 열차로 여행하기” 런던발 파리행 열차는 유로스타(Eurostar) 고속열차입니다. 이 편안한 열차는 영불해협 터널(Channel Tunnel)을 지나 유럽으로 들어갑니다. 여행 시간은 2시 간 16분입니다. 실제 여행시간은 유레일 시간표를 참조해 주세요. 이탈리아, 스 페인 등의 인접 국가와 프랑스를 함께 여행하실 수 있는 유레일 패스도 준비되어 있습니다. 프랑스에서 유효한 패스의 소지자는 유로스타를 이용하여 파리와 런 던 구간을 여행하실 수 있습니다. 전지현 PS_94939 아이유 PS_159229 이종석 PS_154644 당신이 잠든 사이에 BP_4576600 암살 MV_121048 파리 CITY_844 프랑스 NATION 475380 스페인 NATION 475541 런던 CITY_511 이탈리아 NATION 475401 수지 PS_123454
- 49. 2.2 중의성 시멘틱 태깅 Developed by 정유진
- 50. 2.3 개체검색으로 충분? 혹시.. 528개의 의도마다 다른 검 색 모델링이 필요한 것은 아닐까?
- 51. 2.3 개체검색으로 충분? 주제 단위 검색 Developed by 박찬훈
- 52. 2.4 주제 단위 검색 식당-Visit 광고가 많은 영역 à 진성 리뷰 모델 링 스타-Know 최근활동소식궁금 à 최신성강조 모델 링
- 53. 1. 중의성 해소 자동화 중의성 질의를기계적으로 파악하여대응
- 54. 2. 질의 주제 판정 자동화 ‘프랑스파리’와‘곤충파리’의 주제비율이9:1이므로 여행주제를자동으로선택 3. 사용자 요구 추출 자동화 여행주제에맞는 서비스 요소를자동추출해 정보구성에도움 날씨정보3% 이미지13% 백과정보3%
- 55. 여행지추천19% 리뷰53% 3. 사용자 요구 추출 자동화 여행주제에맞는 서비스 요소를자동추출해 정보구성에도움
- 56. 4. 사용량에 따른 실시간 변경 곤충이화제가되면 바로곤충주제로자동변경 5. 이슈상황 대응 자동화 파리에테러가일어나면 바로주제형 해제하고이슈제공
- 57. 6. 다른 주제로의 탐색 경로 제공 (중의성 해소) 여행주제를우선서비스했지만 다른주제로탐색할방법제공
- 58. 7. 주제로 통일된 결과 자동 적용 의미검색을 컬렉션전체에 적용 웹결과 웹결과 사이트결과
- 59. 2.5 이제 충분? 우리는 더 많은 문제를 만나게 될겁니다. 확신 하건데,
- 60. 2.5 의도에 대응해 가는 중 성공하는 것, 실패 하는 것 WHY?
- 61. 2.5 의도에 대응해 가는 중 실패 이유 서비스 관점을 잃으면 바로 실패
- 62. 2.6 개발자 그리고 서비스 개발자에게 서비스란.
- 63. 3. 개발자 그리고 서비스
- 64. 3.1 개발자의 포지션 개발자는 개발하는 사람?
- 65. 3.2 기술의 우위가 서비스의 우위이다?
- 66. 3.3 개발자에게 필요한.. - 균형감 서비스 感覺 기술력
- 67. Q & A
- 68. Thank you