La validation des synonymes par les termes co-occurrents est une méthode qui décide si un synonyme peut remplacer un terme de requête en examinant les autres termes de la requête, y compris ceux qui ne sont pas à côté de lui. Le brevet US 8,538,984 B1, « Synonym identification based on co-occurring terms », la décrit. Google l'a déposé le 3 avril 2012, et le brevet a été délivré le 17 septembre 2013.
Que décrit le brevet US 8,538,984 ?
Le brevet US 8,538,984 décrit un module de révision des requêtes qui évalue les synonymes candidats dans des contextes successifs et ne modifie la requête que si un contexte justifie le synonyme. Ses 4 inventeurs sont Abhijit A. Mahabal, Takahiro Nakajima, Zachary A. Garrett et Kenji Inoue. Le brevet compte 26 revendications et 6 planches de dessins, et il cite le brevet Google sur les synonymes de John Lamping et Steven Baker.
Le résumé définit le cœur du système : identifier « un synonyme candidat pour le terme de requête dans le contexte d'un autre terme non adjacent », obtenir « une valeur de confiance pour cet autre terme non adjacent », vérifier que cette valeur « atteint un seuil », puis « modifier la requête d'origine pour y inclure le synonyme candidat ».
Qu'est-ce qu'une règle de synonymie ?
Une règle de synonymie est l'affirmation qu'un terme peut en représenter un autre. La notation du brevet : « cat→feline » signifie que « le terme "feline" est considéré comme un synonyme du terme "cat" ». Son contre-exemple : « banana » n'est pas un synonyme de « cat ». « Les règles de synonymie sont en général à sens unique » : « félin » peut représenter « chat » sans que « chat » représente « félin ».
Les règles peuvent s'appliquer « de façon générale », sans autre terme dans la requête, ou « seulement quand certaines conditions, ou "contextes de requête", sont réunies ». Le moteur de synonymes identifie les synonymes en évaluant les termes de requêtes déjà reçues, stockées dans des journaux de requêtes. Ces journaux « peuvent inclure des requêtes passées qui ont mené à des résultats que les utilisateurs ont jugés de grande qualité, ou qui ont satisfait leur besoin d'information selon le moteur ».
Avant tout examen du contexte, un moteur d'évaluation du contexte général peut attribuer une valeur de confiance élevée à une paire quand une règle générale identifie le candidat comme synonyme, ou quand le terme et le candidat « apparaissent fréquemment ensemble » dans des requêtes et des résultats liés.
Comment Google analyse-t-il d'abord la requête ?
Google analyse la requête pour trouver les termes à évaluer. L'analyseur identifie 2 types d'éléments :
- Les mots ignorés : des mots écartés lors de la recherche de synonymes et de contextes. L'exemple du brevet : dans « dry food for my cat », l'analyseur identifie « my », « for » et « dry » comme mots ignorés et garde « cat » et « food ». Les termes adjacents peuvent alors sauter par-dessus les mots ignorés.
- Les expressions composées : dans « I want to read a book by Shakespeare Romeo and Juliet », l'analyseur peut identifier « Romeo and Juliet » comme un seul n-gramme, « au lieu de, ou en plus de » ses mots « Romeo », « and » et « Juliet ». Traité comme un terme unique, un composé peut alors ne pas voir ses mots évalués séparément, et la requête se lit « read book Shakespeare Romeo and Juliet ».
Que sont les contextes adjacent et flottant ?
Les contextes adjacent et flottant sont 2 façons de vérifier un synonyme par rapport au reste de la requête :
- Le contexte adjacent : les termes situés juste avant ou après le terme de requête, en sautant éventuellement les mots ignorés. Le système cherche une valeur de confiance pour la paire candidate dans le contexte de chaque terme adjacent.
- Le contexte flottant : les termes « non adjacents au terme de requête ». Le système cherche une valeur de confiance pour la paire « quand le terme apparaît dans le contexte d'un autre terme qui ne lui est pas adjacent ».
Le brevet explique l'intérêt du contexte flottant : dans une longue requête, le contexte d'un terme placé au début peut être un terme placé à la fin. Le contexte flottant exploite davantage de termes que le contexte adjacent, ce qui arrive quand la requête compte plus de 3 termes (le terme évalué et ses 2 voisins). Un contexte peut aussi reposer sur plusieurs termes à la fois, proches les uns des autres, que l'un d'eux touche ou non le terme évalué : cela peut augmenter « la force de la décision ». Les liens reçoivent un traitement comparable : Google s'appuie sur les mots rares autour d'un lien pour établir le contexte des liens et repérer le spam.
La position d'un terme adjacent peut compter. Pour « AA » placé avant « meeting », « American Airlines » est un non-synonyme définitif ; dans « I would like a meeting with the AA pilots », où « meeting » précède « AA », « Alcoholics Anonymous » et « American Airlines » peuvent tous deux être identifiés comme synonymes dans ce contexte adjacent.
Des seuils différents peuvent s'appliquer « selon que la paire est évaluée avec les valeurs de confiance du contexte adjacent » ou « avec celles du contexte flottant ». Chaque moteur fixe ainsi « le degré d'étroitesse du processus d'évaluation et de sélection ».
Comment fonctionne l'exemple « Chicago style pizza » ?
Le brevet illustre les deux contextes avec la requête « What is the best place for Chicago Style Pizza », le terme « place » et 2 candidats : « restaurant » et « finish ». Le seuil est de 0,75.
