Mejorar la calidad de búsqueda

Calidad de búsqueda hace referencia a la calidad de los resultados de la búsqueda en términos de clasificación y recuperación, tal como la percibe el usuario que realiza la consulta.

Clasificación hace referencia al orden de los elementos y recuperación, al número de elementos relevantes recobrados. Un elemento (también denominado documento) es cualquier pieza de contenido digital que Google Cloud Search puede indexar. Entre los tipos de elementos, se incluyen documentos de Microsoft Office, archivos PDF, una fila en una base de datos, URL únicas, etcétera. Un elemento se compone de lo siguiente:

• Metadatos estructurados
• Contenido indexable
• LCA

Cloud Search utiliza una variedad de señales para recuperar y clasificar los resultados de las consultas de búsqueda; es decir, los elementos resultantes de una consulta de búsqueda. Puedes influir en las señales de Cloud Search mediante la configuración del esquema, el contenido y los metadatos del elemento (durante la indexación), y la aplicación de búsqueda. El objetivo de este documento es ayudarte a mejorar la calidad de la búsqueda mediante la modificación de estos influenciadores en la señal.

Para obtener un resumen de la configuración recomendada y opcional, consulta Resumen de la configuración recomendada y opcional de la calidad de búsqueda.

Influir en la puntuación de novedad

Novedad hace referencia a la relevancia de un resultado de la búsqueda respecto de los términos de la consulta original. La novedad de un elemento se calcula sobre la base de los siguientes criterios:

• La importancia de cada término de la consulta
• La cantidad de hits (el número de veces que el término de una consulta aparece en los metadatos o el contenido del elemento)
• El tipo de coincidencias que el término de la consulta y sus variantes tienen con un elemento indexado en Cloud Search

Para influir en la puntuación de novedad de una propiedad de texto, define la RetrievalImportance en la propiedad de texto de tu esquema. Una coincidencia en una propiedad con RetrievalImportance alto da como resultado una puntuación más alta en comparación con una coincidencia en una propiedad con RetrievalImportance bajo.

Por ejemplo, supón que tienes una fuente de datos con las siguientes características:

• La fuente de datos se utiliza para almacenar el historial de errores de software.
• Cada error tiene un nombre, una descripción y una prioridad.

La mayoría de los usuarios consultarían esta fuente de datos mediante el uso del nombre del error, por lo que establecerías la RetrievalImportance en el nombre como HIGHEST en el esquema.

A la inversa, es posible que la mayoría de los usuarios no busquen esta fuente de datos mediante el uso de la descripción del error, por lo tanto, establece la RetrievalImportance en la descripción como DEFAULT. A continuación, se muestra un esquema de muestra que contiene la configuración de RetrievalImportance.

{
  "objectDefinitions": [
    {
      "name": "issues",
      "propertyDefinitions": [
        {
          "name": "summary",
          "textPropertyOptions": {
            "retrievalImportance": {
              "importance": HIGHEST
              }
            }
          },
        {
          "name": "description",
          "textPropertyOptions": {
            "retrievalImportance": {
              "importance": DEFAULT
              }
            }
          },
        {
          "name": "label",
            "isRepeatable": true,
          "textPropertyOptions": {
            "retrievalImportance": {
              "importance": DEFAULT
              }
            }
          },
        {
          "name": "comments",
          "textPropertyOptions": {
            "retrievalImportance": {
              "importance": DEFAULT
              }
            }
          },
        {
          "name": "project",
          "textPropertyOptions": {
            "retrievalImportance": {
              "importance": HIGH
              }
            }
          },
        {
          "name": "duedate",
          "datePropertyOptions": {
          }
        },
        ...
      ]
    }
  ]
}

En el caso de los documentos HTML, las etiquetas, como <title> y <h1>, junto con la configuración de formato, como el tamaño de fuente y el texto en negrita, se utilizan para determinar la importancia de varios términos. Si el ContentFormat es TEXT, ItemContent tiene una importancia de recuperación de DEFAULT y, si es HTML, su importancia de recuperación se determina en función de las propiedades HTML.

Influir en la actualidad

La actualidad mide qué tan recientemente se modificó un elemento y se determina a partir de las propiedades createTime y updateTime en ItemMetadata. Los elementos más antiguos se recategorizan en los resultados de la búsqueda.

