更新时间:2020-09-24 14:36
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,通常有以下三步:
1. 创建干预词典。用户通过控制台--->功能扩展--->词典管理
,进入查询分析干预词典页后,点击页面右上角的“创建”。选择了词典类型后,为词典命名,干预词典创建完成,词典会出现在页面的词典列表中。
2. 新增和管理干预词典内的干预词条。词典创建完成后,在列表中点击词典名称或点击词典对应的“管理”,即可进入到干预词典的详情页。用户可在详情页内进行干预词条的新增和管理。用户可对某个Query干预召回结果中类目的相关度,纠正模型预测相关度错误的类目或补充模型未预测出相关度的类目。
3. 使用干预词典。创建并填充完成类目预测的干预词典后,可在任意的类目预测模型使用。在实际查询中干预词典中和类目预测模型中都有Query下同一类目的相关度计算结果,那么会将干预词典内结果进行合并。
业务场景:某电商类业务在OpenSearch的应用实例中配置使用了类目预测模型,但是在线上发现了一些badcase,于是决定使用干预功能。
badcase:用户搜索Query“牛奶”,返回的结果中牛奶杯的商品靠前,真正的牛奶靠后。
问题诊断:类目预测模型将Query“牛奶”的类目相关性计算错误。
解决方案:新建类目预测干预词典,在词典中干预Query“牛奶”,将“牛奶杯”所属的家居用品类目(id是20)的相关度定为略相关,将“牛奶”所属的食品类目(id是15)的相关度定为“相关”。
操作步骤:
1.在控制台—->功能扩展—->词典管理,词典类型选择“类目预测”,创建类目预测干预词典:
填写“名称”:
2.在”test_2”里新增干预词条,Query栏填写“牛奶”,类目ID-相关度栏填写“20-1;15-2”(2代表相关,1代表略相关,0代表不相关):
3.将干预词典应用到线上使用的类目预测模型:
在文档使用中是否遇到以下问题
更多建议
匿名提交