Seo camp2017 Marguerite Leenhardt

by

CEO, XIKO / PRÉSIDENTE, AFTAL

Formation

• PhD. Linguistique Appliquée, Traitement Automatique des Langues (TAL a.k.a NLP)

• MSc. TAL + MSc. Ingénierie Linguistique Multilingue

CEO, XiKO (www.xiko.fr)

• KOVERI : IA sémantique pour l’analyse de tous les textes dans toutes les langues

• Applications : marketing programmatique, enrichissement sémantique

Présidente, AFTAL (@AssoForTAL)

• Anciens des Formations en Traitement Automatique des Langues

• Association inter-universitaire (Paris, Toulouse, Lille, Tours, …)

Avant ça/et aussi…

• Expériences en agence et en freelance, R&D Project Manager

• Charges d’enseignement (niveau Licence & Master)

http://www.xiko.fr/

https://twitter.com/assofortal


Formation





• Marketing programmatique, enrichissement sémantique, Insight-as-a-Service







http://www.xiko.fr/



Formation












http://www.xiko.fr/



Formation











• Charges d’enseignement (niveau Licence & Master)linkedin.com/in/margueriteleenhardt/

http://www.xiko.fr/


https://www.linkedin.com/in/margueriteleenhardt/

AU CŒUR DES RECHERCHES EN TRAITEMENT AUTOMATIQUE DES LANGUES

Traitements automatiques de corpus

Contenus textuels

Expression écrite en langage naturelA

NA

LYS

E D

E C

OR

PU

S

ANALYSE DE CONTENUS

ACQUISITION DE CONNAISSANCES

FOUILLE DE TEXTES

EXTRACTION D’INFORMATION

RECHERCHE DOCUMENTAIRE

EXTENSION DES INDEX DE RECHERCHE & DE REQUÊTES

CATÉGORISATION DE DOCUMENTS

CLASSIFICATION DE DOCUMENTS



Contenus textuels


NA

LYS

E D

E C

OR

PU

S

ANALYSE DE CONTENUS


FOUILLE DE TEXTES








Contenus textuels


NA

LYS

E D

E C

OR

PU

S

ANALYSE DE CONTENUS


FOUILLE DE TEXTES






LINGUISTIQUE DE CORPUS



Contenus textuels


NA

LYS

E D

E C

OR

PU

S

ANALYSE DE CONTENUS


FOUILLE DE TEXTES






TRAITEMENT AUTOMATIQUE DES

LANGUES

LINGUISTIQUE DE CORPUS

QUI INTÈGRE DES TECHNIQUES DE TRAITEMENT AUTOMATIQUE DES LANGUES

Dédiées à la recherche documentaire

Collections de documents

Techniques d’indexation et de rechercheA

NA

LYS

E D

E C

OR

PU

S

ANALYSE DE CONTENUS


FOUILLE DE TEXTES






AN

ALY

SE

DE

CO

RP

US

ANALYSE DE CONTENUS


FOUILLE DE TEXTES









Techniques d’indexation et de recherche




Techniques d’indexation et de rechercheA

NA

LYS

E D

E C

OR

PU

S

ANALYSE DE CONTENUS


FOUILLE DE TEXTES






L’USAGE ET L’ATTENTE DES UTILISATEURS FINAUX A CHANGÉ

L’avènement du Natural Language Search

Évolution des algorithmes des moteurs de recherche

Évolution des tactiques SEO

Système de Questions-Réponses Système de mots-clés Système hybrides + techniques TAL & IA





1996 1998 2017

Questions-Réponses mots-clés hybrides + techniques TAL & IA

…





1996 1998 2017


…





1996 1998 2017


…

AU CŒUR DES FONCTIONNALITÉS « INTELLIGENTES » DU MOTEUR

MO

TE

UR

DE

RE

CH

ER

CH

E

EXPLORATION CRAWLERS

INDEXATIONSEGMENTATION &

PONDÉRATION

RECHERCHE / APPARIEMENT

BOOLEENS / VECTORIEL / LSA

COMPLÉMENTS

CORRECTION ORTHOGRAPHIQUE

AUTOCOMPLÉTION

LEMMATISATION

ANTI-DICTIONNAIRE


MO

TE

UR

DE

RE

CH

ER

CH

E



PONDÉRATION



COMPLÉMENTS


AUTOCOMPLÉTION

LEMMATISATION

ANTI-DICTIONNAIRE


MO

TE

UR

DE

RE

CH

ER

CH

E



PONDÉRATION



COMPLÉMENTS


AUTOCOMPLÉTION

LEMMATISATION

ANTI-DICTIONNAIRE

TRAITEMENT AUTOMATIQUE DES

LANGUES


MO

TE

UR

DE

RE

CH

ER

CH

E



PONDÉRATION



COMPLÉMENTS


AUTOCOMPLÉTION

LEMMATISATION

ANTI-DICTIONNAIRE


MO

TE

UR

DE

RE

CH

ER

CH

E



PONDÉRATION



COMPLÉMENTS


AUTOCOMPLÉTION

LEMMATISATION

ANTI-DICTIONNAIRE

REPRÉSENTATION DU CONTENU

DESCRIPTION DU SENS

LA FORME DES MOTS

La segmentation en mots

Quelle définition du mot ?