Es posible influir en cómo se calcula la actualidad de los objetos. Para ello, debes ajustar freshnessProperty y freshnessDuration en FreshnessOptions del esquema.

freshnessProperty te permite usar una fecha o propiedades de marca de tiempo para calcular la actualidad en lugar del updateTime predeterminado.

En nuestro ejemplo anterior de un sistema de seguimiento de errores de software, la fecha de vencimiento se podría usar como freshnessProperty, de modo que los elementos con una fecha de vencimiento más cercana a la fecha actual se consideren "más actuales" y obtengan un aumento de clasificación. A continuación, se muestra un esquema de muestra que contiene la configuración de freshnessProperty:

{
  "objectDefinitions": [
    {
      "name": "issues",
      "options": {
        "freshnessOptions": {
          "freshnessProperty": "duedate"
        }
      },
      "propertyDefinitions": [
        {
          "name": "summary",
          "textPropertyOptions": {
            "retrievalImportance": {
              "importance": HIGHEST
            }
          }
        },
        {
          "name": "duedate",
          "datePropertyOptions": {
          }
        },
        ...
      ]
    }
  ]
}

Usa freshnessDuration para identificar el momento en el que un elemento se considera desactualizado. Por ejemplo, puedes tener una fuente de datos que no se indexa regularmente o para la cual no quieres que la actualidad influya en la clasificación. Para ello, debes especificar un valor alto para freshnessDuration.

Supón que tienes una fuente de datos con información de perfil del empleado. En esta situación, es posible que quieras un freshnessDuration alto, ya que los cambios en la información del empleado a menudo no son relevantes para la clasificación del empleado. A continuación, se muestra un esquema de muestra que contiene la configuración de freshnessDuration:

{
  "objectDefinitions": [
    {
      "name": "people",
      "options": {
        "freshnessOptions": {
          "freshnessDuration": "315360000s", # 100 years
        }
      },
    }
  ]
}

También puedes configurar freshnessDuration en un valor muy pequeño para las fuentes de datos cuyo contenido cambia rápidamente, como una fuente de datos que contiene artículos de noticias. En esta situación, los documentos creados o modificados más recientemente son los más relevantes. A continuación, se presenta un esquema de muestra que contiene la configuración de freshnessDuration para una fuente de datos con contenido dinámico:

{
  "objectDefinitions": [
    {
      "name": "news",
      "options": {
        "freshnessOptions": {
          "freshnessDuration": "259200s", # 3 days
        }
      },
    }
  ]
}

Influir en la calidad

Calidad es una medición de la exactitud y utilidad de un elemento. Una fuente de datos puede contener varios documentos con una semántica similar, cada uno con un nivel de calidad diferente. Puedes especificar un valor de calidad de entre 0 y 1 mediante SearchQualityMetadata. Los elementos con valores más altos reciben un aumento de clasificación en relación con los elementos con valores más bajos. Usa esta configuración solo si necesitas influir en la calidad de un elemento, o mejorarla, más allá de la información proporcionada a Cloud Search.

Por ejemplo, supón que tienes una fuente de datos que contiene documentos de beneficios para empleados. Puedes usar SearchQualityMetadata para aumentar la clasificación de los documentos que crean los empleados de Recursos Humanos respecto de los documentos que crean otros empleados.

A continuación, se presenta un esquema de muestra que contiene la configuración de SearchQualityMetadata para los problemas de un sistema de seguimiento de errores:

{
  "name": "datasources/.../items/issue1",
  "acl": {
    ...
  },
  "metadata": {
    "title": "Issue 1"
    "objectType": "issues"
  },
  ...
}

{
  "name": "datasources/.../items/issue2",
  "acl": {
    ...
  },
  "metadata": {
    "title": "Issue 2"
    "objectType": "issues"
    "searchQualityMetadata": {
      "quality": 0.5
    }
  },
  ...
}

{
  "name": "datasources/.../items/issue3",
  "acl": {
    ...
  },
  "metadata": {
    "title": "Issue 3"
    "objectType": "issues"
    "searchQualityMetadata": {
      "quality": 1
    }
  },
  ...
}

Dado este esquema, cuando un usuario realiza una búsqueda con el término "problema", el problema 3 en el esquema (calidad de 1) tiene una clasificación más alta que el problema 2 (calidad de 0.5) y el problema 1 (si no se especifica nada, la calidad predeterminada es 0).

