{"id":111977,"date":"2021-03-10T18:30:00","date_gmt":"2021-03-10T23:30:00","guid":{"rendered":"https:\/\/www.dacgroup.com\/un-ano-despues-ha-cambiado-bert-la-busqueda-para-siempre\/"},"modified":"2024-12-21T05:52:52","modified_gmt":"2024-12-21T10:52:52","slug":"un-ano-despues-ha-cambiado-bert-la-busqueda-para-siempre","status":"publish","type":"post","link":"https:\/\/www.dacgroup.com\/es\/descubre\/blog\/search-optimization\/un-ano-despues-ha-cambiado-bert-la-busqueda-para-siempre\/","title":{"rendered":"Un a\u00f1o despu\u00e9s, \u00bfha cambiado BERT la b\u00fasqueda para siempre?"},"content":{"rendered":"

La \u00faltima vez que investigamos a fondo el prometedor futuro de BERT, la IA de Google, s\u00f3lo afectaba al 10% de todas las b\u00fasquedas en ingl\u00e9s. Pero Google siempre ha tenido un ambicioso plan de expansi\u00f3n para BERT; prueba de ello es la implementaci\u00f3n de BERT en 70 idiomas en diciembre de 2019.<\/p>\n

Y aqu\u00ed estamos poco m\u00e1s de un a\u00f1o despu\u00e9s de que BERT tuviera su gran oportunidad. Es hora de echar revisar y medir exactamente cu\u00e1nto ha revolucionado la b\u00fasqueda, con la IA revolucionaria de Google.<\/p>\n

Pero recu\u00e9rdame… \u00bfQui\u00e9n es BERT?<\/h2>\n

Aunque el significado del acr\u00f3nimo BERT es un poco as\u00e9ptico (Representaciones de Codificador Bidireccional de Transformadores), BERT es considerado la actualizaci\u00f3n de b\u00fasqueda m\u00e1s importante que ha realizado Google desde su lanzamiento RankBrain<\/a> all\u00e1 por 2015.<\/p>\n

El objetivo de BERT es comprender mejor el lenguaje conversacional. Poniendo especial \u00e9nfasis en las siempre importantes, aunque ambiguas, preposiciones (como desde y hasta) que conforman los bloques de construcci\u00f3n del lenguaje, pero son dif\u00edciles de comprender para las computadoras.<\/p>\n

Algunos ejemplos de BERT en acci\u00f3n<\/h2>\n

Google nos ense\u00f1\u00f3 un ejemplo en vivo de c\u00f3mo BERT ayuda a mejorar los resultados de b\u00fasqueda bas\u00e1ndose en la intenci\u00f3n del usuario:<\/p>\n

\"BERT<\/p>\n

Una b\u00fasqueda tipo \u201c2019 visa para viajar a US desde Brasil\u201d. La palabra \u201ca\u201d y su relaci\u00f3n con el orden de las dem\u00e1s palabras de la b\u00fasqueda es particularmente importante para entender el significado. Se trata de un brasile\u00f1o que viaja a los US y no al contrario. Antes los algoritmos no entend\u00edan la importancia de esta conexi\u00f3n y devolv\u00edan resultados sobre ciudadanos estadounidenses viajando a Brasil. Con BERT, la b\u00fasqueda es capaz de detectar los matices y saber que cada palabra cuenta mucho y que se pueden obtener resultados m\u00e1s relevantes. <\/p><\/blockquote>\n

En el mismo post, Google daba otros ejemplos de BERT captando los matices sutiles del lenguaje<\/a> como nunca antes se hab\u00eda hecho:<\/p>\n

Veamos otra b\u00fasqueda: “\u00bflos esteticistas pasan mucho tiempo de pie en el trabajo?”. Antes, nuestros sistemas ten\u00edan en cuenta un enfoque basado en la coincidencia de palabras clave, emparejando el t\u00e9rmino “de pie” en resultados relacionados con la palabra pie. Nuestros modelos BERT por otro lado entienden que la palabra \u201cde pie\u201d est\u00e1 relacionada con el hecho de trabajar de pie y arroja resultados m\u00e1s acertados. <\/p><\/blockquote>\n

\n \n
\n
\n

\n Nuestra Newsletter <\/h2>\n

\n Recibe en tu bandeja de entrada informaci\u00f3n
exclusiva sobre lo m\u00e1s relevante
del marketing digital. <\/p>\n <\/div>\n\n

\n
\n
\n
\n \n