Prédire les Intentions de l’Utilisateur en Utilisant l’Analyse Sémantique

Au début de l’année 2000, l'équipe fondatrice de Kontera cherchait à répondre à une question fondamentale - comment pourrions-nous offrir aux utilisateurs des informations pertinentes et utiles, sans qu’ils aient à les rechercher activement? Cela était, et est toujours, la quête fondamentale derrière la vision de Kontera: faire correspondre les informations du Web.

La réponse à cette question est ce que nous appelons aujourd'hui la Troisième Génération d’Interaction de l'information en ligne. La première génération a été développée en utilisant des répertoires formels élaborés manuellement. La seconde génération utilise des moteurs de recherche où les utilisateurs tapent des mots-clés qui représentent les renseignements qu'ils recherchent afin de recevoir des liens vers des sites qui se rapportent à ces mots clés. Les deux méthodes demandent une réflexion active et un effort pour trouver les informations qui pourraient satisfaire la quête de l'utilisateur.

L'interaction de l’information en ligne de troisième génération est basée sur la capacité de Kontera à comprendre le vrai sens du contenu, alliée à la capacité de prédire l'intention des utilisateurs. Kontera sélectionne les phrases-clés les plus pertinentes et les transforme en hyperliens qui connectent les utilisateurs aux informations pertinentes.
La technologie brevetée d’Analyse Sémantique dans le Texte de Kontera prédit quelles sont les informations recherchées par l'utilisateur, en se basant sur le contenu que l'utilisateur navigue à ce moment-là, associé à l'information en temps réel, extraite de milliers de sites Web, concernant les thèmes, mots clés, contenu et annonces qui sont disponibles et se développent en ligne .

Pertinence - Précision – Intérêt

Le système de Kontera effectue le processus suivant, en une fraction de seconde, pour chaque page:

• Extraction: Un processus d'analyse typique commence par l'extraction de tout le contenu et les attributs des éditeurs et pages concernés, y compris: le texte, les propriétés HTML, la structure, la localisation sur la page, l’URL, le titre, les balises Meta, les balises Meta personnalisées, etc. Chacune de ces caractéristiques a un poids utilisé par les algorithmes d'apprentissage automatique qui analysent les données.
• Découverte: Grâce à l’utilisation du Traitement Automatique du Langage Naturel, de l’Apprentissage Automatique, et d'autres algorithmes propriétaires linguistiques, sémantiques et statistiques, des phrases clés sont découvertes et classifiées selon leur signification sémantique et de potentielles relations sémantiques.
• Classification de page: en utilisant une taxonomie propriétaire dynamique, qui continue de se développer et de s’affiner de manière autonome, des classes et des regroupements de sujets sont calculés de façon dynamique pour la page donnée. De plus, la sensibilité de la page, le sentiment et la valeur commerciale sont analysés.
• Regroupement d’Information: Kontera utilise plusieurs moteurs propriétaires d’extraction et de classification de contenu qui parcourent le web en permanence pour trouver le contenu, l’information et les annonces pertinentes les plus récentes. Chaque type d'information, comme les articles, les messages sur les blogs, les vidéos, les annonces, etc., est analysé différemment de façon à assurer une pertinence maximale. Les résultats qui correspondent sont notés relativement à la page et aux phrases-clés qui ont été découvertes sur la page.
• Sélection: Sur un ensemble potentiel de plusieurs dizaines de mots clés et de centaines d'annonces et d'autres objets de contenu associé, trois à cinq phrases-clés sont en général sélectionnées ainsi que les annonces et les informations les plus adaptées. Cette sélection se modifiera automatiquement avec le temps en raison de la nature dynamique du contenu en ligne et des algorithmes d'optimisation que le système apprend de façon autonome.
• Apprentissage en Ligne & Optimisation: Le module d'apprentissage en ligne et d’optimisation effectue automatiquement le yield management, l'optimisation et le réglage. Cette analyse en temps réel de l'interaction des utilisateurs avec des mots clés, des annonces et des informations spécifiques qui ont trait à des sites Web, des pages et des sujets spécifiques est utilisée pour augmenter le rendement, la pertinence et l'utilité des différents produits de Kontera.

Notre technologie et nos innovations de produit ne s’arrêtent pas au fait de relier des informations pertinentes en utilisant des phrases-clé qui représentent au mieux l'intention de l'utilisateur. Nos équipes de recherche, de développement de logiciel, d'expérience de l’utilisateur, de design et d'ingénieurs continuent de développer des solutions informatiques de pointe qui combinent des algorithmes d'analyse de texte en utilisant le traitement automatique du langage naturel, l'apprentissage machine, et des modèles prédictifs avec un design et des éléments d'interaction de l'utilisateur sophistiqués. Une des innovations intéressantes qui a été développée comme un sous-produit de notre analyse de signification et classification de contenu est le Real Time Interest Index qui découvre dynamiquement et fait émerger les concepts en ligne les plus intéressants. Un autre progrès passionnant est notre gadget modulaire In-text qui nous permet d'offrir aux annonceurs et aux éditeurs les méthodes les plus engageantes pour communiquer avec les utilisateurs.