固有表現認識（NER）

Yext Contentは検索エクスペリエンスの基盤であり、ブランドに関する重要な情報を保存するエンティティとフィールドで構成されるナレッジグラフを使用します。

Yext Searchは、固有表現認識（NER）を使用して、構造化されていない質問をContentの構造化クエリに変換します。Yext Searchは、ユーザーが求めている情報の種類を特定することにより、検索ユーザーの意図に直接答えるする結果を迅速かつ正確に表示します。

構造化されたナレッジグラフは、最新の検索エンジンにとって重要なデータストアで、ブランドに関するあらゆる公式情報と、それらの間の関係を保存します。ある学校のナレッジグラフの例を次に示します。

Googleは2012年にKnowledge Graphを立ち上げましたが、今日でも同じことをしているブランドは多くありません。ただし、Yext Contentは、構造化された回答をユーザーに提供するためにナレッジグラフを使用しています。

構造化されたナレッジグラフの検索の鍵となるのは、固有表現認識（NER）です。Searchは、NERを使用してクエリ内のエンティティとフィールド、検索のクラス、最適な結果セットを識別します。

固有表現認識（NER）は、各クエリ内の単語を識別し、それらをエンティティタイプに分類するプロセスです。Contentのナレッジグラフでの情報の保存方法にトークンを合わせることで、Searchは最適な結果を迅速かつ正確に表示できます。

Yext Searchは、すべてのクエリにNERを自動適用し、トークンとトークンスパンをタグ付けします。Searchでは、これらのタグに基づいて検索結果が自動的にフィルタリングされます。例えば、Searchでは「ニューヨークの標準中国語を話すファイナンシャルアドバイザー」というクエリが、次のフィルタを使用した構造化グラフクエリに自動変換されます。

ユーザーがYext Contentに対して行う検索には、一般に次の3つのクラスがあります。

フィールド検索は、あるクエリに対する直接的な回答が1つだけ存在する場合に使用されます。Searchでは、Content内で最も関連性の高いエンティティと、クエリに最も直接的に答えるそのエンティティ内の対応フィールドが特定されます。質問には、しばしば離散的な情報が対応します。

フィールド検索に対する理想的な回答は、フィールドの値を示す直接的な回答です。これは、Yext Searchでは以下のように表示されます。

エンティティは、ユーザーがCMS内のイベント、人、製品、またはその他のエンティティタイプについて質問すると表示されます。この場合、要求されているのは、エンティティの特定のフィールドではなく、エンティティ自体です。一般に、ユーザーはあるエンティティを想定した場合、その名前でエンティティを検索します。

特定のエンティティ検索に対する理想的な回答形式は、エンティティカードです。

ほとんどの場合、ユーザーは特定のフィルタのセットに一致するエンティティのセットを検索します。NERを使用すると、Searchは潜在的なフィルタを解析して適用し、フィルタリングされたコンテンツエンティティのセットを返すことができます。

最も一般的なフィルタにロケーションがあり、これは郵便番号など、明示的な場合もあれば、「近くの」など暗黙的な場合もあります。

フィルタ処理されたエンティティリストに対する理想的な応答は、関連フィルタが適用されたことを明確なUXで示すエンティティリストです。