Slides présentées lors du petit déjeuner du 30 mars 2016 Nous verrons comment exploiter les données d'outils de TAL ou de Searchmetrics, pour voir quels mots clés sont intéressants à utiliser dans un contenu optimisé pour une requête concurrentielle. Et nous verrons ensuite comment briefer des rédacteurs pour qu'ils créent les textes optimisés correspondants.  Intervenants : Dr. Laurie Serrano, Ingénieure en Traitement Automatique des Langues | Philippe Yonnet, Directeur Général - Search Foresight et Zohra Belmahdi, Responsable Sales France, Textbroker

1. EXPLOITER LES DONNÉES D'OUTILS
AVANCÉS POUR OPTIMISER SES TEXTES
POUR LE SEO
MERCREDI 30 MARS 2016
LAURIE SERRANO – SF LABS
INGÉNIEURE EN TRAITEMENT AUTOMATIQUE DU LANGAGE
Petit Déjeuner
Search Foresight

2. La recherche façon Google

3. Intelligence ou volume de données ?

4. RankBrain et TensorFlow
 Traitement sémantique des requêtes
 Algorithme de « machine learning »
 Fondé sur Word2vec
 Mis en place début 2015
 Architecture logicielle pour développer des systèmes de
« machine learning »
 Diffusée en open source en novembre 2015
 Utilisée par les équipes Google depuis 2011
 A la base de nombreuses solutions Google (dont RankBrain)

5. Word2vec

6. Word embeddings : le buzz du moment !
 Mot → vecteur numérique à n dimensions
 Algorithme de « machine learning » : réseau de neurones
artificiels
 Objectif : obtenir une représentation vectorielle la plus proche
possible de la réalité linguistique
 Projection dans un espace multi-dimensionnel → relations
entre mots
 Relations sémantiques mais aussi syntaxiques
 « Phrase embeddings » : processus équivalent pour les
expressions

7. Sémantique distributionnelle : une histoire ancienne !
“ You shall know a word by the company it keeps ”
(J. R. Firth, 1957)
Le distributionnalisme (Z. Harris, 1954)
– les unités de la langue sont interchangeables
– les unités apparaissant dans des contextes similaires sont sémantiquement proches

8. Word2vec : mode d’emploi
 Matériel nécessaire :
– Du texte, beaucoup de texte…
 Plusieurs implémentations disponibles :
– Logiciel fourni par Google (binaires et exemples d’utilisation)
– Framework Gensim (Python)
– Framework DeepLearning4J (Java)
– GloVe
 Paramétrage nécessaire :
– Architecture du réseau de neurones (CBOW, Skip Gram)
– Nombre de dimensions des vecteurs
– etc.
 Des modèles vectoriels disponibles :
– Google News (100 milliards de mots) pour Word2vec
– Wikipédia (6 milliards de mots) pour GloVe
– etc.

9. Application au SEO

10. Suggestion de mots-clés
Climate change

11. Suggestion de mots-clés
Leonardo DiCaprio

12. Suggestion de mots-clés
Mad cow

13. Similarité sémantique
 Similarité entre pages Web
– Détection des « (near-)duplicate content »
– Améliorer le maillage interne
 Similarité entre mots-clés, expressions-clés
– Elargir le positionnement d’un site
– Suggérer du nouveau contenu

14. Regroupement thématique
 « Clustering » de mots-clés
 Découpage de l’espace vectoriel
 Apprentissage non-supervisé
– K-means
– Clustering hiérarchique
 Optimiser la catégorisation des sites Web
 Anticiper et suivre l’évolution d’un secteur de marché
 Améliorer l’analyse sémantique concurrentielle

15. Des questions ?