بهبود نتایج جستجوی Elasticsearch با هوش مصنوعی
برای عبارتهای واقعی کاتالوگ ببینید چرا نتیجه مناسب پایین میمونه. وزن فیلدها یا یک قاعده مشخص رو امتحان کنید و چند نتیجه اول رو قبل و بعد کنار هم بسنجید.
بهبود نتایج جستجوی Elasticsearch با هوش مصنوعی وقتی به کار میآد که مشتری اسم یک محصول رو مینویسه ولی نتیجهای که دقیقا همون نام رو داره پایین فهرست میمونه. اسکیل elasticsearch-search-relevance اول تعریف فیلدها و درخواست فعلی رو بررسی میکنه. شاید عنوان محصول اصلا در جستجو شرکت نداره یا توضیح طولانی هر کالا عملا از عنوان مهمتر شده. راه حل چنین وضعیتی میتونه با موردی که در اون یک کالای مشخص باید برای یک عبارت خاص بالا بیاد فرق داشته باشه.
برای امتحان تغییر، بهتره چند عبارت نمونه داشته باشید و نتیجه اول رو برای همه اونها ببینید. اگر بالا بردن وزن عنوان جستجوی یک عبارت رو بهتر کرد ولی نتیجه چند عبارت مهم دیگه رو خراب کرد، قبل از ورود به محیط واقعی فرصت اصلاح دارید. برای قاعدههای موردی هم دامنه عبارت و شناسه سند باید دقیق باشه. این اسکیل روی ارتباط متنی و ترتیب نتیجه کار میکنه و برای جستجوی برداری مسیر دیگهای لازمه.
کاربردها
- برای تنظیم رتبه جستجو، فیلدهای عنوان و توضیح رو در تعریف شاخص بررسی کنید.
- در جستجوی کاتالوگ محصول، نتیجههای اول چند عبارت نمونه رو مقایسه کنید.
- برای افزایش وزن عنوان، اثر تغییر رو روی عبارتهای متفاوت چک کنید.
- قاعده نمایش کالای مشخص رو محدود به عبارت و سند مورد نظر نگه دارید.
- قبل از اعمال تغییر واقعی، نسخه قبلی و روش برگشت رو برای تیم ثبت کنید.
نصب و استفاده
- اسکیل رو در ایجنتتون نصب کنید. به Elasticsearch نسخه ۸٫۱۰ یا بالاتر برای قواعد موردی، ابزار رسمی elastic با قابلیت جستجو و دسترسی مجاز نیاز دارید. تغییر قواعد مجوز نوشتن میخواد.
- بگید «برای این عبارتهای نمونه، نتیجه فعلی کاتالوگ رو ثبت کن. ببین آیا وزن عنوان مشکل رو توضیح میده و تغییر رو اول در محدوده آزمایشی بسنج.»
- نتیجه چند عبارت قبلی و تازه رو با هم ببینید و فقط پس از بررسی دامنه و مجوز، قاعده رو در محیط واقعی اعمال کنید.
سوالات متداول
منبع
ساخته Elastic. نام اصلی: elasticsearch-search-relevance، منتشرشده در GitHub با مجوز Apache-2.0.
مشاهده در GitHub