• Naïve / a-linguistique : chaîne de caractères entre deux séparateurs

• Pas si simple en français... complexe dans d’autres langues (ex : pas de « mot graphique » en chinois)

Apostrophe Trait d’union

Aujourd’hui

L’eau

Demi-sel

Savez-vous

UN OU DEUX MOTS ?

Flexions Sens

Avions

Vis

Glace

Caisse

AMBIGUÏTÉS !

LA FORME DES MOTS






Aujourd’hui

L’eau

Demi-sel

Savez-vous

UN OU DEUX MOTS ?

Flexions Sens

Avions

Vis

Glace

Caisse

AMBIGUÏTÉS !

LA FORME DES MOTS






Aujourd’hui

L’eau

Demi-sel

Savez-vous

UN OU DEUX MOTS ?

Flexions Sens

Avions

Vis

Glace

Caisse

AMBIGUÏTÉS !

LE POIDS DES MOTS

La pondération

Quels moyens pour savoir combien « pèse » le mot afin d’indexer une page ?

• Les mots « importants » doivent avoir un poids fort

• TF-IDF : approche la plus répandue

Évaluer le poids d’un terme dans un document vs. un corpus / une collection de

documents

TF-IDF

Ordonner les documents potentiellement pertinents pour répondre à une requête

Utilisation du TF-IDF en RI :

- décrire les documents dans un modèle vectoriel

Mesure de similarité en fonction de la distance

entre le vecteur « requête » et les vecteurs « documents »


LE POIDS DES MOTS

La pondération





documents

TF-IDF







LE POIDS DES MOTS

La pondération





documents

TF-IDF







LE POIDS DES MOTS

La pondération





documents

TF-IDF







LE SENS DES MOTS

Décrire le sens des documents

Comment « donner du sens » à l’appariement ?

• Intégrer des données sémantiques à la représentation des documents

• Défi : flexibilité & capacité d’adaptation de la technologie sémantique

Défi de robustesse face à la grande variabilité des textes libres sur le web multilingue

GESTION DES TEXTES LIBRES (UGC)

LE SENS DES MOTS







Entités de recherche

Entités Nommées

Requête

Liens

Document

Moment

…

Personne

Date

Lieu

Organisation

…

Relations

Rachat

Cause

Appartenance

…

Signaux complexes

Perception

Conseil

Intention d’achat

…


LE SENS DES MOTS








Entités Nommées

Requête

Liens

Document

Moment

…

Personne

Date

Lieu

Organisation

…

Relations

Rachat

Cause

Appartenance

…

Signaux complexes

Perception

Conseil

Intention d’achat

…


LE SENS DES MOTS








Entités Nommées

Requête

Liens

Document

Moment

…

Personne

Date

Lieu

Organisation

…

Relations

Rachat

Cause

Appartenance

…

Signaux complexes

Perception

Conseil

Intention d’achat

…


DES BÉNÉFICES POTENTIELS

Amélioration de l’expérience de recherche

Confort de l’utilisateur et performance du système

Contextualisation des résultats

(donnée sémantique + historique cross-devices +

géolocalisation + …)

CONFORT

Allègement de la charge des calculs sur les centres de

données

PERFORMANCE







CONFORT


données

PERFORMANCE







CONFORT


données

PERFORMANCE

UN COÛT RÉEL

Adaptation aux nouveaux standards

Des efforts pour intégrer le Web Sémantique

Adaptation côté éditeurs & référenceurs

ROI pas forcémentimmédiat

EFFORTS

Indexation sémantique des données non structurées

COMPLEXITÉ

UN COÛT RÉEL





EFFORTS


COMPLEXITÉ

UN COÛT RÉEL





EFFORTS


COMPLEXITÉ

POUR RÉPONDRE AUX BESOINS MÉTIER

Avec robustesse et flexibilité

Enrichissement sémantique du contenu en minimisant les coûts / les efforts

Même sur les sites qui n’intègrent pas de descripteurs structurés pour le Web Sémantique