Influencia mediante el tipo de campo

Cloud Search te permite influir en la clasificación según el valor de las propiedades de enumeraciones o números enteros. Para cada propiedad de número entero o enumeración, se puede especificar una OrderedRanking. Esta configuración tiene los siguientes valores:

• NO_ORDER (predeterminado): la propiedad no afecta la clasificación.
• ASCENDING: Los elementos con valores más altos de esta propiedad de número entero o enumeración reciben un aumento de clasificación en comparación con los elementos con valores más bajos.
• DESCENDING: Los elementos con valores más bajos de la propiedad de número entero o enumeración reciben un aumento de clasificación en comparación con los elementos con valores más altos.

Por ejemplo, supongamos que cada error en un sistema de seguimiento de errores tiene una propiedad de enumeración para almacenar la prioridad del error como HIGH (1), MEDIUM (2) o LOW (3). En esta situación, la configuración de un OrderedRanking de DESCENDING proporciona un aumento de clasificación a la prioridad HIGH en comparación con los errores de prioridad LOW. A continuación, se presenta un esquema de muestra que contiene la configuración de OrderedRanking para problemas en un sistema de seguimiento de errores:

{
  "objectDefinitions": [
    {
      "name": "issues",
      "options": {
        "freshnessOptions": {
          "freshnessProperty": "duedate",
        }
      },
      "propertyDefinitions": [
        {
          "name": "summary",
          "textPropertyOptions": {
            "retrievalImportance": {
              "importance": HIGHEST
            }
          }
        },
        {
          "name": "duedate",
          "datePropertyOptions": {
          }
        },
        {
          "name": "priority",
          "enumPropertyOptions": {
            "possibleValues": [
              {
                "stringValue": "HIGH",
                "integerValue": 1
              },
              {
                "stringValue": "MEDIUM",
                "integerValue": 2
              },
              {
                "stringValue": "LOW",
                "integerValue": 3
              }
            ],
            "orderedRanking": DESCENDING,
          }
        },

        ...
      ]
    }
  ]
}

Un sistema de seguimiento de errores también podría tener una propiedad de número entero llamada votes, que se utiliza para recopilar comentarios de los usuarios sobre la importancia relativa de un error. Puedes usar la propiedad votes para influir en la clasificación si otorgas una importancia mayor a los errores que tienen más votos. En este caso, puedes especificar OrderedRanking como ASCENDING para la propiedad votes, de manera que los problemas con más votos reciban un aumento de clasificación. A continuación, se presenta un esquema de muestra que contiene la configuración de OrderedRanking para los problemas de un sistema de seguimiento de errores:

{
  "objectDefinitions": [
    {
      "name": "issues",
      "propertyDefinitions": [
        {
          "name": "summary",
          "textPropertyOptions": {
            "retrievalImportance": {
              "importance": HIGHEST
            }
          }
        },
        {
          "name": "description",
          "textPropertyOptions": {
            "retrievalImportance": {
              "importance": DEFAULT
            }
          }
        },
        {
          "name": "votes",
          "integerPropertyOptions": {
            "orderedRanking": ASCENDING,
            "minimumValue": 0,
            "maximumValue": 1000,
          }
        },

        ...
      ]
    }
  ]
}

Influir en la clasificación a través de la búsqueda expandida

Búsqueda expandida hace referencia a la expansión de los términos en la consulta, mediante sinónimos y ortografía, para obtener mejores resultados.

Usa sinónimos para influir en los resultados de la búsqueda

Cloud Search utiliza sinónimos inferidos de contenido web público para expandir los términos de la búsqueda. También puedes definir sinónimos personalizados para capturar la terminología específica de la organización, como las siglas comunes utilizadas en una organización o la terminología específica del sector.

Los sinónimos personalizados se pueden definir dentro de una fuente de datos o como una fuente de datos separada. De forma predeterminada, los sinónimos se aplican a todas las fuentes de datos en todas las aplicaciones de búsqueda. Sin embargo, puedes agrupar los sinónimos por fuente de datos y aplicación de búsqueda. Para obtener información sobre la definición de sinónimos personalizados, incluido el agrupamiento por aplicación de búsqueda, consulta Define sinónimos.

