Recherche vidéo incrémentale personnalisée : hybridation d'embeddings texte et ID
Recherche personnalisée pour la recherche vidéo instantanée sur Apple TV, où chaque frappe au clavier doit renvoyer des résultats pertinents alors que l'intention de l'utilisateur reste floue, parfois réduite à un préfixe d'une à trois lettres. Pour répondre à ce défi, une équipe de recherche a conçu un système combinant deux types de signaux au moment du classement des résultats. Le premier, baptisé TextEmb, est un encodeur de texte multilingue affiné par apprentissage contrastif à partir de triplets de coengagement, c'est-à-dire des contenus consultés ensemble par les utilisateurs. Le second, IdEmb, est un modèle d'embeddings collaboratifs fondé sur les identifiants des contenus, entraîné à partir d'exemples positifs tirés directement des interactions des utilisateurs. Ces deux espaces vectoriels sont ensuite combinés pour construire, en temps réel, une représentation personnalisée de chaque utilisateur.
Résumé et traduction réalisés par Le Fil IA à partir de Apple Machine Learning. Lire l'article original →
Cette approche hybride vise à résoudre un problème concret pour tout service de streaming vidéo: proposer des résultats pertinents dès les premières lettres tapées, sans attendre une requête complète. En croisant la proximité sémantique du texte avec les habitudes de visionnage individuelles, le système peut anticiper une intention encore ambiguë et hiérarchiser les contenus qui correspondent le mieux au profil de chaque utilisateur, plutôt que de se limiter à une correspondance textuelle générique.
Cette recherche s'inscrit dans une tendance plus large de l'industrie du streaming, où la personnalisation de la recherche devient un axe de différenciation aussi stratégique que celle des recommandations. Les moteurs de recherche incrémentale, courants sur les téléviseurs connectés où la saisie au clavier ou à la télécommande est lente et imprécise, doivent compenser ce handicap par une meilleure compréhension du contexte utilisateur. En combinant signaux sémantiques et collaboratifs plutôt que de miser sur un seul type de modèle, cette méthode ouvre la voie à des systèmes de recherche vidéo plus réactifs, potentiellement applicables au-delà d'Apple TV à d'autres plateformes de streaming confrontées aux mêmes contraintes d'interface.
Pas d'impact direct sur la France/UE