En complément des descripteurs existants pour le Web Sémantique

Gestion des signaux sémantiques complexes

Robustesse face à la grande variabilité des textes libres sur le web multilingue

POUR RÉPONDRE AUX BESOINS MÉTIER

Quelques applications utiles au SEO

SÉLECTION & CATÉGORISATION DE MOTS-CLÉS

MAPPING SEGMENTS IAB

ENRICHISSEMENT DU CONTENU ÉDITORIALAUDIT SÉMANTIQUE

ENRICHISSEMENT TAGGING

CATÉGORISATION DE SITES

DÉTECTION DES CONTENUS DUPLIQUÉSMAPPING ONTOLOGIES / TAXONOMIES

NOUVEAUX ANGLES ÉDITORIAUXENRICHISSEMENT SÉMANTIQUE

SEGMENTATION CONTEXTUELLE

EXEMPLES

Case : enrichissement sémantique sur 100 domaines / FR / Régie premium

Enrichissement de la taxonomie sur l’ensemble des domaines

• Focus : exemple sur la catégorie « AUTO »

FAMILIALES INTERMEDIAIRES

FORDAMERICAINES

BMWDIESEL

GASOLINE

Quelques catégories découvertes pour enrichir « Auto »

EXEMPLES




Exemple de page qualifiéehttp://bourse.lefigaro.fr/indices-actions/actu-conseils/renault-annonce-des-tarifs-pour-le-nouvel-espace-3992015

QUALIFICATION

ECONOMIE - FINANCE AUTO

RENAULT

GRANDS MONOSPACES

FRANÇAISES

Taxonomie de base (client) Enrichissements

http://bourse.lefigaro.fr/indices-actions/actu-conseils/renault-annonce-des-tarifs-pour-le-nouvel-espace-3992015

EXEMPLES




QUALIFICATIONExemple de page qualifiée

http://www.leparisien.fr/espace-premium/actu/dans-le-retro-la-longue-route-des-vehicules-electriques-21-10-2015-5205945.php


ACTU HYBRIDE

ELECTRIQUE

JAPONAISES

NISSAN

FRANÇAISES

COMPACTES

RENAULT

http://www.leparisien.fr/espace-premium/actu/dans-le-retro-la-longue-route-des-vehicules-electriques-21-10-2015-5205945.php

EXEMPLES




QUALIFICATION


Exemple de page qualifiéehttp://forum.doctissimo.fr/viepratique/automobile/67000km-garantie-atlantique-sujet_6086_1.htm

N/A AUTO

FRANÇAISES

RENAULT

CITROËN

COMPACTES

http://forum.doctissimo.fr/viepratique/automobile/67000km-garantie-atlantique-sujet_6086_1.htm

EXEMPLES

Case : identification des centres d’intérêt édito vs. segments d’audience participative / FR / Éditeur

Enrichissement des drivers d’intérêt / nouveaux angles éditoriaux (données éditeur)

• Focus : exemple sur quelques segments d’audience ciblés

Beauty Addict

• Focus on health and body in general ; Refine the angles of certain subjects, hairfor example

Mam’s

• Good targeting capabilities for subjectsas pregnancy, childlife, educationalenvironment ; refine and focus on Leisure

EXEMPLES

Case : identification des centres d’intérêt édito vs. segments d’audience participative / FR / Éditeur

Enrichissement des drivers d’intérêt / nouveaux angles éditoriaux (données éditeur)

• Focus : exemple sur quelques segments d’audience ciblés

Trendista

• Good targeting capabilities for clothing, fashion. More focus on brands is needed. This profile is rare in [editors’] forum

Working Girl

• Focus on Professional life subjects ; takein account women who uses the websitefor promoting their activity or searchingfor a job

EXEMPLES

Case : détection de brand safety triggers / EN / Démo publique

Affiner un ciblage trop large sur la catégorie « ALCOOL »

• Améliorer l’adéquation entre le contenu et son environnement

KOVERI_health-fitnessKOVERI_culture_entertainmentKOVERI_content-editoKOVERI_health-fitness_substance-abuseKOVERI_culture_entertainment-television

Source: http://www.huffingtonpost.fr/2016/04/04/recettes-pompettes-alcool-anpaa-prevention_n_9609504.html?utm_hp_ref=france#Test realized with our public demo: http://www.xiko.fr/koveri-context-demo/

http://www.huffingtonpost.fr/2016/04/04/recettes-pompettes-alcool-anpaa-prevention_n_9609504.html?utm_hp_ref=france

http://www.xiko.fr/koveri-context-demo/

[email protected]

Seo camp2017 Marguerite Leenhardt

Internet