Elasticsearch搜索Suggest功能优化

搜索Suggest需要优化问题：

• 怎么优化Suggest词库，提升Suggest词准确率
• 怎么提高响应速度

suggest词库获取

• 冷启动可以从内容中提取热词数据来解决，或者人工设置
• 挖掘搜索日志：
  • 挖掘近1个月搜索日志，按照每天独立IP进行统计频次，即每个IP用户天搜索同一关键词多次只记一次，用IP过滤也有其局限性，伪IP，动态IP，局域网共享同一公网IP，都会影响到基于IP来判断用户的准确性，你也可以使用sessionId或者userId来判断
  • 统计后搜索词频次之后，抽取搜索频次>100（自定阈值）的词，同时对日志数据进行清洗，过滤去除大于10个字（去除太长的长尾词），单字和符号内容
  • 定时更新suggest词库中。
• 搜索日志里面包含大量 误输入词：
  1. 需要在suggest词库里面去掉误输入词，对于搜索频次高的词，可以挖掘其对应的正确词，通过同义词进行查询改写。
  2. 误输入词同义词挖掘可以通过挖掘搜索session序列，使用word2vec训练来获取误输入词的同义词，通过分词器同义词设置，对误输入词进行查询改写。

搜索Suggest需实现以下几个功能：

• 匹配：能够通过用户的输入进行前缀匹配；
• 排序：根据建议词的优先级或者搜索热度进行排序；
• 纠错：能够对用户的输入进行拼写纠错（suggest建议优先prefix匹配，不宜过多提示，因此只需提供前缀匹配，中文拼音匹配即可）