OpenSearch：Kamus intervensi untuk prediksi kategori

OpenSearch memungkinkan Anda melakukan intervensi pada hasil perhitungan model prediksi kategori yang telah dilatih dengan langkah-langkah berikut, mirip dengan langkah-langkah untuk intervensi analisis kueri:

1. Buat Kamus Intervensi untuk Prediksi Kategori. Untuk membuat kamus intervensi, masuk ke konsol OpenSearch. Di panel navigasi sebelah kiri, pilih Pusat Algoritma Pencarian > Konfigurasi Pengambilan. Di halaman Konfigurasi Dasar, klik Manajemen Kamus di panel sebelah kiri. Di halaman Manajemen Kamus, klik Buat di pojok kiri atas. Tentukan nama untuk kamus intervensi, pilih tipe kamus, lalu klik Simpan. Setelah dibuat, kamus intervensi akan muncul dalam daftar kamus.

2. Buat dan kelola entri intervensi dalam kamus intervensi. Untuk mengakses halaman manajemen entri dari kamus yang telah dibuat, temukan kamus dalam daftar kamus dan klik Kelola Entri di kolom Tindakan. Di halaman ini, buat dan kelola entri intervensi sesuai kebutuhan. Untuk mengubah urutan dokumen terkait suatu kategori atau menampilkan dokumen terkait kategori tertentu, Anda dapat menetapkan, menghapus, atau mengubah nilai relevansi terhadap kategori sesuai kebutuhan.

3. Gunakan Kamus Intervensi. Setelah membuat entri intervensi dalam kamus intervensi, Anda dapat menggunakan kamus tersebut dalam model prediksi kategori. Jika kamus intervensi dan model prediksi kategori menetapkan nilai relevansi berbeda untuk kategori yang sama dalam kueri pencarian, nilai relevansi dalam kamus intervensi yang berlaku.

• OpenSearch menggunakan 0 untuk merepresentasikan tidak ada relevansi, 1 untuk relevansi lemah, dan 2 untuk relevansi kuat. Sebagai contoh, untuk kueri pencarian "A Smile is Beautiful", nilai relevansi terhadap kategori 20 adalah 0 dan nilai relevansi terhadap kategori 10 adalah 2 dalam model prediksi kategori. Namun, dalam kamus intervensi, nilai relevansi terhadap kategori 20 adalah 2 dan nilai relevansi terhadap kategori 30 adalah 1. Dalam kasus ini, nilai relevansi berikut berlaku untuk kueri pencarian "A Smile is Beautiful": Nilai relevansi terhadap kategori 20 adalah 2, nilai relevansi terhadap kategori 30 adalah 1, dan nilai relevansi terhadap kategori 10 adalah 2.

Skenario: E-commerce telah mengonfigurasikan model prediksi kategori untuk instance aplikasi di OpenSearch. Namun, hasil pencarian yang dikembalikan di lingkungan online tidak memuaskan. Untuk menyelesaikan masalah ini, intervensi dalam prediksi kategori diterapkan.

Hasil Pencarian yang Tidak Memuaskan: Saat kueri pencarian adalah "susu", komoditas tentang cangkir susu alih-alih susu berada di posisi teratas dalam hasil pencarian.

Deskripsi Masalah: OpenSearch dapat menghitung skor pengurutan hasil pencarian untuk kueri pencarian menggunakan model prediksi kategori. Dalam contoh ini, skor pengurutan hasil pencarian untuk kueri pencarian "susu" salah.

Solusi: Buat kamus intervensi untuk prediksi kategori dan konfigurasikan kueri pencarian "susu" dalam entri intervensi. Dalam contoh ini, ID kategori perlengkapan rumah tangga tempat cangkir susu termasuk adalah 20 dan ID kategori makanan tempat susu termasuk adalah 15. Untuk melakukan intervensi dalam hasil pencarian kueri pencarian "susu", Anda dapat menetapkan nilai relevansi terhadap kategori 20 menjadi 1 dan nilai relevansi terhadap kategori 15 menjadi 2 untuk kueri pencarian "susu".

Prosedur:

1. Masuk ke konsol OpenSearch. Di panel navigasi sebelah kiri, pilih Pusat Algoritma Pencarian > Konfigurasi Pengambilan. Di halaman Konfigurasi Dasar, klik Manajemen Kamus di panel sebelah kiri. Di halaman Manajemen Kamus, klik Buat di pojok kiri atas untuk membuat kamus intervensi. Di panel Buat Kamus Analisis Kueri, tentukan nama untuk kamus intervensi dan atur parameter Tipe Kamus menjadi Intervensi Prediksi Kategori.

2. Di halaman Kelola Entri dari kamus intervensi yang telah dibuat, klik Tambah Entri Intervensi. Di panel Tambah Entri Intervensi, masukkan susu di kolom Kueri dan 20-1;15-2 di kolom ID Kategori-Relevansi. Nilai relevansi adalah 2, 1, 0 dalam urutan menurun berdasarkan relevansi.

3. Terapkan kamus intervensi ke model prediksi kategori yang digunakan dalam aplikasi online.

• Anda tidak dapat mengubah nama kamus intervensi setelah dibuat.

• Anda harus menentukan kueri pencarian yang berbeda untuk entri intervensi yang berbeda. Anda dapat menambah, menghapus, atau mengubah nilai relevansi terhadap kategori untuk kueri pencarian yang sudah ada dalam kamus intervensi untuk prediksi kategori.

• Anda dapat menetapkan nilai relevansi terhadap kategori dalam pasangan dengan format berikut: ID kategori-nilai relevansi. Jika Anda ingin menetapkan nilai relevansi terhadap beberapa kategori untuk kueri pencarian, pisahkan pasangan dengan titik koma (;).

• Jika entri intervensi tetap dalam status Memvalidasi, Anda dapat mengklik Segarkan untuk mendapatkan status terbaru.

• Kamus intervensi dapat digunakan oleh beberapa model prediksi kategori.

• Kamus intervensi tidak memengaruhi pelatihan model prediksi kategori.

• Jika kamus intervensi digunakan oleh model, baik model tersebut diterapkan ke aplikasi online maupun tidak, Anda tidak dapat menghapus kamus tersebut. Anda harus terlebih dahulu menghapus kamus dari model.

• Anda dapat membuat maksimal 10 kamus intervensi untuk prediksi kategori.

• Anda hanya dapat menentukan satu kueri pencarian untuk entri intervensi. Setiap kueri pencarian mendukung lima nilai relevansi terhadap kategori.

• Anda dapat membuat maksimal 500 entri intervensi dalam kamus intervensi untuk prediksi kategori.

• Entri intervensi hanya berlaku jika kueri pencarian aktual sepenuhnya cocok dengan kueri pencarian yang telah ditentukan dalam entri. Sebagai contoh, Anda menetapkan nilai relevansi terhadap kategori 23 menjadi 2 untuk kueri pencarian "dress". Saat kueri pencarian aktual adalah "dress", OpenSearch menghitung skor pengurutan untuk hasil pencarian tentang kategori 23 berdasarkan nilai relevansi. Namun, perhitungan tidak dilakukan jika kueri pencarian aktual adalah "dress 2018".

• OpenSearch menormalisasi konten entri intervensi. Semua huruf besar diubah menjadi huruf kecil dan semua karakter lebar penuh diubah menjadi karakter lebar setengah.