7.20.4. 提案#

このセクションでは以下の補完機能について説明します。:

  • どのように動作するか

  • 使い方

  • 学習方法

7.20.4.1. どのように動作するか#

提案機能は提案する語を計算するために1種類の検索を使います。:

  1. 学習したデータを共起検索。

7.20.4.2. 使い方#

Groongaは提案機能を使うために suggest コマンドを用意しています。 --type suggest オプションを使うと提案機能を利用できます。

例えば、"search"と入力した時の提案結果を取得するコマンドは以下の通りです。:

実行例:

suggest --table item_query --column kana --types suggest --frequency_threshold 1 --query search
# [
#   [
#     0,
#     1337566253.89858,
#     0.000355720520019531
#   ],
#   {
#     "suggest": [
#       [
#         2
#       ],
#       [
#         [
#           "_key",
#           "ShortText"
#         ],
#         [
#           "_score",
#           "Int32"
#         ]
#       ],
#       [
#         "search engine",
#         1
#       ],
#       [
#         "web search realtime",
#         1
#       ]
#     ]
#   }
# ]

7.20.4.3. 学習方法#

共起検索は学習データを使います。学習データはクエリログやアクセスログなどを元に作成します。学習データを作成するには、タイムスタンプ付きの入力シーケンスと、タイムスタンプ付きの検索実行時の入力内容が必要です。

例えば、ユーザが"engine"で検索したいとします。ユーザが以下のようなシーケンスで検索クエリを入力したとします。:

  1. 2011-08-10T13:33:25+09:00: search engine （検索実行）

  2. 2011-08-10T13:33:28+09:00: web search realtime （検索実行）

以下のコマンドで上記の検索実行結果から学習します。:

load --table event_query --each 'suggest_preparer(_id, type, item, sequence, time, pair_query)'
[
{"sequence": "1", "time": 1312950803.86057, "item": "search engine", "type": "submit"},
{"sequence": "1", "time": 1312950808.86057, "item": "web search realtime", "type": "submit"}
]

7.20.4.4. 学習データを抽出する方法#

学習データは、 item_DATASET テーブルと pair_DATASET テーブルに保存されています。このようなテーブルに対して、selectコマンドを使うことで、全ての学習データを抽出できます。

以下は、全ての学習データを抽出するためのクエリーです。

select item_DATASET --limit -1
select pair_DATASET --filter 'freq0 > 0 || freq1 > 0 || freq2 > 0' --limit -1

'--limit -1'が無いと全てのデータを取得できません。pairテーブル内の freq0 と freq1 、 freq2 カラムの値は0より大きくなければなりません。

莫大な数のレコードを読み込むため、上記のクエリーはHTTPリクエスト経由では実行できません。