Compréhension de la logique de traitement de terme de recherche dans le service Query

Cette rubrique décrit comment le service Query traite les termes de recherche qui utilisent des mots erronés ou à l'origine de confusions.

Les clients ne sont pas des experts de la formulation de requête de recherche qui peut leur donner les résultats de recherche souhaités. Ils ne sont souvent pas au courant des termes de recherche à utiliser de préférence pour rechercher des produits ou des services dans la vitrine. Grâce au traitement du langage naturel, le service Query est capable de comprendre les termes de recherche en langage normal et de déterminer ce que les clients tentent de trouver. Il modifie le terme de recherche lors de l'exécution afin d'extraire les résultats de recherche souhaités pour les clients. La logique de traitement des termes de recherche du service Query est décrite ici à l'aide des exemples suivants. Chaque exemple se compose d'un exemple de terme de recherche et de la logique de traitement des termes de recherche que le service Query utilise pour traiter le terme de recherche et extraire les résultats de recherche souhaités dans la vitrine.

Pour plus d'informations sur la manière dont le service fonctionne, voir Traitement du langage naturel (NLP) dans la version 9.1.

Exemples

Terme de recherche	Logique de traitement des termes de recherche
chemise blanche filles	L'analyseur NLP génère les trois jetons suivants pour mapper le terme de recherche, puis exécute la requête Elasticsearch pour extraire les résultats de recherche dans la vitrine. Il renvoie deux produits. blanc - COULEUR chemise – CATEGORIE filles – CATEGORIE
chemise blanche filles à moins de 37 USD	L'analyseur NLP génère les quatre jetons suivants pour mapper le terme de recherche, puis exécute la requête Elasticsearch pour extraire les résultats de recherche dans la vitrine. Il renvoie un produit unique. blanc - COULEUR chemise – CATEGORIE filles – CATEGORIE moins de 37 USD - FILTRE
chemise blanche filles à moins de 20 USD	L'analyseur NLP génère les quatre jetons suivants pour mapper le terme de recherche, puis exécute la requête Elasticsearch pour extraire les résultats de recherche dans la vitrine. Il renvoie zéro correspondance. blanc - COULEUR chemise – CATEGORIE filles – CATEGORIE moins de 20 USD - FILTRE Dans ce cas, l'analyseur NLP utilise la logique de suppression des termes de recherche. Il commence à supprimer la phrase de recherche depuis la gauche avec un jeton à la fois jusqu'à ce qu'il obtienne les jetons pour extraire les résultats de recherche appropriés ou jusqu'à quatre itérations. S'il existe un filtre de prix dans l'expression/le terme de recherche, il est également supprimé dans ce processus. Après l'achèvement de la logique de suppression de recherche, l'analyseur NLP exécute la requête Elasticsearch en fonction des deux jetons suivants. Il renvoie les huit produits de la catégorie Filles en considérant la chemise comme une catégorie ou comme figurant dans le nom ou la brève description du produit. chemise – CATEGORIE filles – CATEGORIE
capsules de vitamines	L'analyseur NLP génère les deux jetons suivants pour mapper le terme de recherche, puis exécute la requête Elasticsearch pour extraire les résultats de recherche. Il ne renvoie aucune correspondance parce que la capsule a été définie en tant que valeur d'attribut, et qu'en fonction des jetons susmentionnés, la requête Elasticsearch recherche des capsules sur la base du champ Nom. vitamine – CATEGORIE capsules – NON Dans ce cas, l'analyseur NLP utilise la logique de suppression des termes de recherche. Mais cela renvoie également les résultats de recherche vides, car la capsule a été définie en tant que valeur d'attribut et la requête Elasticsearch recherche des capsules par rapport à la zone Nom. Pour gérer de telles situations, il existe une logique métier qui exécute la requête Elasticsearch de repli basée sur l'analyse précédente de la phrase/du terme de recherche. La requête Elasticsearch est exécutée en fonction du jeton suivant. Renvoie tous les produits de la catégorie vitamine. vitamine – CATEGORIE Note: La lemmatisation s'applique uniquement aux valeurs BRAND, tandis que la radicalisation est utilisée avec les valeurs NOUN, CATEGORY et ATTRIBUTE.