OpenSearch：Saran drop-down

Fitur saran drop-down secara cerdas mengekstraksi kueri dari konten dokumen. Anda dapat memperoleh kueri kandidat berdasarkan awalan bahasa Tionghoa, awalan Pinyin lengkap, awalan akronim Pinyin, kombinasi karakter Tionghoa dan Pinyin, awalan setelah tokenisasi, serta homofon Tionghoa.

Sebagai contoh, Anda dapat memperoleh kueri long dress dengan mencari salah satu dari berikut:

• Awalan Tionghoa: 连, 连衣, ….

• Awalan Pinyin lengkap: l, li, lian, lianyi, lianyiqun, …

• Awalan akronim Pinyin: l, ly, lyq, …

• Karakter Tionghoa dan Pinyin: dress yi, one-piece dress qun, …

• Awalan setelah tokenisasi: long style, long style one-piece dress, one-piece dress long, …

• Homofon Tionghoa: one-piece dress group, social group, …

Selain itu, Anda dapat menggunakan entri intervensi untuk mengelola data saran drop-down serta melihat berbagai metrik bisnis terkait fitur ini. Untuk informasi selengkapnya, lihat Laporan saran drop-down.

Sumber data

Data saran drop-down terutama berasal dari dokumen aplikasi. Untuk setiap model saran drop-down, Anda dapat memilih hingga tiga bidang dari satu aplikasi sebagai sumber data. Selama pemrosesan, sistem memilih sebagian dokumen dari aplikasi—jumlahnya bisa mencapai jutaan—lalu memproses bidang-bidang yang dipilih sesuai aturan tertentu untuk menghasilkan data kandidat saran. Terakhir, sistem menyimpan sejumlah data tertentu sebagai kueri kandidat berdasarkan aturan lainnya.

Aturan Pembuatan Kueri

Sistem menghasilkan kueri kandidat dari kueri historis selama N hari terakhir (default-nya 7). Faktor yang dipertimbangkan meliputi bobot kata kunci kueri, jumlah hasil yang diambil, frekuensi pencarian historis, serta apakah kueri tersebut menghasilkan respons pada hari sebelumnya. Proses ini memilih kueri pencarian historis populer sebagai kandidat. Sistem mendukung dua aturan untuk menghasilkan kueri kandidat: Ekstraksi dan pembuatan serta Pertahankan nilai asli.

• Ekstraksi dan pembuatan: Aturan ini menggunakan alat analisis dari tim Alibaba Cloud NLP yang dilatih menggunakan data bahasa alami dalam jumlah besar. Alat analisis melakukan tokenisasi konten bidang, mengekstraksi istilah bermakna, lalu menggabungkannya untuk membuat kueri kandidat. Metode ini membantu memastikan bahwa kueri yang dihasilkan dapat mengambil dokumen yang sesuai.

• Pertahankan nilai asli: Aturan ini menggunakan konten bidang secara langsung sebagai kueri kandidat tanpa tokenisasi. Jika panjang konten bidang melebihi batas 30 karakter, bidang tersebut dipotong dan 30 karakter pertama digunakan sebagai kueri kandidat. Metode ini cocok untuk bidang aplikasi yang tidak memerlukan tokenisasi, seperti nama toko, username, atau judul lagu. Metode ini juga berguna ketika Anda membuat sendiri kueri kandidat dan ingin menampilkannya apa adanya. Kami menyarankan agar Anda menggunakan bidang yang singkat dan jelas.

Intervensi manual

Saran drop-down mendukung metode intervensi berikut:

• Anda dapat melakukan intervensi terhadap hasil kueri kandidat menggunakan daftar hitam dan daftar putih.

• Anda dapat mengatur kondisi filter untuk dokumen aplikasi sumber data. Setelah mengonfigurasi kondisi filter, hanya dokumen aplikasi yang memenuhi kondisi tersebut yang digunakan untuk menghasilkan kueri kandidat saran drop-down.

Konfigurasi konsol ditunjukkan pada gambar berikut:

Intervensi Hasil Kueri Kandidat

Daftar hitam: Kata kunci dalam daftar hitam mendukung pencocokan 'mengandung'. Kueri yang mengandung kata kunci dari daftar hitam tidak akan muncul dalam hasil saran drop-down. Jika hasil yang tidak diinginkan muncul dalam saran Anda, Anda dapat menambahkan kata kunci ke daftar hitam untuk memblokirnya.

Daftar putih: Saat kueri dari daftar putih memenuhi kriteria rekomendasi, kueri tersebut diprioritaskan dalam saran drop-down. Jika beberapa kueri berkualitas tinggi tidak dikenali atau peringkatnya rendah, Anda dapat menambahkannya ke daftar putih untuk mendapatkan hasil saran yang lebih baik. Untuk informasi selengkapnya tentang cara mengonfigurasi daftar hitam dan daftar putih, klik di sini.

