该网站有许多类别，如汽车，零部件，移动的和真实的地产。任务是创建一个能够理解查询并为该查询调整过滤器的搜索。这意味着搜索不应该在产品的标题和描述中寻找关键字，而应该调整过滤器以找到所需的产品。
以下是几个例子：
- 巴黎的红色iPhone--系统应该明白，iPhone属于移动的类，制造商是苹果，颜色红色也应该选择在单独的滤镜中，而在巴黎，则应该与位置滤镜相关，因此我们选择的国家是法国--巴黎地区。
- 宝马E39在日本-类别选择为汽车，制造商为宝马，型号为5系，生产年份为1996-2003，地点为日本国。
可以举出许多其他例子，但我认为任务是明确的。产品的所有特性都在数据库中。
目前，任务是创建搜索建议，即将搜索查询转换为几个搜索选项，用户将选择其中的一个。
但问题是如何在技术上实现这一点？Elasticsearch已经在项目中使用，所以我认为在其中创建一个索引是有意义的，其中存储了产品，地点和类别的所有特征，并添加了一些管理员将创建的自定义查询。
这种做法是否正确？如果任何人有任何想法或经验，在执行这样的任务，我会感谢任何有用的材料或建议！
更新：我还想补充一点，网站有很多语言，纠正搜索查询中的语法错误被认为是一项单独的任务。目前，我们只考虑如何将查询转换为过滤器设置。
1条答案
按热度按时间apeeds0o1#
你应该读一下facets。您可以在elastic-search和then extract the facets (filters) for that search-term中对术语进行全文搜索，以便根据返回的facets检查搜索值。
因此，当你搜索“巴黎的红色iPhone”时，你会得到一个值为“红色”的颜色面，你会检查这个过滤器。挑战在于，当你也获得了“红眼还原剂”的产品名称时，你不会知道这不是一个双重亮点。这就是NLP * 可以 * 帮助的地方，知道它是形容词还是名词......然而，这些短句和人们搜索的方式并不一定有利于准确的NLP。
就我个人而言，我会尝试蛮力的方式（匹配方面的搜索条件），看看它看起来如何，然后再尝试一些更微妙的东西。