OpenSearch:Recherches populaires et suggestions de recherche

Créer un modèle dans la console

1. Connectez-vous à la console OpenSearch. Dans le volet de navigation de gauche, accédez à Search Algorithm Center > Search Guidance, puis cliquez sur Top Searches and Hints.

2. Cliquez sur Create.

   

3. Configurez les paramètres suivants :

   Paramètre	Description
   Model name	Un nom composé de lettres, de chiffres et de traits de soulignement (_). Le nom ne peut pas être composé uniquement de chiffres et ne doit pas dépasser 30 caractères.
   Model type	Sélectionnez Top Search Model ou Hint Model.
   Filter condition	(Facultatif) Restreint les requêtes de recherche historiques utilisées pour l'entraînement. Format : [parameter][operator][value]. Paramètres pris en charge : biz_type et user_id. Opérateurs pris en charge : <, >, <=, >=, =, !=. Séparez plusieurs conditions par des virgules — toutes les conditions sont appliquées avec une logique ET. Exemple : user_id=1,biz_type=1.

   

4. Recherchez le modèle dont le statut est Pending Training et cliquez sur Train dans la colonne Actions.

   

5. Une fois l'entraînement terminé, prévisualisez les résultats :

   • Aperçu des recherches populaires : Cliquez sur Preview Effects pour voir jusqu'à 10 recherches populaires recommandées par page, sur un maximum de 20 pages.

   • Aperçu des suggestions : Cliquez sur Preview Effects pour voir jusqu'à 30 suggestions recommandées, une par page.

Créer un modèle à l'aide de l'API ou du SDK

Lorsque vous créez un modèle via l'API, le système lance immédiatement l'entraînement du modèle dès réception de la demande de création.

Ajoutez le SDK Management and Control à votre projet :

<dependency>
    <groupId>com.aliyun</groupId>
    <artifactId>aliyun-java-sdk-opensearch</artifactId>
    <version>0.7.0</version>
</dependency>
<dependency>
    <groupId>com.aliyun</groupId>
    <artifactId>aliyun-java-sdk-core</artifactId>
    <version>4.5.0</version>
</dependency>

L'exemple suivant crée un modèle de recherche populaire. Définissez type sur "hot" pour un modèle de recherche populaire ou sur "hint" pour un modèle de suggestion.

import com.aliyuncs.DefaultAcsClient;
import com.aliyuncs.IAcsClient;
import com.aliyuncs.exceptions.ClientException;
import com.aliyuncs.exceptions.ServerException;
import com.aliyuncs.http.FormatType;
import com.aliyuncs.http.HttpResponse;
import com.aliyuncs.opensearch.model.v20171225.*;
import com.aliyuncs.profile.DefaultProfile;

public class CreateModel {
    public static void main(String[] args) {
        DefaultProfile profile = DefaultProfile.getProfile(
            "cn-beijing",
            System.getenv("ALIBABA_CLOUD_ACCESS_KEY_ID"),
            System.getenv("ALIBABA_CLOUD_ACCESS_KEY_SECRET")
        );
        IAcsClient client = new DefaultAcsClient(profile);

        CreateModelRequest request = new CreateModelRequest();
        request.setAppGroupIdentity("app_name");  // Replace with your application name

        // type: "hot" = top search model, "hint" = hint model
        // name: letters, digits, underscores only; max 30 characters
        String content = "{\"type\": \"hot\", \"name\": \"model_name\"}";
        request.setHttpContent(content.getBytes(), "UTF-8", FormatType.JSON);

        try {
            HttpResponse response = client.doAction(request);
            System.out.println(response.getHttpContentString());
        } catch (ServerException e) {
            e.printStackTrace();
        } catch (ClientException e) {
            e.printStackTrace();
        }
    }
}