• Untuk lebih meningkatkan efektivitas saran drop-down—misalnya meningkatkan volume pencarian yang diarahkan oleh saran dan tingkat klik hasil pencarian—kami sangat menyarankan agar Anda mengaitkan permintaan saran drop-down dengan permintaan pencarian. Informasi tentang metode pengaitan tersedia di bagian "Mengaitkan permintaan saran drop-down dengan permintaan pencarian" di akhir topik ini.

• Pilih bidang yang memiliki konten ringkas dan relevan dengan subjek dokumen.

• Gunakan aturan Ekstraksi dan pembuatan serta Pertahankan nilai asli secara tepat.

• Dalam hasil kueri, suggestions berisi hasil kueri saat ini, sedangkan errors menunjukkan apakah terjadi error. Bidang errors yang tidak kosong tidak berarti bahwa suggestions kosong. Oleh karena itu, saat mengurai hasil, periksa apakah suggestions kosong untuk menentukan apakah tidak ada data yang perlu ditampilkan.

1. Di Search Algorithm Center, buka Search Guidance > Drop-down Suggestions lalu klik Create:

2. Masukkan Model Name, pilih Training Fields dan metode ekstraksi, aktifkan Historical Search Queries (Opsional), masukkan Filter Conditions (Opsional), lalu klik Finish:

3. Pada halaman daftar saran drop-down, klik Train Model untuk melatih model yang telah dibuat:

4. Pelatihan model saran drop-down membutuhkan waktu sekitar 20 hingga 30 menit untuk selesai.

5. Setelah pelatihan model selesai, Anda dapat menguji efek saran drop-down. Gambar berikut menunjukkan hasil pengujian untuk metode ekstraksi Extract dan Retain original value:

Retain original value:

Extract:

6. Kueri kata kandidat secara online, seperti yang ditunjukkan pada demo berikut. Untuk instruksi API lengkap, lihat Panduan pengembangan saran drop-down.

Halaman Daftar Saran Drop-down

Di konsol OpenSearch, buka Search Algorithm Center > Search Guidance > Drop-down Suggestions untuk membuka halaman daftar saran drop-down, seperti yang ditunjukkan pada gambar berikut:

Halaman daftar menampilkan informasi tentang model saran drop-down, seperti Model Name, Creation Time, Model Status, dan Last Training Status. Statusnya bisa berupa Pending Training, Training, Trained and Passed, atau Data Abnormal. Kolom Operations memungkinkan Anda melihat detail, melatih, dan menghapus model.

Halaman Detail Model Saran Drop-down

Informasi Dasar: Menampilkan waktu pembuatan model, status, waktu mulai pelatihan terakhir, dan status versi terbaru. Jika statusnya Data Abnormal, jendela pop-up "Abnormal Report" akan ditampilkan di bawah tabel.

Informasi Konfigurasi: Menampilkan bidang pelatihan, kondisi filter, daftar hitam/daftar putih, pelatihan terjadwal, dan kueri pencarian historis yang dikonfigurasi untuk model.

Validasi Data: Menampilkan integritas data dan tingkat integritas pelatihan model.

Riwayat Pelatihan: Menampilkan catatan pelatihan untuk model.

Data metrik inti

Anda dapat memilih rentang waktu berbeda untuk menampilkan data metrik inti model saran drop-down dalam bentuk tabel dan grafik garis.

Catatan: Untuk informasi tentang arti metrik tertentu, lihat Laporan saran drop-down.

API:

GET v3/openapi/suggestions/{suggestion_name}/actions/search?hit=10&query={your_query}&re_search=homonym&user_id=xxx

Dependensi Maven Java SDK:

<dependency>
    <groupId>com.aliyun.opensearch</groupId>
    <artifactId>aliyun-sdk-opensearch</artifactId>
    <version>4.0.0</version>
</dependency>

Tautan terkait: Panduan Versi

Demo kode:

package com.example.opensearch;

import com.aliyun.opensearch.OpenSearchClient;
import com.aliyun.opensearch.SuggestionClient;
import com.aliyun.opensearch.sdk.generated.OpenSearch;
import com.aliyun.opensearch.sdk.generated.commons.OpenSearchClientException;
import com.aliyun.opensearch.sdk.generated.commons.OpenSearchException;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;

import java.nio.charset.Charset;

public class SuggestDemo {
    static private final String accesskey = "Masukkan Informasi AccessKey Anda";
    static private final String secret = "Masukkan informasi rahasia Anda";
    static private final String host = "Masukkan host Wilayah tempat aplikasi yang terkait dengan saran drop-down berada";
    OpenSearch openSearch;
    OpenSearchClient openSearchClient;
    static private final byte hits = 8; // Jumlah maksimum saran drop-down yang dikembalikan
    static private final String suggestionName = "Masukkan nama saran drop-down"; // Masukkan nama saran drop-down