- Contexte adjacent : une fois « for » écarté comme mot ignoré, les voisins de « place » sont « best » et « Chicago ». Aucune valeur n'atteint le seuil : « restaurant » obtient 0,30 et 0,20, « finish » 0,70 et 0,10. Les deux candidats reçoivent une confiance faible.
- Contexte flottant : une fois « is », « the » et « for » écartés, les termes non adjacents sont « pizza », « style » et « what ». Dans le contexte de « pizza », « restaurant » atteint le seuil et reçoit une confiance élevée. « Finish » ne l'atteint avec aucun des 3 termes.
Pour donner une note unique à une paire, le moteur peut retenir la moyenne des valeurs (0,25 pour « restaurant » et 0,40 pour « finish » en contexte adjacent), la plus grande (0,30 et 0,70, ou 0,90 pour « restaurant » en contexte flottant) ou la plus petite.
La même logique s'applique à « book→play » dans « read book Shakespeare Romeo and Juliet ». Dans l'exemple de contexte flottant du brevet, les termes adjacents « read » et « Shakespeare » ne justifient pas « play », mais le n-gramme non adjacent « Romeo and Juliet », placé n'importe où dans la requête, le justifie. L'explication du brevet : Shakespeare a aussi écrit des sonnets et des poèmes narratifs, alors que « Roméo et Juliette » est l'une de ses pièces.
Comment Google décide-t-il d'appliquer un synonyme ?
Google décide en 3 étapes au plus, selon l'organigramme du brevet (FIG. 6) :
- Vérifier le contexte adjacent : s'il justifie la modification, appliquer le synonyme.
- Vérifier l'existence d'un non-synonyme définitif : si le contexte adjacent montre que le candidat est « un non-synonyme définitif du terme », ne pas l'appliquer.
- Vérifier le contexte flottant : si un terme non adjacent justifie la modification, appliquer le synonyme ; sinon, ne pas l'appliquer.
Le brevet illustre chaque branche avec « AA » :
- « AA meeting » : à côté de « meeting », « American Airlines » est un non-synonyme définitif, en raison de la forte association d'« Alcoholics Anonymous » avec « AA » dans ce contexte. « Alcoholics Anonymous » est appliqué : requête modifiée « Alcoholics Anonymous meeting ».
- « AA pet flight guidelines » : le terme adjacent « pet » ne justifie aucun des deux candidats, et aucun n'est un non-synonyme définitif. Le terme non adjacent « flight » donne à « American Airlines » une valeur de confiance élevée : requête modifiée « American Airlines pet flight guidelines ». « Alcoholics Anonymous » n'est pas appliqué.
Un non-synonyme définitif peut aussi venir du contexte flottant. Dans « What is the number of pilots that are female at AA as of January 2011? », « Alcoholics Anonymous » « peut être considéré comme un non-synonyme définitif » de « AA » « quand le terme "pilots" figure n'importe où dans la requête d'origine ».
Le moteur de révision des requêtes peut ensuite appliquer son propre seuil pour réduire le nombre de candidats, par exemple dans un système « à bande passante de recherche limitée », ce qui diminue le nombre de requêtes modifiées.
La requête peut ensuite être modifiée de 3 façons : « en ajoutant à la requête d'origine des termes synonymes », « en remplaçant des termes par leurs synonymes », ou « en ajoutant les synonymes en alternative aux termes », c'est-à-dire un OU entre le terme et son synonyme. Le moteur « peut utiliser la requête d'origine et les requêtes modifiées pour trouver et classer les résultats ». Sur la page de résultats, les termes de la requête d'origine ou les synonymes présents dans les résultats peuvent être mis en gras ou en italique.
Quel lien entre ce brevet et les brevets plus anciens sur les synonymes ?
Ce brevet étend le contexte des mots voisins à toute la requête. Le brevet de 2005 sur les synonymes en contexte validait un synonyme avec les mots juste autour, comme « download » pour « free » devant « photos ». Ce brevet va plus loin avec les termes non adjacents et une vérification explicite des non-synonymes définitifs. Le brevet sur la distance sémantique applique une idée voisine aux documents : la structure d'une page décide quels termes vont ensemble.
Que change la validation par les termes co-occurrents pour votre SEO ?
La validation par les termes co-occurrents signifie que Google interprète chaque mot d'une longue requête à la lumière de toute la requête. 5 conséquences en découlent :
- Écrivez pour des questions complètes, pas pour des fragments de mots-clés. Les requêtes longues et naturelles donnent à Google plus de contexte pour choisir les bons synonymes : les pages qui répondent à la question complète sont mieux placées pour correspondre.
- Employez les termes précis de votre domaine. Un synonyme n'est appliqué que si le contexte le justifie : le terme exact reste la correspondance la plus sûre.
- Couvrez les expressions composées de votre sujet. Les titres et expressions nommées comme « Roméo et Juliette » peuvent être traités comme des unités, et servir de contexte à d'autres mots : employez-les en entier.
- Ne comptez pas sur la fusion de toutes les variantes. Certains candidats sont des non-synonymes définitifs dans un contexte donné, comme « Alcoholics Anonymous » pour « AA » quand « pilots » figure dans la requête : une variante peut demander sa propre couverture.
- Raisonnez en contexte de requête, pas en mots isolés. Un même mot peut prendre des synonymes différents selon les autres mots de la requête : organisez vos contenus autour de modèles de requêtes complets.
Le brevet décrit ce que le système de Google peut faire. Il ne confirme pas comment Google modifie aujourd'hui les requêtes avec des synonymes.
