Vers un moteur de recherche sensible au contexte (3ème partie)

Dans la deuxième partie de cet article, nous avons présenté les nouvelles méthodes imaginées par les chercheurs de Stanford pour réaliser un moteur de recherche thématique.

Ces méthodes ont elle un intérêt pratique ? Verra-t’on apparaître des moteurs les utilisant prochainement ?

La création de moteurs de recherche thématiques est d’ores et déjà possible

La méthode du Pagerank sensible à la thématique est d’ores et déjà déployable sur un moteur de recherche grand public. Lorsque la méthode a été décrite pour la première fois, en 2002, la puissance de calcul nécessaire rendait le projet difficile à réaliser (mais pas irréalisable).

Depuis, la puissance de calcul des machines s’est accru de manière sensible, et des progrès théoriques majeurs ont été effectués pour accélérer la vitesse de convergence des algorithmes de calcul du PageRank.

Rien ne s’oppose donc à la création d’un moteur de recherche sensible à la thématique de recherche utilisant cette technologie. Et encore moins à la création d’un moteur de recherche thématique, beaucoup plus facile encore à réaliser.

La piste du « pagerank modulaire » semble par contre plus stérile en ce qui concerne les applications pratiques.

Google a-t’il un projet semblable dans ses cartons ?

Aucune information n’a réellement filtré sur ce sujet pour le moment. Une seule chose est certaine : les chercheurs de Stanford qui ont imaginé les solutions les plus prometteuses travaillent à présent au sein de Kaltix, devenue filiale de Google…

Compte-tenu du secret qui règne autour des technologies réellement utilisées par Google, on est hélas réduit à faire des suppositions, voire à se lancer dans des spéculations.

Ainsi, il semble que Google ait déjà choisi d’utiliser la méthode du « block rank ». Ce qui expliquerait la possibilité pour Google d’entrer des nouvelles pages dans son index, tout en leur attribuant une position définitive dans les pages de résultats (ce qui laisse soupçonner un calcul du PR à la volée). La deconnexion clairement apparente depuis deux mois entre les GoogleDance et les calculs de PR plaide également pour un changement de ce genre.

Compte tenu de l’avantage stratégique que donnerait une méthode de recherche sensible au contexte à la firme créée par Page et Brin, il y’a fort à parier que les gens de Kaltix aideront prochainement Google à sortir une innovation de ce genre.

Mais si l’adoption de l’algorithme du blockrank se confirme, cela risque de compliquer les choses. En effet, l’utilisation du blockrank pour créer des pagerank personnalisés n’était encore qu’au stade de l’idée il y’a quelques mois, et on peut supposer que l’application pratique est autrement plus délicate que celle du « Topic sensitive pagerank ».

Les difficultés à résoudre sont essentiellement de l’ordre de l’acquisition d’expérience, pour savoir comment déterminer les coefficients donnant les résultats les plus pertinents.

Une googlebarre chargée de communiquer le contexte au moteur ?

L’un des principaux écueils à surmonter si l’on veut réaliser un moteur de recherche sensible au contexte performant, c’est la protection des données de l’utilisateur. En effet, si dans certains cas, la requête seule permettra de déterminer la thématique de la recherche, il arrivera fréquemment que celle-ci soit ambigüe. Dans ce cas, la connaissance du contexte doit être étendue, soit aux requêtes précédemment effectuées, voire même aux habitudes de surf de l’internaute

Ces informations n’étant pas anodines, il est dans la pratique difficile d’imaginer d’envoyer au moteur l’historique de surf de l’internaute. Mais nos ex chercheurs de Stanford ont de la ressource : ils ont imaginé de créer une application client capable de faire le travail d’évaluation des thématiques de prédilection de l’internaute en local sur sa machine. Le client de recherche n’aura plus dans ce cas à envoyer au moteur que les éléments sur ces thématiques de prédilection, sans avoir à communiquer d’autres infos plus confidentielles. L’internaute aurait toute possibilité de plus d’accéder et de modifier les caractéristiques de son profil ainsi constitué.

Et si ces techniques étaient déjà dépassées ?

Ces techniques destinées à créer des moteurs de recherche sensibles au contexte semblent constituer l’avenir des moteurs de recherche. Mais elles reposent toutes sur des évolutions de l’algorithme du Pagerank. Et elles ne permettent pas de créer des moteurs réellement intelligents. Il s’agit toujours essentiellemnt de systèmes utilisant la force brute de calcul combinés avec un zeste d’astuce et de savoir faire.

Ces techniques ont pour intérêt d’être facilement réutilisables par Google (et pour cause). Mais l’autre voie, lancée par IBM, vient d’aboutir à un concept d’un genre nouveau : le système WebFountain. Cette technologie, qui fait appel à des techniques de reconnaissance sémantique sophistiquées combinées à des algorithmes originaux (héritiers de HITS et du projet CLEVER), semble permettre de développer des moteurs beaucoup plus efficaces et intelligents qu’un Google…

Mais ceci est une autre histoire…

Philippe YONNET

Bibliographie :

Sur le pagerank :
Le PageRank par l’exemple, par Dan Hetzel
L’algorithme du PageRank expliqué, par Dan Hetzel

Principaux articles publiés par les créateurs de la société Kaltix

Topic-Sensitive PageRank : A Context-Sensitive Ranking Algorithm for Web Search – Taher H. Haveliwala / 10 février 2002 revu le 17 mai 2003

Extrapolation Methods for Accelerating PageRank
Computations – Sepandar D. Kamvar
Taher H. Haveliwala
Christopher D. Manning
Gene H. Golub / 28 Février 2003

Exploiting the Block Structure of theWeb for Computing
PageRank- Sepandar D. Kamvar Taher H. Haveliwala Christopher D. Manning Gene H. Golub / 4 Mars 2003

The Second Eigenvalue of the Google Matrix – Taher H. Haveliwala and Sepandar D. Kamvar / 11 Mars 2003

Adaptive Methods for the Computation of PageRank – Kamvar, Sepandar ; Haveliwala, Taher ; Golub, Gene / 28 avril 2003

An Analytical Comparison of Approaches to Personalizing PageRank – Taher Haveliwala, Sepandar Kamvar and Glen Jeh / 20 juin 2003

The Condition Number of the PageRank Problem – Sepandar D. Kamvar and Taher H. Haveliwala / 20 juin 2003

Computing PageRank using Power Extrapolation – Haveliwala, Taher ; Kamvar, Sepandar ; Klein, Dan ; Manning, Chris ; Golub, Gene / 16 juillet 2003

Les travaux de Glen Jeh et Jennifer Widom

Scaling Personalized Web Search – Glen Jeh et Jennifer Widom /février 2002

SimRank : A Measure of Structural-Context Similarity / Octobre 2001