雅蒂特点： 查询重构和“点击预训练”。 Yandex 拥有一个包含 10 亿据库：[1 个措辞] → 无需点击 → [2 个措辞]。因此，模型学习预测点击的概率。 Yandex.Toloka 的评级。 使用 Toloker 评估。 评估员评级。使用专家的相关性评估。 输入数据： 请求文本； 查询扩展； “好的”文档片段； 文档流：锚点列表、文档的查询索引。
YATI 和 Google Bert Yandex 主要搜索竞争对手 Google 的最新更新之一是引入了 BERT 算法。这种神经网络与 YATI 一样，解决的是分析搜索查询及其上下文的问题，而不是单独分析 保加利亚电话营销数据 关键查询。也就是说，BERT 分析整个句子。 YATI 和 BERT 都专注于更好地理解搜索查询的含义。然而，根据 Yandex 专家的说法，YATI 算法可以更好地处理其任务，因为除了请求文本之外，它还分析文档文本，并且还学习预测点击。
下表显示了基于神经网络的算法在排名任务中的质量比较，其中“% NDCG”是 DCG 质量指标相对于 Yandex 数据集上的理想排名的归一化值。这里的 100% 意味着模型按照真实离线分数的降序对文档进行排名。 同时，应该指出的是，BERT 解决了更多的问题，其中识别文本的“含义”只是众多其他问题之一。一大批语言模型都是基于 BERT 的： 从计算机语言学的角度来看，BERT和YATI是非常相似的接近算法。