La recherche et la recommandation de produits est au cœur de notre business. L’utilisation de la Vector Search, combiné a une recherche full-text grâce à Elasticsearch nous a permis d’améliorer la pertinence de nos résultats en utilisant le meilleur des deux mondes.
Nous montrerons à travers un exemple reel comment mettre en place la recherche vectorielle, en utilisant Elasticsearch comme Vector Database. Nous aborderons ensuite les points importants (comment choisir son modèle, Reciprocal Rank Fusion …) et les limites de cette solution.
Nous montrerons à travers un exemple reel comment mettre en place la recherche vectorielle, en utilisant Elasticsearch comme Vector Database. Nous aborderons ensuite les points importants (comment choisir son modèle, Reciprocal Rank Fusion …) et les limites de cette solution.
Martin Labenne
Jolimoi
Martin Labenne est Data Scientist chez Jolimoi. Il est en charge du moteur de recommandation de produit au cœur du business model de Jolimoi et oeuvre à l’amélioration des différentes recherches (textuelle, sémantique…). Passionné par la data science, Martin est toujours à la recherche de nouveaux modèles et technologies à tester !
Français 
English