结合搜索引擎和机器学习[关闭]答案

【问题标题】：Combine search engine and machine learning [closed]结合搜索引擎和机器学习[关闭]
【发布时间】：2016-12-22 10:33:40
【问题描述】：

我是搜索引擎的新手，也是机器学习的新手。但我想知道是否有一种方法可以将 elasticsearch 或 Apache Solr 等搜索引擎的功能与 Apache Mahout、H2O 或 PredictionIO 等机器学习项目的功能结合起来。

例如，如果您在可以搜索目的地的旅游网站上工作。你开始输入“au”，所以第一个建议是“AUstria”、“AUstralia”、“mAUrice island”、“mAUritania”……等等……这通常是 elasticsearch 可以做的。

但是您知道该用户已经在毛里塔尼亚旅行了 3 次，因此您希望毛里塔尼亚在建议的首位。我猜这通常是机器学习可以做到的。

这两种技术之间是否存在桥梁？机器学习能否保证搜索引擎高效工作？

无论使用何种技术，我都愿意接受所有答案。如果您曾经遇到过此类问题，我会大开眼界:-)

谢谢

【问题讨论】：

我认为这是一个有趣的话题，因为太宽泛而被关闭。也许您可以删除它并尝试一个新问题，该问题只关注您要解决的问题。例如。鉴于我们知道有关用户的上下文信息，如何增强弹性搜索？或者从技术入手：如何利用 H2O 对搜索引擎返回的搜索建议进行智能排序。

【解决方案1】：

您的问题本质上非常笼统-因此我的回答必须相同。

考虑一个推荐框架，例如 Apache Mahout correlated co-occurance 中的框架。与 vanilla spark 推荐器不同，此实现允许多种类型的操作，例如查看网站、预订他们之前的旅行、人口统计信息等。

现在您可以在任何时间间隔为每个用户计算推荐。推荐基于多个标准以及与该用户相似的其他人所做的事情。在这种情况下，将您的“项目”视为世界上的每个目的地。因此，我们现在为每个用户对每个可能的目的地进行了排名。

这是一个简单的扩展，可以按用户/用户推荐目的地的有序列表索引弹性搜索。

例如，我们有一个用户访问过柏林，查看过维也纳的几家酒店，并且来自罗马尼亚。当用户输入“au”时，我们希望在结果中看到“Austria”比“Austrailia”高得多

根据 cmets 和否决票 - 您可能应该 A）问一个更具体的编程问题或 B）在另一个论坛上问这个问题，例如 Data Science Stack Exchange，fyi

【讨论】：