OpenSearch：Gunakan prediksi kategori

Catatan: Untuk membuat prediksi kategori berlaku, Anda harus menyelesaikan semua konfigurasi pada gambar sebelumnya.

Buat dan latih model prediksi kategori

1. Di panel navigasi di sebelah kiri, pilih Pusat Algoritma Pencarian > Konfigurasi Pengurutan. Di pohon navigasi di sebelah kiri halaman yang muncul, klik Model Prediksi Kategori. Lalu, klik Buat.

2. Di halaman Buat Prediksi Kategori, tentukan informasi model seperti nama model, tipe data, ID komoditas, judul komoditas, ID kategori, nama kategori, dan kondisi filter.

• Tipe Data:

  • Data Komoditas: Data dokumen dalam aplikasi saat ini. Jika memilih Data Komoditas sebagai tipe data, pastikan bahwa data dokumen tersebut berisi bidang ID kategori, judul komoditas, dan nama kategori.

  • Data Perilaku: Data perilaku klik yang dikumpulkan. Untuk informasi lebih lanjut, lihat topik tentang pengumpulan data.

• ID Kategori: Bidang yang mewakili ID kategori dalam dokumen aplikasi. Tipe data INT didukung. Parameter ini wajib.

• Judul Komoditas: Bidang yang mewakili judul komoditas dalam dokumen aplikasi. Tipe data TEXT dan LITERAL didukung. Parameter ini wajib.

• Nama Kategori: Bidang yang mewakili nama kategori dalam dokumen aplikasi. Tipe data TEXT dan LITERAL didukung. Parameter ini wajib.

• Kondisi Filter: Kondisi yang digunakan untuk menyaring data pelatihan untuk model. Parameter ini opsional. Jika mengatur parameter ini, pastikan bahwa nama bidang dalam kondisi filter sama dengan yang ada di skema aplikasi. Operator berikut didukung: <, >, <=, >=, =, dan !=. Jika mengonfigurasi beberapa kondisi filter, pisahkan kondisi tersebut dengan koma (,). Dalam hal ini, semua kondisi berlaku secara bersamaan berdasarkan operasi logika AND. Operasi logika OR tidak didukung. Contoh: is_onsale > 0.

3. Setelah model dibuat, klik Selesai untuk pergi ke halaman detail model prediksi kategori.

4. Kembali ke halaman Model Prediksi Kategori. Model yang dibuat berada dalam status Menunggu Pelatihan. Klik Latih di kolom Tindakan model untuk melatih model.

Model prediksi kategori dapat berada dalam salah satu dari status berikut:

• Menunggu Pelatihan: Menunjukkan bahwa model telah dibuat tetapi belum dilatih.

• Pelatihan: Menunjukkan bahwa model telah dibuat dan sedang dilatih.

• Pelatihan Gagal: Menunjukkan bahwa pelatihan model gagal karena kesalahan data.

• Tidak Diterapkan: Menunjukkan bahwa model telah dilatih tetapi tidak dirujuk untuk pengambilan atau pengurutan.

• Dilatih dan Tidak Lulus: Menunjukkan bahwa model telah dilatih tetapi gagal lulus pelatihan.

Jika memiliki pertanyaan, ajukan tiket.

Konfigurasikan analisis kueri dan ekspresi pengurutan

1. Di panel navigasi di sebelah kiri, pilih Pusat Algoritma Pencarian > Konfigurasi Pengambilan. Di pohon navigasi di sebelah kiri halaman yang muncul, klik Konfigurasi Aturan Analisis Kueri. Lalu, klik Buat untuk membuat aturan analisis kueri.

2. Konfigurasikan dan buat aturan analisis kueri.

3. Terapkan model prediksi kategori ke pengurutan kasar atau pengurutan halus. Di panel navigasi di sebelah kiri, pilih Pusat Algoritma Pencarian > Konfigurasi Pengurutan. Di halaman Manajemen Kebijakan, klik Buat untuk membuat kebijakan pengurutan.

Untuk menerapkan model prediksi kategori ke pengurutan kasar, lakukan langkah-langkah berikut:

1. Di halaman Buat Kebijakan, masukkan nama kebijakan. Pilih Pengurutan Kasar dari daftar drop-down Ruang Lingkup. Putaran pertama pengurutan adalah pengurutan kasar. Lalu, pilih Ekspresi dari daftar drop-down Jenis. Hanya ekspresi yang didukung di konsol. Plugin kustom akan didukung nanti.

2. Di langkah Konfigurasi Pengurutan, pilih category_score() dari daftar drop-down Karakteristik Penilaian.

3. Pilih bidang, atur bobot, lalu simpan konfigurasi.

Untuk menerapkan model prediksi kategori ke pengurutan halus, lakukan langkah-langkah berikut:

1. Di halaman Buat Kebijakan, masukkan nama kebijakan. Pilih Pengurutan Halus dari daftar drop-down Ruang Lingkup. Putaran kedua pengurutan adalah pengurutan halus. Lalu, pilih Ekspresi dari daftar drop-down Jenis. Hanya ekspresi yang didukung di konsol. Plugin kustom akan didukung nanti.

