Comprender la lógica de procesamiento de los términos de búsqueda en el servicio Query

Este tema describe cómo el servicio Query procesa los términos de búsqueda que contienen palabras confusas o incorrectas.

Los compradores no son expertos en hacer consultas que les permitan obtener los resultados deseados. A menudo no son conscientes de los términos de búsqueda ideales que se utilizan para buscar productos o servicios en el escaparate. Mediante el procesamiento de lenguaje natural, el servicio de consultas puede comprender términos de búsqueda en lenguaje sencillo y discernir lo que los compradores están tratando de encontrar. Modifica el término de búsqueda en el momento de ejecución para obtener los resultados de búsqueda deseados por los compradores. Esta lógica de procesamiento de términos de búsqueda del servicio Query se explica aquí con la ayuda de los siguientes ejemplos. Cada ejemplo consiste en un término de búsqueda de ejemplo y la lógica de procesamiento del término de búsqueda que el servicio Query utiliza para procesar el término de búsqueda y obtener los resultados de búsqueda deseados en el escaparate.

Para obtener más información sobre cómo funciona el servicio, consulte Procesamiento del lenguaje natural (PLN) en la versión 9.1 .

Ejemplos

Término de búsqueda	Lógica de procesamiento de los términos de búsqueda
camisa blanca niñas	El analizador NLP genera las tres señales siguientes para correlacionar el término de búsqueda y, a continuación, ejecuta la consulta Elasticsearch para captar los resultados de búsqueda en el escaparate. Devuelve dos productos. blanco – COLOR camisa – CATEGORÍA niñas – CATEGORÍA
camisa blanca niñas menos de 37 $.	El analizador NLP genera las cuatro señales siguientes para correlacionar el término de búsqueda y, a continuación, ejecuta la consulta Elasticsearch para captar los resultados de búsqueda en el escaparate. Devuelve un único producto. blanco – COLOR camisa – CATEGORÍA niñas – CATEGORÍA menos de 37 $ - FILTRO
camisa blanca niñas menos de 20 $.	El analizador NLP genera las cuatro señales siguientes para correlacionar el término de búsqueda y, a continuación, ejecuta la consulta Elasticsearch para captar los resultados de búsqueda en el escaparate. No hay ninguna coincidencia. blanco – COLOR camisa – CATEGORÍA niñas – CATEGORÍA menos de 20 $ - FILTRO En este caso, el analizador PLN utiliza la lógica de eliminación de términos de búsqueda. Comienza a introducir la frase de búsqueda desde la izquierda con un token cada vez hasta que consigue los tokens para obtener los resultados de búsqueda adecuados o hasta cuatro iteraciones. Si hay algún filtro de precio en la frase/término de búsqueda, también se elimina en este proceso. Una vez completada la lógica de caída de la búsqueda, el analizador de PNL ejecuta la consulta de Elasticsearch basándose en los siguientes dos tokens. Devuelve los ocho productos de la categoría de chicas teniendo en cuenta la camisa como categoría o en el nombre o la descripción breve del producto. camisa – CATEGORÍA niñas – CATEGORÍA
cápsulas de vitaminas	El analizador NLP genera las dos señales siguientes para correlacionar el término de búsqueda y, a continuación, ejecuta la consulta Elasticsearch para captar los resultados de búsqueda. Devuelve cero coincidencias porque la cápsula se ha establecido como un valor de atributo y, basándose en los tokens mencionados, la consulta de Elasticsearch busca cápsulas en el campo Sustantivo. vitamina – CATEGORÍA cápsulas – NOMBRE En este caso, el analizador PLN utiliza la lógica de eliminación de términos de búsqueda. Pero esto también devuelve los resultados de la búsqueda vacíos porque la cápsula se ha establecido como un valor de atributo y la consulta de Elasticsearch busca cápsulas en el campo Sustantivo. Para resolver estas situaciones, existe una lógica de negocio que ejecuta la consulta de Elasticsearch basada en el análisis previo de la frase/término de búsqueda. La consulta Elasitcsearch se ejecuta basándose en la señal siguiente. Esto devuelve todos los productos con la categoría de vitaminas. vitamina – CATEGORÍA Note: La lematización se aplica solo a los valores de BRAND, mientras que la derivación se usa con valores de NOUN, CATEGORY y ATTRIBUTE.