Сайт на opencart 2.3. Там несколько тысяч товаров. Клиенты хотят поиск "шоб как у гугла" вводишь слова с ошибкой, вводишь бренд +товар (apple mac), вводишь часть артикула, вводишь названия брендов\товаров с пробелами в ненужных местах (macpro, mac pro, imacproversion9000), вводишь макбук и чтоб поиск корректно все это обработал и выдал нужный товар.
Как это сделать? Я читал что нужно искать по файлу xml со всеми товарами, но не понимаю как. Нашел только поиск от яндекса, но там надо чтоб цены были в рублях, а у меня в гривне.
ЗЫ
Я допиливал стандартный поиск:
1) вырезаем из поисковой фразы все лишние символы типа \ ) ( " и тд и ищем. ничего не нашли идем дальше
2) разбиваем очищенную поисковую фразу на слова и ищем по каждому слову ничего не нашли идем дальше
3) проверка на кирилицу если написано на кирилице транслитерация символов в латиницу ничего не нашли идем дальше
4) разбиваем очищенную поисковую фразу в нужнов словаре на слова и ищем по каждому слову ничего не нашли идем дальше
5) делим поисковую фразу на кучу слов по 4 символа и ищем по каждому
это бред конечно, но уже не знаю как улучшить поиск самостоятельно.
Такой поиск делается через поиск самой длинной совпадающей "цепочки" в "дереве" связанных слов.
Слова - тоже самое, но только это "дерево" букв.
Ошибки - "глубина" вложенности просмотра всех связей текущего "узла" в "дереве" во время поиска.
dimonchik2013, это называется фонетическое сжатие и делается через маскарадинг минимум двух слогов и располагается в порядке убывания точности трактовки (длины заменяемого паттерна). Поиск - рекурсия до первого повтора.
Образец:
macbook: macbook=макбук
notebook: note=ноут
oo: у
dimonchik2013, разбивка склейки - уже отдельная тема.
1. Прописная, заглавная - разрыв: cB => c B.
2. Цифры отдельно от букв, если хотя бы одна содержит прописную: Air13 => Air 13
3. Спец. символы - удаляем, только те, которые являются знаками препинания или непечатные.
imacproversion9000 - после отделения 9000, разделяем слово по нулевому количеству связей между узлами буквенного графа для данной цепочки букв, начиная следующую часть (после отделения левой части) анализировать с "нуля".
dimonchik2013, ))
проц не нужен мощный, т.к. там банально путешествия по графу от узла к узлу.
не уверен, что разделить получится однозначно
если ввели новые слова в склейке, не содержащиеся в графе - то просто не будет знаний и тогда, да - уже никак...
Правда, можно эвристику заюзать: сверить частотную волну для похожих наборов символов и по всплескам разделить, но использовать только как доп. вариант.
dimonchik2013, ну такое!
Новые товары будут добавляться на рынок постоянно, нужно парсить периодически, доп.забота...
Нафиг.. Лучше сразу максимально универсально сделать и потом забыть про это надолго.
Предлагаю посмотреть на elasticsearch, индексируете все товары и можете получать результаты даже с неправильно введенными фразами используя нечеткий поиск
