Google ha presentado un innovador marco de clasificación denominado Term Weighting BERT (TW-BERT) que mejora significativamente los resultados de búsqueda y puede integrarse fácilmente en los sistemas de clasificación existentes.
Aunque Google no ha confirmado oficialmente su uso, el nuevo marco tiene un inmenso potencial para optimizar los procesos de clasificación, incluida la ampliación de consultas.
TW-BERT, cuya autoría corre a cargo de varios expertos, entre ellos Marc Najork, de Google DeepMind, se centra en asignar puntuaciones o pesos a las palabras dentro de una consulta de búsqueda para determinar los documentos relevantes con mayor precisión. Este marco es especialmente valioso en el contexto de la expansión de consultas, donde se añaden palabras adicionales a una consulta de búsqueda para que coincida mejor con los documentos pertinentes.
El documento de investigación destaca los dos enfoques principales de la búsqueda: la recuperación basada en estadísticas y los modelos de aprendizaje profundo. TW-BERT pretende tender un puente eficaz entre estos paradigmas, ofreciendo las ventajas de ambos sin sus respectivas limitaciones. Al contextualizar las consultas de búsqueda mediante modelos de aprendizaje profundo, TW-BERT asigna pesos adecuados a cada parte de la consulta, lo que se traduce en resultados de búsqueda más relevantes.
El ejemplo que se emplea en el documento original para explicar TW-BERT en acción implica la consulta de búsqueda «Nike running shoes». Para garantizar resultados precisos, TW-BERT asigna puntuaciones a cada palabra, dando mayor ponderación a términos esenciales como «Nike» mientras enfatiza la frase «zapatillas de running» para evitar coincidencias irrelevantes como «calcetines de running» o «zapatillas de skate.»
Así es la representación gráfica de como funciona el modelo actual, cada palabra de la consulta tiene el mismo peso:
Así es la representación gráfica de cómo funciona el modelo TW-BERT, asignado un peso a cada palabra de la búsqueda;
La introducción de TW-BERT aborda las limitaciones encontradas en los métodos de ponderación actuales, ofreciendo un enfoque que se integra bien con los recuperadores léxicos existentes. Su facilidad de despliegue, como componente drop-in, lo convierte en un candidato atractivo para su integración en el algoritmo de clasificación de Google. Además, TW-BERT demuestra mejoras significativas en varias tareas dentro y fuera del dominio, lo que indica su éxito potencial dentro del algoritmo de clasificación de búsquedas de Google.
Aunque Google no ha reconocido oficialmente el uso de TW-BERT, las recientes fluctuaciones en las SERPs de las que han informado las herramientas de seguimiento pueden atribuirse a su integración. Dado que Google suele anunciar cambios significativos en la clasificación, la ausencia de confirmación oficial deja lugar a la especulación. No obstante, TW-BERT sigue siendo un marco notable capaz de mejorar los sistemas de recuperación de información y podría ser una pieza clave en el algoritmo de clasificación de búsquedas de Google.