<dependency>
    <groupId>com.aliyun.opensearch</groupId>
    <artifactId>aliyun-sdk-opensearch</artifactId>
    <version>3.5.0</version>
</dependency>

import java.util.HashMap;
import java.util.Map;
import com.alibaba.fastjson.JSON;
import com.aliyun.opensearch.OpenSearchClient;
import com.aliyun.opensearch.sdk.generated.OpenSearch;
import com.aliyun.opensearch.sdk.generated.commons.OpenSearchClientException;

public class Hot {
    private static final String accesskey = System.getenv("ALIBABA_CLOUD_ACCESS_KEY_ID");
    private static final String secret    = System.getenv("ALIBABA_CLOUD_ACCESS_KEY_SECRET");
    private static final String host      = "<endpoint>";      // e.g., http://opensearch-cn-hangzhou.aliyuncs.com
    private static final String appName   = "<your-app-name>";

    // API path for top searches
    private static final String HOT_API_PATH = "/apps/{app_name}/actions/hot";

    public static void main(String[] args) {
        OpenSearch openSearch = new OpenSearch(accesskey, secret, host);
        OpenSearchClient client = new OpenSearchClient(openSearch);

        String requestPath = HOT_API_PATH.replace("{app_name}", appName);

        Map<String, String> params = new HashMap<>();
        params.put("model_name", "<your-model-name>");  // The model name you created
        params.put("hit", "20");  // Number of results to return (max 30 for top searches, 10 for hints)

        try {
            String response = client.call(requestPath, params, OpenSearchClient.METHOD_GET);
            System.out.println(JSON.toJSONString(response));
        } catch (OpenSearchClientException e) {
            e.printStackTrace();
        }
    }
}

Liste des modèles

La page Top Searches and Hints répertorie tous les modèles avec leur nom, type, date de création, statut, heure de début du dernier entraînement et statut de la dernière version. Définissez un modèle comme modèle par défaut — lorsqu'aucun model_name n'est spécifié dans une requête, le modèle par défaut est utilisé.

Détails du modèle

Cliquez sur un nom de modèle pour ouvrir sa page de détails. La section Basic Information affiche le statut actuel du modèle et les horodatages d'entraînement. La section Training History répertorie chaque session d'entraînement avec sa version, son statut, son heure de début et son heure de fin.

Dépanner un entraînement ayant échoué

Sur la page de détails du modèle, placez le curseur sur Exception Report pour voir la raison de l'échec. Placez le curseur sur View Conditions for Integrity Level Upgrade pour voir les critères que le modèle doit respecter pour atteindre un niveau d'intégrité supérieur.

Configurer les listes noires et les listes d'autorisation

Dans la section Configuration Information, cliquez sur Configure pour configurer une liste noire ou une liste d'autorisation pour le modèle. Pour plus de détails, consultez Blacklists and whitelists.

Ajuster la taille de la liste des recherches populaires

Par défaut, la liste des recherches populaires affiche jusqu'à 10 000 entrées. Définissez une limite personnalisée (minimum : 100) en fonction de vos besoins métier.

Connecter les données comportementales des utilisateurs

Les recherches populaires et les suggestions générées à partir des journaux de recherche bruts constituent un bon point de départ, mais la connexion des données comportementales des utilisateurs améliore la qualité des recommandations au fil du temps.

Incluez les paramètres suivants dans les requêtes de recherche pour activer le suivi comportemental :

• from_request_id — Définissez cette valeur sur le request_id renvoyé lorsqu'un utilisateur clique sur une recherche populaire ou une suggestion. Cela lie la recherche suivante à la recommandation qui l'a déclenchée.

• user_id — Active les métriques de visiteurs uniques (UV) dans les rapports d'exploitation métier.

Fonctionnement de bout en bout :

1. Un utilisateur voit une liste de recherches populaires renvoyée par l'API. La réponse inclut un request_id.

2. L'utilisateur clique sur une recherche populaire, ce qui déclenche une nouvelle requête de recherche.

3. Définissez from_request_id dans cette requête de recherche sur le request_id de l'étape 1.

4. Si l'utilisateur parcourt les résultats page par page, définissez également from_request_id dans chaque requête de changement de page — chaque vue de page compte comme une vue de page (PV) indépendante.

Une fois ces données connectées, les rapports d'exploitation métier afficheront :

• Les vues de page (PV) et les visiteurs uniques (UV) des recherches guidées par les recherches populaires et les suggestions

• Le taux de résultats nuls pour les recherches guidées

• Le taux de clics sur les recommandations

• Les tendances d'intérêt des utilisateurs pour la planification opérationnelle