类目预测功能使用

温馨提示：图中的内容必须都配置上，类目预测才会生效。

创建并训练类目预测模型

1.在左侧导航栏中，进入 排序配置->类目预测 页面，点击“创建”，进入创建流程。

2.进入创建流程后，需要填入模型名称，样本集，类目id，物品标题以及类目名称和过滤条件等信息。

• 样本集：物品数据即为当前应用中已有的文档数据，但需要应用中需要事先保存类目id、物品标题以及类目名称三个字段的数据；

• 行为数据为上传的用户点击行为采集数据，具体可参考数据采集文档。

3.第一次使用行为采集时，需要点击“开通”，并稍作等待。

4.开通完成后页面。

5.接下去需要设置类目id、物品标题、以及类目名称等。

• 类目id：应用中表示类目id的字段，支持INT类型。必填。

• 物品标题：应用中表示物品标题的字段，支持TEXT、LITERAL类型。必填。

• 类目名称：应用中表示类目名称的字段，支持TEXT、LITERAL类型。必填。

• 过滤条件：选择模型训练数据的过滤条件。目前支持的条件有<,>,=,!=,>=,<=,多个条件请使用”,”分隔。选填。

备注：模型的备注说明。选填。

6.模型创建完成后，返回类目预测页面，看到模型状态为“待训练”，点击“启动训练”，训练模型数据。

类目预测训练状态：

• 待训练：表示模型刚创建完成，但未做数据训练的模型。

• 训练中：表示模型创建完成后进入训练但还未完成训练的模型。

• 训练失败：表示数据错误造成的模型训练失败的模型。

• 未应用：表示模型训练成功，但并未在召回和排序功能中应用该模型。

配置查询分析和排序表达式

1.在左侧导航栏中，进入 召回配置->查询分析 页面，点击“创建”，进入创建流程。

2.进入创建流程后，按下图流程进行规则的编辑和创建。

3.然后在粗排或者精排中生效类目预测模型。在左侧导航栏中，进入 排序配置->策略管理 页面，点击“创建”，进入创建流程。

以下为应用到基础排序中的流程：

1.进入创建流程后填写策略名称，首先选择基础排序（第一轮粗排），选择类型（目前控制台配置仅支持表达式，后续还会支持自定义插件）。

2.然后在排序配置配置中，选中算分特征下的category_score()

3.并配置搜索字段以及该算分特征的权重，并保存配置。

以下为应用到业务排序中的流程：

1.进入创建流程后填写策略名称，首先选择业务排序（第二轮精排），选择类型（目前控制台配置仅支持表达式，后续还会支持自定义插件）。

2.然后在排序配置配置中，选中内置函数下的category_score(cate_id_field)

3.将cate_id_field改为模型的类目id，并保存配置。

4.模型应用成功后的状态。

5.搜索测试效果展示，需要添加参数raw_query=查询词。

通过SDK调用查询接口

设置查询参数raw_query：

• 用于类目预测查询；只有查询词和raw_query的内容一致时，查询时，才会去查查询分析中配置的类目预测；

• 一般建议设置为终端用户输入的原始查询词。格式：

  raw_query=content
  //API传参content需要URL_ENCODE(SDK不需要encode)；content为原始查询词

  实例：假设某个应用的查询分析规则配置如下表所示：

1. 查询的索引没有配置类目预测，请求中有raw_query，不会查询类目预测，查询正常返回；

2. 查询的索引没有配置类目预测，请求中无raw_query，不会查询类目预测，查询正常放回；

3. 查询的索引配置类目预测，请求中无raw_query，不会查询类目预测，查询正常返回：a. query=index2:'search_query'

4. 查询的索引配置类目预测，请求中有raw_query，但和查询索引中的查询词不同，不会查询类目预测，查询正常返回：a. query=index2:'search_query'&raw_query=raw_query

5. 查询的索引配置类目预测，请求中有raw_query，且和查询索引中的查询词相同，查询类目预测，查询正常返回：a. query=index2:'search_query'&raw_query=search_query

6. 查询包含多个索引时，且query中有raw_query：a. query=index2:'index_query' AND index3:'search_query'&raw_query=search_query # 类目预测在index3上生效；b. query=index2:'search_query' AND index3:'search_query'&raw_query=search_query # 类目预测会优先在index2上生效，如没有结果，会查询index3上的类目预测

• 单个应用最多创建5个类目预测模型。

• 查询分析规则中配置的类目预测模型，其训练字段必须是该包含在该查询规则所应用的索引中；

• 在创建类目预测模型之前，需要保证类目预测所使用的相关字段（类目id）已添加到属性字段列表中

• 当查询分析中配置了类目预测时，如果查询请求中设置了category_prediction参数，查询会报错。

• 必须同时配置了查询分析（类目预测）、排序表达式（category_score）、查询时带有固定参数（raw_query），类目预测模型才会生效。

1. 查询规则中配合实体识别功能使用类目预测，可以扩大类目预测的召回。查询分析会更加实体识别的结果，在原query查询得到类目预测无结果时，会按照一定规则对query进行丢词，进一步查询类目预测，并将丢词后的类目预测结果作为最终的类目预测结果返回。具体见实体识别的文档。

2. 目前支持对训练出的类目预测模型进行人工干预。用户实现干预操作的过程与查询分析干预类似，类目预测干预的操作步骤，请点击查看文档。