Webinar à la demande

Utilisation d'un modèle de machine learning pour pour le rescoring Elasticsearch

videoImage

Présenté par

speaker-thimothee-dehouck.jpg
Timothée Dehouck

Data Scientist

Malt

Thèmes abordés

Elasticsearch avec son système d’index inversé est une solution extrêmement pratique pour construire un moteur de recherche performant. Toutefois, une fois arrivé à une pertinence des résultats de recherche raisonnable, il est assez difficile de continuer à l’améliorer. En effet, un moteur de recherche complexe nécessite un nombre important de poids qu’il est très dur d’équilibrer à la main. D'un autre côté, le machine learning et la NLP permettent de trouver de très bons résultats en terme de pertinence. Mais face à un grand nombre de documents, le temps de réponse d’un modèle de machine learning peut poser problème. Dans cette présentation, nous allons voir comment à Malt nous essayons de tirer avantage des deux solutions avec la construction d’un plugin Elasticsearch de rescoring qui utilise le machine learning.

Enregistrement réalisé lors du Meetup ElasticFR Paris #48 virtuel.