Usar ortografía para influir en los resultados de la búsqueda

Cloud Search proporciona sugerencias de ortografía basadas en modelos creados con los datos públicos de Búsqueda de Google. Si Cloud Search detecta una falta de ortografía en el contexto de una consulta, mostrará la consulta sugerida en el SpellResult. La ortografía sugerida se puede mostrar al usuario como una sugerencia. Por ejemplo, el usuario podría escribir incorrectamente el término de consulta "empledo" y recibir la sugerencia "¿Quiso decir empleado?".

Cloud Search también usa correcciones de ortografía como sinónimos para ayudar a recuperar documentos que de otra manera podrían perderse debido a un error de ortografía.

Clasificación de influencia a través de la configuración de la aplicación de búsqueda

Como se mencionó en la Introducción a Google Cloud Search, una aplicación de búsqueda es un grupo de configuraciones que, cuando se asocian con una interfaz de búsqueda, brindan información contextual sobre las búsquedas. La siguiente configuración te permite influir en la clasificación a través de la aplicación de búsqueda:

• Configuración de puntuación
• Configuración de la fuente

Las siguientes dos secciones explican cómo esta configuración es útil para influir en la clasificación.

Ajusta la configuración de la puntuación

Para cada aplicación de búsqueda, puedes especificar una ScoringConfig (configuración de puntuación) que se utiliza para controlar la aplicación de algunas señales durante la clasificación. Por el momento, puedes inhabilitar la actualidad y la personalización.

Si se desactiva la actualización, se inhabilita para todas las fuentes de datos enumeradas en la aplicación de búsqueda, independientemente de las opciones de actualización especificadas en el esquema para la fuente de datos. De manera similar, si se inhabilita la personalización, el aumento del propietario y de la interacción no afectan la clasificación.

Para obtener instrucciones paso a paso sobre esta configuración, consulta Cómo personalizar la experiencia de búsqueda en Cloud Search.

Ajustar la configuración de la fuente

La configuración de la fuente te permite especificar la configuración de nivel de la fuente de datos en una aplicación de búsqueda. Se admite la configuración para lo siguiente:

• Importancia de la fuente
• Multiplicidad

Establece la importancia de la fuente

Importancia de la fuente hace referencia a la importancia relativa de la fuente de datos dentro de una aplicación de búsqueda. Esta configuración se puede especificar en el campo SourceImportance de SourceScoringConfig. Los elementos de una fuente de datos con la importancia de la fuente HIGH reciben un aumento de clasificación en comparación con los elementos de una fuente de datos con una importancia de la fuente de DEFAULT o LOW. Usa esta configuración para influir en la clasificación cuando creas que los usuarios preferirían los resultados de ciertas fuentes de datos.

Por ejemplo, supón que tienes un portal de asistencia del producto que contiene datos de solución de problemas internos y externos. En esta situación, es posible que quieras configurar tu aplicación de búsqueda para priorizar los resultados de la fuente de datos interna.

Para obtener instrucciones paso a paso sobre esta configuración, consulta Cómo personalizar la experiencia de búsqueda en Cloud Search.

Configurar la multiplicidad

Multiplicidad hace referencia al número máximo de resultados que se pueden mostrar a partir de una fuente de datos en una aplicación de búsqueda. Se puede controlar este valor con el campo numResults de SourceCrowdingConfig. El valor predeterminado es 3, lo que significa que, si hemos mostrado tres resultados de una fuente de datos, Cloud Search comienza a presentar resultados de otras fuentes de datos. Los elementos de la primera fuente de datos se reconsideran solo si todas las fuentes de datos han alcanzado su límite de multiplicidad o si no hay más resultados de otras fuentes de datos.

Esta configuración es útil para garantizar la diversidad de los resultados de la búsqueda y evitar que una fuente de datos domine la página de resultados de la búsqueda.

Para obtener instrucciones paso a paso sobre esta configuración, consulta Cómo personalizar la experiencia de búsqueda en Cloud Search.

