Enterprise：Web Crawler 基础 （二）

在之前的文章 “Enterprise：Web Crawler 基础 （一）”，我详细地描述了如何使用 Web crawler 把一个网页的数据采集到 Elasticsearch 中。在今天的文章中，我将继续上一篇文章中的练习。在这篇文章中，我将重点介绍 Enterprise App Search 的几大特点：

• Relevance
• Curations
• Synonyms

创建一个搜索界面

现在你已经将 www.elastic.co 网站上的所有英文博客摄入入索引，你可以 建立一个搜索界面，让你的用户可以在博客中进行有效的搜索。

1）在上一节中，你学习了如何通过 “Query Tester” 界面进行搜索。 这是一个 快速搜索文档的便捷方式，但它并没有为你提供所有你期望从搜索界面获得的功能。 你还需要有自动完成功能， 建议，或分面。 转到 “Search UI” 以创建自定义界面。

2. 在此视图中，你可以定义将在搜索 UI 中使用的字段。 选择以下字段：

• 为 title 项选择 title
• 为 filter 项选择 headings
• 为 sort 项选择 title
• 为 URL 项选择 url

3）点击 Generate search experience

我们会发现界面的输入框会自动具有 auto-complete 功能。 这些提示都是来自于你建立的引擎。你无需做任何的设置。

点击第一结果的超链接：

它会自动重定向到文章的链接。

我们点击 Search UI 右上角的 Download ZIP Package 按钮。这将生成一个 ZIP 文件，其中包含你可以在应用程序中使用的源代码。 我们下载这个 zip 文件。我们可以在本地部署这个 node 应用：

$ pwd
/Users/liuxg/tmp/search-ui
$ ls app-search-blogs-react-demo-ui.zip 
app-search-blogs-react-demo-ui.zip
$ unzip app-search-blogs-react-demo-ui.zip 
Archive:  app-search-blogs-react-demo-ui.zip
212b452f21c60fcfbb26fcbfc619708784a6e650
  inflating: .gitignore              
 extracting: .nvmrc                  
  inflating: LICENSE.txt             
  inflating: NOTICE.txt              
  inflating: README.md               
   creating: bin/
  inflating: bin/ensure_engine_config.sh  
  inflating: logo-app-search.png     
  inflating: package-lock.json       
  inflating: package.json            
   creating: public/
  inflating: public/favicon.ico      
  inflating: public/index.html       
  inflating: public/manifest.json    
   creating: scripts/
  inflating: scripts/build-no-chunks.js  
   creating: src/
  inflating: src/App.js              
   creating: src/_tests_/
  inflating: src/_tests_/App.test.js  
   creating: src/config/
  inflating: src/config/config-helper.js  
  inflating: src/config/engine.json.example  
  inflating: src/index.js            
  inflating: src/config/engine.json  

 请注意在上面解压的文档里有一个叫做 README.md 的文档。它告诉我们该如何启动这个 node 应用。如果你在启动的过程中有任何问题，这极有可能是你的 node 的配置或按照有问题。一种简单的办法就是重新安装你的 node，然后在重新运行这个 node 应用。我们可以通过如下的方式来运行：

npm install
npm start

上面是我在 ubuntu 机器上部署并运行的结果。

调整搜索引擎 

你现在可以搜索博客。 但是，你可以通过调整搜索引擎更进一步。 在本节中，你将学习如何更改查询的相关性、设置
同义词，并定义 curation。我们回到 App Search 的界面：

1) 让我们从更新查询的相关性开始。 从引擎菜单中，打开 “Reference Tuning”

2) 在此视图中，你可以管理引擎每个字段的权重和提升。 请注意，默认情况下，每个字段的权重设置为 1。与其他字段相比，title 字段与你的用户更相关，将其权重更新为 5。从上图的右边可以看出来，当我们搜索 clould 时，title 字段排在第三的位置，而 links 处于第一的位置。我们觉得一篇文章的 title 含有 cloud 的重要性远比在 links 里重要。我们需要在左边的 title 字段调整它的 weight。我们增加它的 weight 直至在右边的显示中 title 处于第一的位置：

3. 单击 “Save” 以应用更改。
4. 在 Quest Tester 中，搜索术语 teacher。 有些文档似乎与该查询不太相关。 让我们创建同义词来解决这个问题。

5. 从引擎菜单中，选择 “Synonyms” 并单击 “Create a Synonym Set”:

 
6. 将 “teacher”一词与 “educator”和 “instructor” 联系起来。点击上面的 Save 按钮。

7. 使用 Query Tester 再次搜索 teacher。 这次搜索的结果与你的用户更相关。当然我们也可以搜索 educator。它将视为和 teacher 一样的同义词：

当然，我们也可以创建一些新的单词的同义词，比如 elkb：

上面表示，当我们搜索 elkb 时，即代表搜索 Elastic Stack：

8. 在搜索 “release” 时，用户希望获得有关最新发布的信息。 你可以创建 curations 来选择将为此查询返回的文档。 curation允许你手动提升或隐藏特定查询的文档。
9. 从引擎菜单中，选择 “Curations”。 为以下查询创建 curation：

• release
• latest release
• latest updates
• latest changes

 

 10. 单击“Continue”后，你将看到当前为查询 “release” 返回的文档。 请注意，第一个文档不一定是最新版本的版本。让我们手动添加与最新版本相关的博客页面。 点击 “Add Results Mannually”

11. 搜索可用的最新版本（例如 “release 7.15”）并单击文档旁边的星号。

12、最后，进入“Query Tester”界面，搜索 “latest release”。 第一个文档将是最新版本的博客。

显然最上面显示的文档就是我们在 Curations 里面设置的那几个文档。它们的排名最靠前。

Analytics

我们可以点击 Analytics 来查看我们的引擎的使用统计情况：

我们可以看到最常见的搜索词是什么？

 在上面，我们也可以看到有两个词是没有搜索结果的，比如：

我们可以看到 baidu 这个词是没有返回任何的结果的。如果输入一个词不返回任何结果，通常会给用户一个不好的体验。为此，我们可以为这个 baidu 词创建一个 Synonym，也就是同义词，比如：

 我们知道 baidu 在中国是一个搜索引擎。我们可以把 baidu 和 search 等同。经过这样的改造后，我们再次使用 baidu 来进行搜索时，我们可以看到许多的文档：

 我们以后再到 Analytics 里查看时，我们就不会发现搜索 baidu 没有返回结果的报告了。