作者DOC (鍛鍊的還不夠)
看板Soft_Job
標題[請益] Elastic Search結果慘烈怎麼修
時間Mon Jan 15 17:47:05 2024
小弟是網路公司的PM，負責一個跟景點圖資有關的產品，目前服務內有個進50萬的POI資
料庫，但是讓用戶搜尋時，跑出來的結果非常糟糕，而且負責此項目的同事說能優化的都
做了，已經無法再調整。想問問看版上的大神能不能開示怎麼處理比較好
被檢索的欄位
poiNameCN：晴空塔
poiNameEN：Tokyo Skytree
nickname1：天空樹
nickname2：新東京鐵塔
adminDivisionCN：日本/東京都/東京都心/墨田區
adminDivisionEN：Japan/Tokyo/Special wards/Sumida
原本理想的情況是，不管用戶是輸入景點的中文或英文名稱、或是輸入別名，或是輸入名
稱加上行政區劃內的某一層(例如輸入：東京 天空樹)，都可以用這些欄位來找出關連，
可是實測之後的結果卻很糟
想問問有沒有大神有這種讓elsatic search同時比同一個物件的多個欄位，再排關聯度的
經驗，能給小PM一點建議，讓我可以再去爭取重開這個優化的需求
感謝！
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.133.105.193 (臺灣)
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Soft_Job/M.1705312027.A.A80.html
1F：→ srwhite: 50萬筆聽起來沒有很大(? 你們是用like去查嗎 01/15 17:55
3F：→ kewang: 些可以參考，但都是舊版的方式了，有空再寫新版的方式 01/15 18:06
4F：噓 B0988698088: 怎麼個糟法？連舉例都不會不要當pm害人好嗎 另外官 01/15 18:23
5F：→ B0988698088: 方不是有sup嗎？官方對於這case給的回應是什麼 01/15 18:23
6F：推 Sunal: 發現k旺？ 01/15 18:25
7F：→ Lordaeron: 我認為B0988698088 應該有SOLUTION的，出一篇吧。 01/15 18:26
8F：推 alihue: 你要先釐清是 recall 還是 ranking 問題。換句話說是搜尋 01/15 18:31
9F：→ alihue: 結果沒有命中還是單純排序太後面。此外對 input 拆詞後是 01/15 18:31
10F：→ alihue: 採用什麼樣語法搜尋，以及需要檢查拆詞後的結果符不符合 01/15 18:31
11F：→ alihue: 預期。然後同義詞機制要重新設計，通常是在 query time 01/15 18:31
12F：→ alihue: 先展開比較單純好維護。然後地點看你是想要真的依照經緯 01/15 18:31
13F：→ alihue: 度找還是單純用關鍵字，演算法差很多 01/15 18:31
14F：→ johnny9144: 如果是你這需求，從 schema design 就錯了，不如說 01/15 18:34
15F：→ johnny9144: 說你們做了什麼優化好了XD 01/15 18:34
16F：→ alihue: 排關聯度就單純很多，同常就命中的詞 + BM25 + 設欄位權 01/15 18:35
17F：→ alihue: 重。雖然進階的應該要用使用者 log 去用 ML 做 ranking， 01/15 18:35
18F：→ alihue: 不過看起來你們的進度連初階 elasticsearch 功能都還沒正 01/15 18:35
19F：→ alihue: 確使用，也就是我前面說的你們可能連 recall 都不好 01/15 18:35
20F：→ johnny9144: 其次，你們的需求&量級用到 elasticsearch 感覺有 01/15 18:36
21F：→ johnny9144: 點殺雞用牛刀了，可以試試 Meilisearch 這種小型的 01/15 18:36
22F：→ johnny9144: ，你們應該會快樂很多，也不用懂那麼多 01/15 18:36
23F：→ alihue: 其實你可以善用 chatGPT 應該可以有簡單的理解。也可以嘗 01/15 18:37
24F：→ alihue: 試自己架 elasticsearch，應該還不需要寫到 code，除了匯 01/15 18:37
