Summary på engelsk:
Dansk startup bygger en søgemaskine med BERT
Supervised learning skalerer ikke godt nok, når en søgemaskine skal gennemgå en stor virksomheds vidensbase. Derfor har danske raffle.ai taget sprogmodellen BERT i brug.
Mens Google-brugere kan finde relevante resultater, er udviklingen af virksomhedssøgning gået betydeligt langsommere. I virksomheder kan det stadig være en udfordring at søge i et væld af interne filer på uoverskuelige intranet.
Det var den udfordring, der inspirerede Suzanne Lauritzen til at starte raffle.ai.
"Det startede som en stor frustration for mig, at jeg aldrig kunne finde noget på virksomhedens interne drev"...
Skalerer ikke
Raffle har til formål at levere den næste generation af søgeteknologi til virksomheder, siger Suzanne Lauritsen. Og ligesom det var tilfældet med Googles søgemaskine, er BERT en af nøglerne til det mål, siger KU- og DTU-professor Ole Winther, CTO og medstifter af Raffle.
"Traditionelle søgemaskiner fungerer stort set ved at matche ord i din forespørgsel med ord i din vidensbase. Det er en gennemprøvet tilgang, som fungerer godt et langt stykke hen ad vejen. Men det er svært at gøre det bedre," forklarer han...
BERT
Gennembruddet for Raffle kom ved at basere søgemaskinen på en forudtrænet BERT-model, som giver en forståelse af den kontekst, ordene optræder i.
"Modellen læser hele teksten, hvilket betyder, at man kan have en søgestreng, der finder den rigtige tekst, selv om ingen af de samme ord optræder. Modellen forstår, at hvis brugeren skriver "support", så leder man ikke kun efter ordet support, som en traditionel søgning ville gøre," siger Ole Winther.
Desuden kan modellen trænes selvstændigt på ikke-annoteret tekst, mens de svært tilgængelige annoterede data med spørgsmål og svar kun skal bruges til at finjustere modellen...
Nul-skud-præstation
"På Raffle bruger vi en stor del af vores forskningstid på zero-shot. Vores søgemaskine skal fungere godt out of the box uden brug af træningsdata, især for den nye kunde," siger Ole Winther.
"Vi gør det med transfer learning, hvor vi finjusterer spørgsmål-svar-data, som vi allerede har indsamlet, og med en ny metode, som vi er i gang med at få patenteret."
Ifølge Raffle vil systemet i en nul-shot-søgningssituation give det korrekte svar på en søgning blandt de første tre resultater i 60 procent af tilfældene. Det skal sammenlignes med et niveau på ca. 40 procent for løsninger som Algolia og Elastic.
Læs den danske artikel her.
Vil du vide mere om Raffle?
Lad en produktspecialist demonstrere de unikke fordele ved vores AI-søgemaskine til virksomheder.
.webp)
