Utilisation
Affinez manuellement les résultats d'un modèle de prédiction de catégorie entraîné. La procédure est similaire à l'intervention dans l'analyse des requêtes et comprend généralement les trois étapes suivantes :
1. Créez un dictionnaire d'intervention. Dans la console, accédez à Search Algorithm Center > Retrieval Configuration > Dictionary Management. Cliquez sur Create dans le coin supérieur droit, sélectionnez un type de dictionnaire et saisissez un nom. Le nouveau dictionnaire s'ajoute alors à la liste.
2. Ajoutez et gérez les entrées d'intervention. Une fois le dictionnaire créé, cliquez sur son nom ou sur Manage dans la liste des dictionnaires pour ouvrir sa page de détails. Sur cette page, ajoutez et gérez les entrées d'intervention. Ajustez la pertinence des catégories pour une requête spécifique afin de corriger les prédictions inexactes du modèle ou d'ajouter des catégories non identifiées par celui-ci.
3. Utilisez le dictionnaire d'intervention. Une fois le dictionnaire d'intervention pour la prédiction de catégorie créé et renseigné, appliquez-le à n'importe quel modèle de prédiction de catégorie. Si le dictionnaire d'intervention et le modèle de prédiction de catégorie définissent tous deux un score de pertinence pour la même catégorie et la même requête, le système fusionne les deux résultats.
Par exemple, pour la requête « A Smile is Beautiful », le modèle de prédiction de catégorie calcule une pertinence de 0 (aucune pertinence) pour la catégorie 20 et de 2 (forte pertinence) pour la catégorie 10. Dans le dictionnaire d'intervention, la pertinence de la catégorie 20 est modifiée à 2 (forte pertinence) et une pertinence de 1 (faible pertinence) est ajoutée pour la catégorie 30. Les scores de pertinence finaux fusionnés sont les suivants : pertinence de 2 pour la catégorie 20, de 1 pour la catégorie 30 et de 2 pour la catégorie 10.
Cas d'utilisation
Scénario : Après avoir constaté des résultats de recherche incorrects dans leur environnement de production, une entreprise de commerce électronique utilise la fonctionnalité d'intervention de son modèle de prédiction de catégorie dans l'instance d'application OpenSearch.
Problème : Lorsqu'un utilisateur saisit la requête « milk », des produits tels que des « tasses à lait » apparaissent plus haut dans les résultats de recherche que le lait lui-même.
Diagnostic : Le modèle de prédiction de catégorie a calculé de manière incorrecte la pertinence des catégories pour la requête « milk ».
Solution : Créez un dictionnaire d'intervention pour la prédiction de catégorie. Dans le dictionnaire, ajoutez une entrée d'intervention pour la requête « milk ». Définissez la pertinence de la catégorie « household supplies » (ID 20), qui contient les « tasses à lait », sur faible. Définissez la pertinence de la catégorie « food » (ID 15), qui contient le « milk », sur forte.
Procédure :
1. Dans la console, accédez à Search Algorithm Center > Retrieval Configuration > Dictionary Management. Définissez le type de dictionnaire sur Category Prediction et cliquez sur Create pour créer un dictionnaire d'intervention pour la prédiction de catégorie.
2. Dans le dictionnaire « test_2 », cliquez sur Add Intervention Entry. Dans le champ Query, saisissez « milk ». Dans le champ Category ID-Relevance, saisissez « 20-1;15-2 » (2 indique une forte pertinence, 1 indique une faible pertinence et 0 indique aucune pertinence).
3. Appliquez le dictionnaire d'intervention au modèle de prédiction de catégorie production :
Dans la boîte de dialogue Edit Rule, cochez la case Category Prediction. Dans la liste déroulante Intervention Dictionary, sélectionnez test_2. Pour Category Prediction Model, sélectionnez cate_test_lsh_1. Cliquez sur OK pour terminer la configuration.
Notes d'utilisation
Le nom du dictionnaire ne peut pas être modifié après sa création.
Lors de l'ajout d'une nouvelle entrée d'intervention, la requête doit être unique. Pour modifier une intervention existante, recherchez la requête dans la liste et modifiez directement ses paramètres Category ID-Relevance.
Pour ajouter plusieurs paires ID de catégorie-pertinence pour une seule requête, séparez chaque paire par un point-virgule (;).
Après avoir ajouté ou modifié une entrée d'intervention, si le statut reste « Applying », cliquez sur le bouton Refresh pour afficher le dernier statut.
Un seul dictionnaire d'intervention pour la prédiction de catégorie peut être appliqué à plusieurs modèles de prédiction de catégorie.
Les dictionnaires d'intervention n'affectent pas l'entraînement du modèle.
Un dictionnaire d'intervention appliqué à un modèle, qu'il soit en production ou non, ne peut pas être supprimé. Vous devez d'abord dissocier le dictionnaire de tous les modèles avant de pouvoir le supprimer.
Limitations
Vous pouvez créer un maximum de 10 dictionnaires d'intervention pour la prédiction de catégorie.
Chaque entrée d'intervention ne peut contenir qu'une seule requête. Une seule requête peut comporter un maximum de cinq paires ID de catégorie-pertinence.
Chaque dictionnaire d'intervention pour la prédiction de catégorie peut contenir un maximum de 500 entrées d'intervention.
Une intervention pour la prédiction de catégorie prend effet uniquement si la requête de recherche correspond exactement. Par exemple, si vous créez une intervention pour la requête « dress » afin de définir la pertinence de la catégorie 23 sur forte, elle s'appliquera lorsqu'un utilisateur recherchera « dress ». Cependant, elle ne s'appliquera pas si l'utilisateur recherche « 2018 dress ».
Tout le contenu ajouté à une entrée d'intervention est normalisé. Les lettres majuscules sont converties en minuscules et les caractères pleine largeur sont convertis en caractères demi-largeur.