25F：→ alihue: 大量資料以外 01/15 18:37
26F：→ layer0930: 這是pm責任嗎？ 01/15 19:00
27F：噓 johnbill: 連問題都說不清楚 這PM 01/15 19:07
28F：推 pvq212: 看你說明是想要用天空樹也搜尋到晴空塔之類的，那就是同義 01/15 19:37
29F：→ pvq212: 詞 01/15 19:37
30F：→ pvq212: 然後再來針對搜尋的關鍵字去做中文、英文分詞，資料入庫時 01/15 19:37
31F：→ pvq212: 就會去做索引，再加上個英文大小寫或是簡繁的 filter，後 01/15 19:37
32F：→ pvq212: 面再記錄一下搜尋熱門關鍵字，去維護 dict 或是 synonym 01/15 19:37
33F：推 qazwsx12: 這問題有說不好嗎？好奇 01/15 21:00
34F：→ ku399999: 感覺也沒到不好 就不足以判斷問題在哪裡吧 01/15 21:26
35F：推 internetms52: 用json dsl組full text search理論上會得到你要的 01/15 22:04
36F：→ internetms52: 東西才對,如果還是不行，那就是分詞問題，比較不好 01/15 22:04
37F：→ internetms52: 處理喔 01/15 22:04
38F：→ layer0930: 他問題不是同義詞，而是搜尋的結果差強人意 01/15 23:46
39F：→ layer0930: 這東西很主觀 01/15 23:46
40F：→ layer0930: 這不太適合新手寫.. 01/15 23:48
41F：推 guanting886: 你家工程師該煩惱的事丟給你在煩惱快跑ㄅ 01/16 06:17
42F：→ jigfopsda: 先定義一個分數來表示「糟糕程度」再來根據分數做調整 01/16 08:08
43F：→ jigfopsda: 這個分數要跟你們商業上的需求一致 01/16 08:08
44F：推 DrTech: 這發文，大概連怎樣評價搜尋引擎的指標都不懂吧，只靠感覺 01/16 08:10
45F：→ DrTech: 。做PM啊，先去了解一下怎麼樣量化自己產品的品質水準。1. 01/16 08:10
46F：→ DrTech: 先學搜尋引擎常見評價指標。2. 根據自己產品，選擇適合的 01/16 08:10
47F：→ DrTech: 指標(別硬抄網路上的)3. 設計一個上線前，必需測過的多個 01/16 08:11
48F：→ DrTech: 測試案例。評價測試案例得到的分數。4.針對沒過的案例，再 01/16 08:11
49F：→ DrTech: 來與技術人員討論，這個案例怎麼改善。沒這流程，只會造成 01/16 08:11
50F：→ DrTech: 搜尋引擎改了A，卻產生新的Bug或副作用而已。 01/16 08:11
51F：→ DrTech: 不要靠"感覺"或"單一case"來決定好壞。硬是解決了一個case 01/16 08:13
52F：→ DrTech: ，只常會造成其他case變差。 01/16 08:13
53F：推 jigfopsda: 推樓上，做任何事情前最重要的就是先把 metric 訂好 01/16 09:01
54F：噓 ZakuSIN: 實作結果與需求不符，怎不直接打回去重弄就好了? 01/16 10:07
55F：→ ZakuSIN: 能優化的都做了 => 結果很爛 = 沒做 01/16 10:07
56F：推 sw12: ....我覺得語氣沒不好。大家壓力好大... 01/16 11:12
57F：推 DarkIllusion: 遇到鳥PM大家火氣都很大 01/16 11:39
58F：推 untitled: 先確認一下，是 ElasticSearch 7 還是 8 呢？ 01/16 12:41
59F：推 ns1234: expalin看看分數吧,搞不好你們有動到排序他會完全不吃scor 01/16 18:56
60F：→ peter98: ES...好久沒聽到這個詞了 都是說OS惹拔 01/16 23:50
61F：推 bitcch: 好奇你的糟是指搜尋速度慢 還是達不到想要的效果 01/17 22:16
62F：噓 darkMood: 嘻嘻，終於有讀書人的問題了，不是碼工的問題了。 01/17 22:36
63F：噓 FXW11314: 噓射後不理 01/18 21:15
64F：噓 ashlikewing: 連mapping都沒放上來也想問ES問題喔 01/19 00:21