Influir en la clasificación a través de la personalización

Personalización hace referencia a la presentación de resultados de la búsqueda personalizados basados en el usuario individual que accede al resultado. Puedes influir en la clasificación cuando das prioridad a los elementos según los siguientes criterios:

• Propiedad del elemento
• Interacción del elemento
• Clics de los usuarios
• Idioma del elemento

Las siguientes tres secciones tratan cómo influir en la calidad de la búsqueda según estos criterios.

Clasificación de la influencia en función de la propiedad del elemento

La propiedad del elemento se relaciona con brindar un aumento de clasificación a los elementos que pertenecen al usuario que realiza la búsqueda. Cada elemento tiene un ItemAcl con un campo owners. Si el usuario que ejecuta una consulta es el propietario de un elemento, entonces, de forma predeterminada, ese elemento recibe un aumento de clasificación. Puedes desactivar la personalización en la aplicación de búsqueda.

Aumenta la clasificación en función de la interacción del elemento

Interacción del elemento hace referencia a proporcionar un aumento de clasificación en los elementos con los que ha interactuado (visto, comentado, editado, etc.) el usuario de la búsqueda.

Los indicadores de interacción de los elementos se obtienen automáticamente para productos de Google Workspace, como Drive y Gmail. Para otros productos, puedes proporcionar datos de la interacción a nivel del elemento, incluido el tipo de interacción (ver, editar), la marca de tiempo de la interacción y el principal (usuario que interactuó con el elemento). Ten en cuenta que los elementos con interacciones recientes obtienen un aumento de clasificación más alto.

Mejorar la clasificación en función de los clics de los usuarios

Cloud Search recopila los clics en los resultados de la búsqueda actuales y los usa para mejorar la clasificación de las búsquedas futuras, ya que mejora los elementos en los que el mismo usuario hizo clic anteriormente.

Influir en la clasificación mediante la interpretación de consultas

La función de interpretación de consultas de Cloud Search interpreta automáticamente los operadores y filtros presentes en las consultas de los usuarios y los convierte en una consulta estructurada y basada en operadores. La interpretación de consultas usa operadores definidos en el esquema junto con los documentos indexados para deducir el significado de las consultas de los usuarios. Esta función permite que los usuarios obtengan resultados precisos incluso si usan una cantidad mínima de palabras clave en sus búsquedas. Si quieres obtener más información, consulta Diseña la estructura de un esquema para optimizar la interpretación de consultas.

Aumenta la clasificación en función del idioma del elemento

Idioma hace referencia a proporcionar un descenso de clasificación a los elementos cuyo idioma no coincide con el idioma de la consulta. Los siguientes factores afectan la clasificación de los elementos según el idioma:

• Es el lenguaje de consulta. El idioma detectado automáticamente de la búsqueda o el languageCode especificado en RequestOptions

  Si compilas una interfaz de búsqueda personalizada, debes configurar languageCode en el idioma o la preferencia de idioma de la interfaz del usuario (por ejemplo, el idioma del navegador web o la página de la interfaz de búsqueda). El idioma de la consulta detectado automáticamente tiene prioridad sobre languageCode, de modo que la calidad de la búsqueda no se vea comprometida cuando un usuario escribe una consulta en un idioma que difiere de su interfaz.

• Es el idioma del elemento. El contentLanguage establecido en ItemMetadata en el momento de la indexación o el idioma del contenido que detecta automáticamente la Búsqueda en la nube

  Si el contentLanguage de un documento se deja vacío en el momento del indexado y se propaga el ItemContent, Cloud Search intenta detectar el idioma que se usa en el ItemContent y lo almacena de forma interna. El idioma detectado automáticamente no se agrega al campo contentLanguage.

Si el idioma de la consulta y el elemento coinciden, no se aplica el descenso de clasificación del idioma. Si esta configuración no coincide, entonces el elemento desciende de nivel. El descenso de idioma no se aplica a los documentos en los que contentLanguage está vacío y Cloud Search no pudo detectar automáticamente el idioma. Como resultado, la clasificación de un documento no se ve afectada si Cloud Search no puede detectar su idioma.

Mejorar la clasificación en función del contexto del elemento

Puedes aumentar la clasificación de los elementos que son más relevantes para el contexto de una búsqueda. El contexto (contextAttributes) es un conjunto de atributos con nombre que puedes especificar durante la indexación y en la solicitud de búsqueda para proporcionar contexto a una búsqueda específica.

