Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com
Que tu sois chercheur, analyste ou data scientist, il y a de fortes chances qu'à un moment ou à un autre, tu aies eu besoin de patauger dans des océans de documents pour trouver les informations que tu cherchais. Pour ne rien arranger, Google et Bing te rappellent constamment qu'il existe de meilleures façons de chercher ! Par exemple, si nous cherchons "Quand Marie Curie a-t-elle reçu son premier prix Nobel ?" sur Google, nous obtenons immédiatement la réponse correcte "1903", comme l'illustre la figure 7-1.
Figure 7-1. Une requête de recherche Google et l'extrait de réponse correspondant.
Dans cet exemple, Google a d'abord récupéré environ 319 000 documents pertinents pour la requête, puis a effectué une étape de traitement supplémentaire pour extraire l'extrait de réponse avec le passage et la page Web correspondants. Il n'est pas difficile de comprendre pourquoi ces extraits de réponse sont utiles. Par exemple, si nous recherchons une question plus délicate comme "Quel est le meilleur accordage de guitare ?" Google ne fournit pas de réponse, et nous devons cliquer sur l'une des pages Web renvoyées par le moteur de recherche pour la trouver nous-mêmes.1
L'approche générale qui sous-tend cette technologie s'appelle ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month, and much more.