2. Di langkah Konfigurasi Pengurutan, pilih category_score(cate_id_field) dari daftar drop-down Fungsi Bawaan.

3. Ganti variabel cate_id_field dengan ID kategori model dan simpan konfigurasi.

4. Lihat status model prediksi kategori setelah model dirujuk oleh kebijakan pengurutan.

5. Lakukan uji pencarian pada aplikasi model prediksi kategori dan lihat hasil tes. Dalam langkah ini, Anda harus mengatur parameter raw_query= ke kueri pencarian.

Panggil operasi pencarian di SDK

Atur parameter raw_query:

• Parameter ini digunakan untuk pencarian berdasarkan prediksi kategori. Hasil pencarian diurutkan berdasarkan prediksi kategori hanya ketika kueri pencarian sama dengan nilai parameter raw_query.

• Kami sarankan Anda mengatur parameter ini ke kueri pencarian yang dimasukkan oleh pengguna Anda. Anda harus mengatur parameter ini dalam format berikut:

  raw_query=konten
  // Jika Anda memanggil operasi API untuk meneruskan kueri pencarian ke parameter, kueri pencarian harus dienkripsi menggunakan fungsi URL_ENCODE. Jika Anda menggunakan SDK untuk meneruskan kueri pencarian ke parameter, kueri pencarian tidak perlu dienkripsi.

  Contoh: Tabel berikut menjelaskan aturan analisis kueri aplikasi.

1. Jika indeks pencarian dikonfigurasi dengan prediksi kategori dinonaktifkan dan permintaan berisi parameter raw_query, hasil pencarian tidak diurutkan berdasarkan prediksi kategori.

2. Jika indeks pencarian dikonfigurasi dengan prediksi kategori dinonaktifkan dan permintaan tidak berisi parameter raw_query, hasil pencarian tidak diurutkan berdasarkan prediksi kategori.

3. Jika indeks pencarian dikonfigurasi dengan prediksi kategori diaktifkan dan permintaan tidak berisi parameter raw_query, hasil pencarian tidak diurutkan berdasarkan prediksi kategori: query=index2:'search_query'.

4. Jika indeks pencarian dikonfigurasi dengan prediksi kategori diaktifkan dan nilai parameter raw_query dalam permintaan berbeda dari kueri pencarian di indeks pencarian, hasil pencarian tidak diurutkan berdasarkan prediksi kategori: query=index2:'search_query'&raw_query=raw_query.

5. Jika indeks pencarian dikonfigurasi dengan prediksi kategori diaktifkan dan nilai parameter raw_query dalam permintaan sama dengan kueri pencarian di indeks pencarian, hasil pencarian diurutkan berdasarkan prediksi kategori: query=index2:'search_query'&raw_query=search_query.

6. Jika pencarian berisi beberapa indeks dan permintaan berisi parameter raw_query, prediksi kategori indeks yang berbeda mungkin berlaku: a. query=index2:'index_query' AND index3:'search_query'&raw_query=search_query # Prediksi kategori index3 berlaku. b. query=index2:'search_query' AND index3:'search_query'&raw_query=search_query # Prediksi kategori index2 berlaku terlebih dahulu. Jika konfigurasi prediksi kategori index2 tidak berlaku untuk hasil pencarian, prediksi kategori index3 berlaku.

• Anda dapat membuat maksimal lima model prediksi kategori untuk sebuah aplikasi.

• Jika aturan analisis kueri merujuk model prediksi kategori, bidang data yang digunakan untuk melatih model harus disertakan dalam indeks tempat aturan analisis kueri diterapkan.

• Sebelum membuat model prediksi kategori, pastikan bahwa bidang-bidang seperti ID kategori yang digunakan untuk prediksi kategori dikonfigurasi sebagai bidang atribut.

• Jika aturan analisis kueri merujuk model prediksi kategori dan permintaan berisi parameter category_prediction, terjadi kesalahan.

• Untuk membuat model prediksi berlaku, pastikan bahwa aturan analisis kueri yang merujuk model prediksi kategori dan ekspresi pengurutan yang berisi fungsi category_score dikonfigurasi, dan permintaan berisi parameter raw_query.

• ID kategori harus berupa angka positif. Jika tidak, terjadi kesalahan server.

• Operasi API manajemen dan kontrol terkait: Algoritma

1. Jika mengonfigurasi pengenalan entitas bernama (NER) selain prediksi kategori dalam aturan analisis kueri, lebih banyak dokumen diambil. Hasil NER juga digunakan untuk mengambil dokumen. Jika tidak ada data yang cocok dengan kategori yang dikonfigurasi, satu atau lebih kata dalam kueri pencarian diabaikan untuk mengambil lebih banyak dokumen, yang dikembalikan sebagai hasil pencarian akhir untuk prediksi kategori. Untuk informasi lebih lanjut, lihat Pengenalan entitas bernama.

2. OpenSearch memungkinkan Anda untuk campur tangan dalam model prediksi kategori yang telah dilatih. Proses intervensi prediksi kategori mirip dengan proses intervensi analisis kueri. Untuk informasi lebih lanjut, lihat Kamus intervensi untuk prediksi kategori.