Por ejemplo, supongamos que un elemento, como un documento de beneficios para empleados, es más relevante en el contexto de un Location y un Department, como una ciudad (San Francisco), un estado (California), un país (USA) y un Department (Engineering). En este caso, puedes indexar el elemento con los siguientes atributos nombrados:

{
  ...
  "metadata": {
    "contextAttributes": [
      {
        name: "Location"
        values: [
          "San Francisco",
          "California",
          "USA"
        ],
      },
      {
        name: "Department"
        values: [
          "Engineering"
        ],
      }
    ],
  },
  ...
}

Cuando el usuario ingresa una búsqueda de "beneficios" en la interfaz de búsqueda, puedes incluir la información de ubicación y el departamento del usuario en la solicitud de búsqueda. Por ejemplo, esta es una solicitud de búsqueda que contiene información de ubicación y departamento para un ingeniero en Chicago:

{
  ...
  "contextAttributes": [
    {
      name: "Location"
      values: [
        "Chicago",
        "Illinois",
        "USA"
      ],
    },
    {
      name: "Department"
      values: [
        "Engineering"
      ],
    }
  ],
  ...
}

Como el elemento indexado y la solicitud de búsqueda contienen los atributos "Department=Engineering" y "Location=USA", el elemento indexado (un documento de beneficios para empleados) aparece más arriba en los resultados de la búsqueda.

Ahora supongamos que otro usuario, un ingeniero de la India, ingresa una búsqueda de "beneficios" en la interfaz de búsqueda. Esta es una solicitud de búsqueda que contiene la información de su ubicación y departamento:

{
  ...
  "contextAttributes": [
    {
      name: "Location"
      values: [
        "Bengaluru",
        "Karnataka",
        "India"
      ],
    },
    {
      name: "Department"
      values: [
        "Engineering"
      ],
    }
  ],
  ...
}

Debido a que tanto el elemento indexado como la solicitud de búsqueda solo contienen el atributo "Department=Engineering", el elemento indexado aparece solo un poco más arriba en los resultados de la búsqueda (en comparación con la primera búsqueda de "benefits" que ingresó un ingeniero ubicado en Chicago, Illinois, EE.UU.).

Los siguientes son algunos ejemplos de contextos que podrías usar para aumentar la clasificación:

• Ubicación: Los elementos pueden ser más relevantes para los usuarios en una ubicación en particular, como un edificio, una ciudad, un país o una región.
• Puesto laboral: Los elementos pueden ser más relevantes para los usuarios que desempeñan un puesto laboral en particular, como escritor técnico o ingeniero.
• Departamento: Los elementos pueden ser más relevantes para ciertos departamentos, como Ventas o Marketing.
• Nivel de trabajo: Los elementos pueden ser más relevantes para ciertos niveles de trabajo, como director o director general.
• Tipo de empleado: Los elementos pueden ser más relevantes para ciertos tipos de empleados, como los empleados de tiempo completo y de medio tiempo.
• Antigüedad: Los elementos pueden ser más relevantes para la antigüedad de un empleado, como un nuevo empleado.

Cómo influir en la clasificación a través de la popularidad de los elementos

Cloud Search aumenta la clasificación de los elementos populares, es decir, de aquellos que recibieron clics en búsquedas recientes.

Influir en la clasificación a través del aumento de clics

Cloud Search recopila los clics en los resultados de la búsqueda actuales y los usa para mejorar la clasificación de las búsquedas futuras, ya que aumenta los elementos populares para una búsqueda en particular.

Resumen de la configuración de la calidad de búsqueda recomendada y opcional

En la siguiente tabla, se enumeran todas las configuraciones de calidad de búsqueda recomendadas y opcionales. Estas recomendaciones deberían ayudarte a obtener el máximo beneficio de los modelos de clasificación de Cloud Search.

Próximos pasos

Aquí hay algunos pasos que puedes seguir:

1. Diseña la estructura de un esquema para optimizar la interpretación de consultas.

2. Aprende a aprovechar el esquema _dictionaryEntry para definir sinónimos para los términos que se suelen usar en tu empresa. Para usar el esquema _dictionaryEntry, consulta Define sinónimos.