OpenSearch:Utilisation des paramètres des modules d'algorithme

Paramètres et emplacements de configuration

Les modules d'algorithme OpenSearch lisent leurs entrées depuis des paramètres personnalisés que vous définissez sur la requête de recherche. Chaque requête présentée ici suit le même schéma : créez un objet SearchParams, insérez les paramètres dans une Map<String, String>, appliquez cette mappe en appelant setCustomParam, puis exécutez la requête avec searcherClient.execute. Seules les entrées ajoutées à la mappe varient d'un module à l'autre.

Le tableau suivant décrit les paramètres personnalisés utilisés par les modules d'algorithme ainsi que la requête associée à chacun d'eux.

Deux cas s'écartent de ce modèle. Pour activer les termes de recherche historiques, définissez user_id sur la requête de suggestion déroulante via SuggestParams plutôt que sur la requête de recherche. Le plug-in Cava ne prend aucun paramètre personnalisé : vous le configurez sur un objet Rank.

Tous les exemples de code de cette rubrique sont du pseudocode. Les lignes affichées sous la forme ... représentent du code omis, y compris celui qui crée les objets config et searcherClient.

Analyse des requêtes

L'analyse des requêtes alimente la vectorisation de texte et la reconnaissance d'entités nommées (NER). Le tableau ci-dessous détaille le paramètre personnalisé requis par l'analyse des requêtes.

Définissez raw_query dans la requête de recherche :

...
// Create a SearchParams object.
SearchParams searchParams = new SearchParams(config);
searchParams.setQuery("default:'OpenSearch'");

// Set the raw_query parameter.
Map<String, String> customParam = new HashMap<>();
customParam.put("raw_query", "OpenSearch");
searchParams.setCustomParam(customParam);

// Run the query and return the results as a SearchResult object.
SearchResult execute = searcherClient.execute(searchParams);
...

Prédiction de catégorie

La prédiction de catégorie utilise raw_query pour entraîner des modèles algorithmiques tels que les modèles de prédiction de catégorie. Le tableau suivant présente le paramètre personnalisé nécessaire à la prédiction de catégorie.

Définissez raw_query dans la requête de recherche :

...
// Create a SearchParams object.
SearchParams searchParams = new SearchParams(config);
searchParams.setQuery("default:'apple'");

// Set the raw_query parameter.
Map<String, String> customParam = new HashMap<>();
customParam.put("raw_query", "apple");
searchParams.setCustomParam(customParam);

// Run the query and return the results as a SearchResult object.
SearchResult execute = searcherClient.execute(searchParams);
...

Suggestions déroulantes

Les suggestions déroulantes exploitent trois paramètres personnalisés. Transmettez-les conjointement selon les fonctionnalités que vous souhaitez activer.

...
// Create a SearchParams object.
SearchParams searchParams = new SearchParams(config);
searchParams.setQuery("default:'apple'"); // driven by drop-down suggestion

// Set raw_query, user_id, and from_request_id to enable intelligent sorting.
Map<String, String> customParam = new HashMap<>();
customParam.put("raw_query", "apple");
customParam.put("user_id", "12345");
customParam.put("from_request_id", "159851481919726888064081");
searchParams.setCustomParam(customParam);

// Run the query and return the results as a SearchResult object.
SearchResult execute = searcherClient.execute(searchParams);
...

...
// Create a SearchParams object.
SearchParams searchParams = new SearchParams(config);
searchParams.setQuery("default:'apple'"); // driven by drop-down suggestion

// Set raw_query in the search request.
Map<String, String> customParam = new HashMap<>();
customParam.put("raw_query", "apple");
searchParams.setCustomParam(customParam);

// Run the query and return the results as a SearchResult object.
SearchResult execute = searcherClient.execute(searchParams);
...

// Set user_id in the drop-down suggestion request to enable historical search terms.
SuggestParams suggestParams = new SuggestParams();
suggestParams.setUserId("12345");

Recherches populaires et indices

Les recherches populaires et les indices utilisent raw_query pour entraîner des modèles algorithmiques, tels que les modèles de recherche populaire et les modèles d'indices. Transmettez from_request_id et user_id afin d'améliorer le classement et de collecter des métriques de guidage.

Définissez les paramètres dans la requête de recherche :

...
// Create a SearchParams object.
SearchParams searchParams = new SearchParams(config);
searchParams.setQuery("default:'apple'");

// Set raw_query, user_id, and from_request_id.
Map<String, String> customParam = new HashMap<>();
customParam.put("raw_query", "apple");
customParam.put("user_id", "12345");
customParam.put("from_request_id", "160851481919726888064913");
searchParams.setCustomParam(customParam);

// Run the query and return the results as a SearchResult object.
SearchResult execute = searcherClient.execute(searchParams);
...

Plug-in Cava

Le plug-in Cava applique une politique de classement personnalisée en deuxième phase via un script Cava. Contrairement aux autres modules d'algorithme abordés ici, il n'accepte aucun paramètre personnalisé : définissez le nom du script et le type de tri sur un objet Rank, puis appliquez cet objet à la requête de recherche.

Configurez la politique de classement et appliquez-la à la requête de recherche :

...
// Create a SearchParams object.
SearchParams searchParams = new SearchParams(config);
...

// Create a Rank object and configure Cava script-based ranking.
Rank rank = new Rank();
rank.setSecondRankName("test_cava");
rank.setSecondRankType(RankType.CAVA_SCRIPT);

// Apply the ranking policy to the search request.
searchParams.setRank(rank);