谷歌利用机器学习升级Chrome Omnibox地址栏

Google 正在对最新版本的Chrome进行底层更改,旨在改进地址栏(也称为多功能框)中显示的建议网页结果 。

谷歌利用机器学习升级Chrome Omnibox地址栏

文章插图
在 Chrome 124 中,这些建议现在是在机器学习模型的帮助下提出的,该公司表示 , 机器学习模型正在取代“手工构建和手工调整的公式” 。现在地址栏由机器学习模型提供支持,结果对于每个用户来说应该更加准确和个性化 。
负责多功能框的 Chrome 工程主管 Justin Donnelly 在一篇博文中解释说,旧的评分系统无法随着时间的推移进行调整或改变 。这位工程师将其描述为“不灵活”,由于缺乏灵活性,“评分系统在很长一段时间内基本没有改变 。”因此,在寻找改进地址栏及其建议的方法时,Chrome 团
【谷歌利用机器学习升级Chrome Omnibox地址栏】机器学习模型通常可以检测出人眼无法察觉的趋势和见解,为多功能框提供支持的模型就是这种情况 。由于切换到机器学习,地址栏行为的一个明显变化是感知“导航后的时间”信号的方式发生了变化 。以前,手动公式会给最近访问的 URL 提供更高的相关性分数 。然而,机器学习模型发现这实际上并不是用户想要的 。
“事实证明 , 训练数据反映了一种模式,即用户有时会导航到不是他们真正想要的 URL,然后立即返回 Chrome 多功能框并重试,”Donnelly 解释道 。“在这种情况下,他们刚刚导航到的 URL 几乎肯定 不是 他们想要的 , 因此在第二次尝试期间它应该获得较低的相关性分数 。”
除了改变按相关性对结果进行评分的方式外,谷歌还将在地址栏中使用机器学习模型来使网页建议“更准确,更与您相关” 。据推测,您的浏览习惯和 Google 收集的其他数据将用于调整多功能框的行为,以最适合您的需求 。换句话说,人们使用 Chrome 地址栏的方式可以用来重新训练机器学习模型,随着时间的推移,它会为它提供支持 。
新的地址栏包含在桌面版 Chrome 124 中,但您不会注意到任何视觉差异 。未来,谷歌希望添加更多信号来影响相关性得分,例如一天中的时间和环境 。

    推荐阅读