    @Before
    public void setUp() {
        // Inisialisasi objek OpenSearch
        openSearch = new OpenSearch(accesskey, secret, host);
        openSearchClient = new OpenSearchClient(openSearch);
    }

    @Test
    public void TestEnv() {
        // Lihat file dan format encoding default
        System.out.println(String.format("file.encoding: %s", System.getProperty("file.encoding")));
        System.out.println(String.format("defaultCharset: %s", Charset.defaultCharset().name()));

        // Buat objek SuggestionClient
        SuggestionClient suggestionClient = new SuggestionClient("app_name", suggestionName, openSearchClient);
        String query = "Masukkan kueri pencarian";
try {
            SuggestParams suggestParams = new SuggestParams();
            suggestParams.setQuery(query); // Atur kueri pencarian
            suggestParams.setHits(10); // Atur jumlah maksimum saran drop-down yang dikembalikan
            suggestParams.setUserId("12345678"); // Atur user_id
            // Fitur pelengkapan dan pengambilan homonim Tionghoa diaktifkan secara default. Anda dapat menambahkan parameter re_search ke permintaan untuk menyesuaikan pengaturan ini.
            // ReSearch.findByValue(1) menonaktifkan fitur. ReSearch.findByValue(0) atau mengabaikan parameter mengaktifkan fitur.
            suggestParams.setReSearch(ReSearch.findByValue(1));
            SearchResult result = suggestionClient.execute(suggestParams); 
            System.out.println(result); // Cetak hasil pengambilan
        } catch (OpenSearchException e) {
            e.printStackTrace();
        } catch (OpenSearchClientException e) {
            e.printStackTrace();
        }
    }

    @After
    public void clean() {
        openSearch.clear();
    }
}

Untuk informasi selengkapnya tentang Java SDK untuk saran drop-down, lihat Demo saran drop-down.

Tampilan Hasil Pengambilan:

{
  "request_id": "159851481919726888064081",
  "searchtime": 0.006246,
  "suggestions": [
    {
      "suggestion": "skirt fashion"
    },
    {
      "suggestion": "skirt for petite dress"
    },
    {
      "suggestion": "skirt polka dot dress"
    },
    {
      "suggestion": "skirt youthful"
    },
    {
      "suggestion": "skirt polka dot"
    },
    {
      "suggestion": "skirt for petite"
    },
    {
      "suggestion": "skirt for petite polka dot"
    }
  ]
}

Catatan: requestID yang dikembalikan dalam hasil pengambilan dapat digunakan untuk mengaitkan permintaan pencarian.

Mengaitkan permintaan saran drop-down dengan permintaan pencarian membantu bisnis Anda dalam hal berikut:

1. Anda dapat mengumpulkan metrik untuk mengukur efek saran drop-down terhadap pencarian. Metrik tersebut meliputi jumlah tampilan halaman (PV) pencarian yang diarahkan oleh saran, tingkat klik pencarian terarah, serta laju pencarian terarah yang menghasilkan sedikit atau tidak ada hasil. Untuk informasi selengkapnya tentang metrik ini, lihat Laporan saran drop-down.

2. Berdasarkan data permintaan yang dikaitkan, Anda dapat memperoleh data seperti klik saran drop-down. Hal ini memungkinkan Anda mengoptimalkan model pengurutan saran drop-down dan meningkatkan efektivitas pencarian terarah.

   Metode pengaitan:

   Dalam permintaan pencarian aplikasi OpenSearch, jika permintaan tersebut diarahkan oleh saran drop-down, sertakan parameter from_request_id={from_request_id}. from_request_id menunjukkan sumber permintaan pencarian. Jika kueri saat ini berasal dari daftar rekomendasi fitur seperti saran drop-down, pencarian teratas, atau petunjuk, Anda dapat menetapkan request_id dari daftar rekomendasi tersebut ke parameter ini. Dengan mengaitkan event panduan ini, Anda dapat menghitung berbagai metrik untuk fitur hulu, mengukur efektivitasnya, serta memperoleh data untuk membantu optimasi. Parameter ini juga dijelaskan dalam Dokumentasi pemrosesan pencarian.

Contoh:

requestID dari hasil kueri API saran drop-down adalah 159851481919726888064081. Untuk mengaitkan ID ini dengan permintaan pencarian, lihat contoh berikut:

SearchParams searchParams = new SearchParams(config);
searchParams.setQuery("title:'skirt for petite'"); // Diarahkan oleh saran drop-down

/// Tambahkan parameter from_request_id
Map<String, String> customParam =new HashMap<>();
customParam.put("from_request_id","159851481919726888064081");
searchParams.setCustomParam(customParam);

// Jalankan kueri dan kembalikan objek data
SearchResult execute = searcherClient.execute(searchParams);
// Kembalikan data kueri sebagai string
String result = execute.getResult();
System.out.println(result);