Labai svarbu, kad klientai galėtų lengvai ir greitai rasti ieškomus produktus. Dažnai klientai nežino tikslaus gaminio pavadinimo, todėl neradę gaminio gali nusivilti. Šioje pamokoje sužinosite, kaip įgyvendinti išsklaidytą produktų paiešką naudojant OpenAI API. Naudosime gudrybę, kuri užtikrins, kad net panašūs ar neteisingi produktų pavadinimai sėkmingai nuvestų prie teisingų produktų.
Pagrindinės žinios
- Standartinė paieška reikalauja tikslių produktų pavadinimų atitikmenų.
- Neaiški produktų paieška gali būti įgyvendinta grąžinant visus produktų pavadinimus, jei nepavyksta rasti tikslaus atitikmens.
- Tada dirbtinis intelektas iš panašių produktų pavadinimų gali pasirinkti teisingą ir grąžinti atitinkamą produkto aprašymą.
Žingsnis po žingsnio vadovas
Norėdami sukurti neaiškią produktų paiešką, atlikite toliau nurodytus veiksmus.
1 žingsnis: Nustatykite problemą
Pirmiausia turime atpažinti pagrindinę problemą: Produkto paieška yra pernelyg tiksli. Jei kliento įvestas gaminio pavadinimas tiksliai nesutampa su duomenų bazėje esančiu pavadinimu, gaminys nebus rastas. Ankstesniame pavyzdyje matėme, kad įvedus "en77", produktas nebuvo rastas, nes tikrasis pavadinimas buvo "Nice en 77". Čia galėtų būti naudinga šios klaidos ekrano nuotrauka.
2 žingsnis: paieškos logikos koregavimas
Norėdami išspręsti šią problemą, turime pakeisti gaminio aprašymo logiką. Pakeičiame funkciją "rasti gaminį" taip, kad ji grąžintų visus galimus gaminių pavadinimus, jei nerandama gaminio tiksliu pavadinimu. Taip bus užtikrinta, kad dirbtinis intelektas galės pats ieškoti artimiausio atitinkančio pavadinimo. Į funkcijos aprašymą įtraukiame tokį kodą: "jei produktas nerastas pagal tikslų pavadinimą, ši funkcija grąžins visus galimus produktų pavadinimus". Šis veiksmas padeda dirbtiniam intelektui rasti tinkamą atitikmenį, jei nėra tikslaus pavadinimo.
3 žingsnis: Atnaujinkite parametro aprašymą
Pakeitus logiką, svarbu atnaujinti ir parametro aprašymą. Naudokite tokią formuluotę: "produkto pavadinimas arba Modelio pavadinimas, kurį reikia rasti". Taip aiškiai nurodoma, kad funkcija gali ieškoti ir panašių pavadinimų, jei nėra tikslaus atitikmens.
4 veiksmas: pritaikykite funkcijos skambučius
Būtina pakeisti funkcijų iškvietimų tvarkymą. Jei gaminio pavadinimas randamas sėkmingai ir turime gaminio ID, aprašas grąžinamas kaip ir anksčiau. Tačiau jei gaminio pavadinimas tiesiogiai nerandamas, sukuriame gaminių pavadinimų masyvą, į kurį įtraukiami visi duomenų bazės raktai. Tada šis masyvas naudojamas tam, kad galimi gaminių pavadinimai būtų matomi dirbtiniam intelektui, kuris gali nustatyti norimą atitikmenį.
5 veiksmas: išbandykite naująją logiką
Įgyvendinę pakeitimus, turėtumėte išbandyti naująją logiką. Pavyzdžiui, įveskite "do you have the en77" (ar turite en77), be tarpų ir be pilno pavadinimo. Taip galėsite patikrinti, ar funkcija dabar sugeba rasti tinkamą gaminį. Rezultatas turėtų rodyti, kad gaminys "Nice en77" yra prieinamas. Tai didelis žingsnis į priekį, nes paieška dabar veikia ir su neaiškiais įrašais.
6 veiksmas: užklausa gaminio aprašymui
Dabar galite patikrinti, ar teisingai grąžinamas gaminio aprašymas. Paprašykite dirbtinio intelekto pateikti daugiau informacijos sakydami: "pirmiausia pateikite daugiau informacijos apie šią gitarą". Tuomet dirbtinis intelektas turėtų grąžinti tinkamą aprašymą pagal rastą gaminio pavadinimą. Tai rodo, kad logika veikia ir pateikiama teisinga informacija.
7 veiksmas: įtraukti į krepšelį
Gavę aprašymą, galite pabandyti įtraukti gaminį į pirkinių krepšelį. Naudokite komandą: "Add my Shopping Card" (pridėti mano pirkinių krepšelį). Dabar ši funkcija turėtų veikti be jokių problemų ir produktas turėtų būti tinkamai pridėtas į pirkinių krepšelį. Tai taip pat rodo, kad visa ryšio struktūra veikia tinkamai.
8 žingsnis: Išvada ir perspektyvos
Taikydami šį metodą sėkmingai įgyvendinote išsklaidytą produktų paiešką, kuri leidžia dirbtiniam intelektui geriau apdoroti naudotojo įvestį. Mūsų paprastame pavyzdyje turėjome tik ribotą produktų skaičių, todėl atvaizdavimas buvo paprastas. Tačiau didesnėje duomenų bazėje, kurioje yra daugiau nei 1000 produktų, gali prireikti ištirti papildomus metodus, pavyzdžiui, įterpinius, kad būtų galima geriau užfiksuoti panašumus. Tai padės mums efektyviai atlikti paiešką net ir didesniuose duomenų rinkiniuose.
Apibendrinimas
Apibendrinant galima pasakyti, kad šiame vadove parodyta, kaip galima įgyvendinti neaiškią produktų paiešką su tiksliu srautu, kad klientams būtų lengviau rasti produktus, net jei jie nėra visiškai tikri, kaip produktas vadinasi. Pakeitus paieškos logiką ir pakoregavus parametrus, galima sukurti veiksmingą sprendimą, kurį lengva įgyvendinti ir kuris pagerina naudotojų patirtį.
