Algorithme de learning to rank
Un algorithme de learning to rank (ou de re-ranking ou de re-classement en français) est devenu un élément important des efforts déployés par les moteurs de recherche, et notamment Google, pour fournir les résultats les plus pertinents et les plus précis à ses utilisateurs. Le re-ranking est un processus qui consiste à ajuster les scores des différentes pages Web avant qu'elles ne soient renvoyées à l'utilisateur. Cela permet à Google de proposer les meilleures sélections possibles lorsqu'il s'agit de fournir des réponses ou de résoudre des requêtes.
Le concept des algorithmes de re-ranking a vu le jour en 2003, lorsque Google a publié son document intitulé "The PageRank Citation Ranking : Bringing Order to the Web". Ce document explique comment l'algorithme utilise les citations d'autres sites Web pour déterminer l'importance et la pertinence des pages. Au fur et à mesure que des données ont été recueillies, Google a continué à affiner ses algorithmes afin d'améliorer la pertinence et la précision de ses SERP (pages de résultats.
Google a depuis utilisé plusieurs méthodes pour classer les pages Web incluses dans ses SERP, en utilisant des modèles d'apprentissage automatique tels que les caractéristiques indépendantes de la requête, qui sont utilisées pour les modèles de langage, et les caractéristiques dépendantes de la requête pour les modèles thématiques. Ces modèles utilisent ensuite les entités du knowledge graph (graphe de connaissances en français), les phrases, les termes et les types d'entités trouvés sur chaque site Web afin de déterminer si celui-ci doit être classé plus haut ou plus bas que les autres en fonction de sa pertinence et de sa précision.
Cette définition vous a plu ? Découvrez d'autres termes SEO en lien avec les algorithmes de recherche en cliquant sur les boutons ci-dessous :
Approfondissez vos connaissances dans le domaine du référencement naturel et du marketing digital en consultant le lexique du SEO.