Much of Geospatial Web Search Is Beyond Traditional GIS
En analysant plus d'un million de requêtes de recherche réelles à l'aide de l'apprentissage automatique avancé, cet article révèle que la recherche géographique sur le web est dominée par des besoins pratiques et transactionnels tels que les coûts et les horaires, qui dépassent largement le champ d'application des systèmes SIG traditionnels, incitant à appeler à des architectures de récupération hybrides et à des références mises à jour pour le raisonnement géographique dans les modèles de langage de grande taille.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez l'internet comme une immense bibliothèque chaotique où les gens ne se contentent pas de chercher des livres ; ils posent des questions sur où se trouvent les choses, ce que coûtent les choses dans des endroits spécifiques, et quel temps il fait dans une certaine ville. Pendant longtemps, les bibliothécaires (les systèmes d'information géographique traditionnels, ou SIG) pensaient qu'ils devaient uniquement se soucier des questions mentionnant explicitement un nom de ville ou des coordonnées, comme « Où se trouve Paris ? ».
Ce papier soutient que les bibliothécaires ont regardé la mauvaise étagère. Ils ont ignoré la vaste majorité des questions que les gens posent réellement, qui concernent des lieux mais ne ressemblent pas toujours à des questions de « géographie ».
Voici un résumé de ce que les chercheurs ont fait et de ce qu'ils ont découvert, en utilisant des analogies simples :
1. Le grand décompte des « lieux »
Les chercheurs ont pris un énorme tas de 1 million de requêtes de recherche réelles provenant de Bing (l'ensemble de données MS MARCO). Imaginez cela comme un immense seau d'eau.
- L'ancienne méthode : Les études précédentes tentaient de trouver des questions sur les « lieux » en recherchant des mots-clés spécifiques, comme « ville », « État » ou « pays ». Elles ont constaté que seulement environ 6 % de l'eau dans le seau était de l'« eau de lieu ».
- La nouvelle méthode : Les chercheurs ont utilisé un outil d'IA intelligent (un modèle d'« embedding de phrases ») qui comprend le sens d'une phrase, et non seulement les mots. Ils ont demandé à l'IA : « Cette question nécessite-t-elle des connaissances sur un lieu spécifique sur Terre pour être répondue ? »
- Le résultat : L'IA a découvert que 18 % des requêtes concernaient en réalité des lieux. C'est presque trois fois plus que ce que quiconque pensait auparavant.
2. Que demandent réellement les gens ?
Les chercheurs ont ensuite trié ces 180 000+ questions sur les « lieux » dans un immense classeur à 88 tiroirs différents. Ils ont découvert que les gens ne posent pas principalement des questions sur les montagnes, les rivières ou les frontières politiques (les éléments traditionnels pour lesquels les systèmes SIG sont conçus).
Au contraire, les tiroirs du haut sont remplis de questions pratiques et transactionnelles :
- Le tiroir « Portefeuille » (15,3 %) : Questions sur les coûts, les prix et les taxes. (Par exemple : « Combien coûte le loyer à Austin ? » ou « Quelle est la monnaie au Brésil ? »). Cette seule catégorie est presque deux fois plus grande que toute la catégorie de la géographie physique (montagnes, rivières, etc.).
- Le tiroir « Horloge » (10,7 %) : Questions sur le temps, les saisons et les heures d'ouverture.
- Le tiroir « Annuaire téléphonique » : Questions sur les coordonnées et les adresses.
La métaphore : Imaginez un système GPS conçu uniquement pour vous montrer la forme de la côte et l'emplacement des parcs nationaux. Maintenant, imaginez un utilisateur essayant d'utiliser ce GPS pour trouver la pharmacie la plus proche ouverte, vérifier le prix de l'essence ou voir si un restaurant est ouvert le dimanche. L'ancien système échouerait lamentablement car il n'était pas conçu pour ces questions. Ce papier dit : « Hé, la plupart des gens essaient en fait d'utiliser le GPS pour la pharmacie et les prix de l'essence, pas pour la côte ! »
3. Le « bruit » dans le système
Lorsqu'ils ont tenté de trier ces questions, environ 36 % d'entre elles ne s'intégraient pas proprement dans un seul tiroir. Les chercheurs appellent cela du « bruit ».
- Analogie : Imaginez essayer de trier un tas de LEGOs mélangés par couleur. Certaines pièces ont des formes étranges ou plusieurs couleurs, elles ne rentrent donc pas parfaitement dans les bacs « Rouge » ou « Bleu ». Les chercheurs reconnaissent que le langage humain réel est désordonné, et que certaines questions sont simplement trop vagues ou complexes pour être forcées dans une seule catégorie.
4. Deux types de réponses différents
Le papier met en évidence une scission cruciale dans la manière dont ces questions devraient être répondues :
- Les questions de « fait » : Certaines questions ont une seule réponse correcte qui ne change jamais.
- Exemple : « Quel est le code postal de Burlington, KY ? » ou « Quelle est la distance entre Londres et Paris ? »
- Solution : Ces questions peuvent être répondues par une base de données rigide, comme un annuaire téléphonique numérique.
- Les questions de « jugement » : D'autres questions dépendent de l'opinion, du temps ou de données changeantes.
- Exemple : « Quand est le meilleur moment pour visiter Hawaï ? » ou « Quel restaurant sert à la fois de la cuisine mexicaine et du steak ? »
- Solution : Ces questions nécessitent un système plus flexible capable de consulter des avis, la météo actuelle ou des menus qui changent tous les jours.
5. Pourquoi cela compte pour les technologies futures
Les auteurs concluent que si nous voulons construire de meilleurs moteurs de recherche ou chatbots (comme ceux que nous utilisons aujourd'hui), nous ne pouvons pas nous fier uniquement aux cartes anciennes.
- Le problème : Les systèmes actuels traitent souvent toutes les questions sur les « lieux » de la même manière.
- La solution : Nous avons besoin de systèmes « hybrides ». Ces systèmes doivent savoir quand extraire un fait dur d'une base de données (comme un code postal) et quand utiliser un système plus flexible et en temps réel pour répondre à une question sur le meilleur moment pour visiter un lieu ou le prix actuel de quelque chose.
Résumé
En bref, ce papier est un signal d'alarme. Il nous dit que lorsque les gens recherchent des « lieux » en ligne, ils cherchent principalement de l'argent, du temps et des détails pratiques, et non pas simplement des cartes et des reliefs. Pour construire de meilleurs outils pour eux, nous devons arrêter de chercher des noms de lieux et commencer à comprendre l'intention derrière la question. Les chercheurs ont rendu leur nouveau « système de classement » (taxonomie) et leur « trieur intelligent » (classificateur) disponibles pour que tout le monde puisse les utiliser, afin que nous puissions enfin construire des moteurs de recherche qui comprennent ce que les gens veulent vraiment dire lorsqu'ils posent une question sur un lieu.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.