下拉提示是搜索服務的基礎功能，在用戶輸入查詢詞的過程中，智能推薦候選query，提高用戶輸入效率，幫助用戶盡快找到想要的內容。

下拉提示實現了基于用戶文檔內容的query智能抽取，可以通過中文前綴，拼音全拼，拼音首字母簡拼查詢以及漢字加拼音，分詞后前綴，中文同音別字等查詢下拉提示的候選query。

例如：連衣裙長款 這個query，可以通過如下方式查詢得到：

• 中文前綴：連, 連衣, …

• 全拼前綴：l, li, lian, lianyi, lianyiqun, …

• 簡拼前綴：l, ly, lyq, …

• 漢字加拼音：連yi, 連衣qun, …

• 分詞后前綴：長款, 長款連衣, 連衣長, …

• 中文同音別字： 連衣群, 聯誼群, …

此外，用戶可以通過干預詞條對下拉提示的數據進行干預?？梢钥吹较吕崾镜亩囗棙I務指標，詳見下拉提示報表。

數據來源

下拉提示數據主要來源于應用文檔。每個下拉提示最多可以從一個應用中選擇3個字段作為數據來源。處理時，系統會選取應用中的部分文檔（百萬級別），對這些文檔中被選中的字段按照指定的規則進行處理，生成下拉提示的候選數據。之后再按一定規則保留一定量的數據作為下拉提示候選query。

query生成規則

對于候選query的生成規則，我們針對過去N（默認7天）的歷史query，結合該query的詞權重，召回結果數，歷史搜索次數，近一天查詢是否有結果等條件，選出一些熱門歷史查詢詞，作為下拉提示的候選詞。系統支持兩種規則生成候選query：抽取生成和原值保留。

• 抽取生成：使用阿里nlp團隊基于海量自然語言訓練的分析器，對字段內容進行分詞，抽取有意義的term進行組合，得到候選query，這種方式盡量保證生成的候選query能召回對應的文檔。

• 原值保留：該規則對字段內容不做分詞處理，直接將其作為下拉提示的候選query。但當字段內容超過一定限制（30個字符）時，將截斷字段，保留前30個字符的內容作為候選query。這種方式適用于不需要分詞的應用字段（店鋪名，用戶名，歌曲名等）或者用戶自己生成候選query，直接原樣展示。建議使用內容較短且含義明確的字段。

注意：
抽取的候選query為，過去N天（默認七天）的歷史搜索請求和攜帶raw_query參數的請求。

人工干預

下拉提示支持的干預項包括：

• 對候選query結果進行干預，包括黑名單和白名單。

• 對數據源應用文檔設置過濾條件，配置過濾條件后，只會使用符合該過濾條件的應用文檔生成下拉提示候選詞。

控制臺配置如下圖所示：

候選query結果干預

黑名單：黑名單中的關鍵詞支持包含匹配，包含黑名單關鍵詞的query將不會出現在下拉提示結果中。因此，當下拉提示結果中出現一些業務上不想要的結果時，可將關鍵詞添加到下拉提示黑名單中，實現對這些結果的屏蔽。

白名單：當白名單中的query滿足推薦條件時，將優先在下拉提示中顯示。因此，當某些優質query沒有被識別出來，或者排序靠后時，可將其加到白名單中，實現更好的下拉提示效果。**黑名單和白名單的具體配置，可點擊此處進行查看。

• 為進一步提升下拉提示效果（提升下拉提示引導搜索量、搜索結果點擊率等），強烈建議將下拉提示請求與搜索請求關聯。關聯方法見文尾：下拉提示請求與搜索請求關聯部分；

• 選擇內容簡潔，和文檔主題相關的字段；

• 合理使用抽取生成和原值保留規則；

• 查詢結果中，suggestions是本次查詢的結果，errors表示本次查詢是否有錯誤發生。errors不為空，不代表suggestions為空。因此，解析結果時，需要通過suggestions是否為空來判斷是否無數據展示。

1.搜索算法中心—->搜索引導—->下拉提示，點擊“創建”：

2.輸入“模型名稱”、選擇“訓練字段”及抽取方式、選擇是否開啟歷史搜索詞【可選】、輸入“過濾條件”【可選】，點擊“完成”：

3.在下拉提示列表頁，點擊“訓練模型”，訓練已創建的模型：

4.下拉提示模型開啟訓練后，需要20-30分鐘左右的訓練時間；

5.下拉提示模型訓練完成后，可以進行下拉提示效果測試，圖中分別為“抽取”以及“原值保留”的兩種抽取方式的效果測試：

原值保留：

抽取：

6.在線查詢候選詞，見下面Demo。接口詳細說明見下拉提示開發指南。

下拉提示列表頁介紹

當用戶通過開放搜索控制臺：搜索算法中心—->搜索引導—->下拉提示，進入下拉提示列表頁（如下圖）：

列表頁中顯示下拉提示模型的“模型名稱”、“創建時間”、“模型狀態”、“近一次訓練狀態”（包括待訓練、訓練中、已訓練并通過、數據異常四種狀態）等信息。操作欄中可對模型進行模型詳細查看、訓練模型、刪除模型等操作。

下拉提示模型詳情頁介紹

基本信息中主要展示了模型創建時間、模型狀態、最后訓練開始時間、最新版本狀態（如果為數據異常狀態，則會在表格后展示“異常報告”懸浮窗）。

配置信息中主要展示了模型配置的訓練字段、過濾條件以及黑/白名單、定時訓練以及歷史搜索詞。

數據校驗中主要展示模型訓練的數據完整度以及完整度等級。

訓練歷史中主要展示該模型的訓練記錄。

核心指標數據

可選擇不同的時間區間，以表格和折線圖的形式展示下拉提示模型的核心指標數據

注意：具體指標含義，可參考下拉提示報表。

API：

GET v3/openapi/suggestions/{suggestion_name}/actions/search?hit=10&query={your_query}&re_search=homonym&user_id=xxx

Java SDK的Maven依賴：

<dependency>
    <groupId>com.aliyun.opensearch</groupId>
    <artifactId>aliyun-sdk-opensearch</artifactId>
    <version>4.0.0</version>
</dependency>

相關鏈接：版本說明

代碼演示：

package com.example.opensearch;

import com.aliyun.opensearch.OpenSearchClient;
import com.aliyun.opensearch.SuggestionClient;
import com.aliyun.opensearch.sdk.generated.OpenSearch;
import com.aliyun.opensearch.sdk.generated.commons.OpenSearchClientException;
import com.aliyun.opensearch.sdk.generated.commons.OpenSearchException;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;

import java.nio.charset.Charset;

public class SuggestDemo {
    static private final String accesskey = "填入accesskey信息";
    static private final String secret = "填入secret信息";
    static private final String host = "填入下拉提示關聯應用所在區域的host";
    OpenSearch openSearch;
    OpenSearchClient openSearchClient;
    static private final byte hits = 8; //最大返回下拉提示的條數
    static private final String suggestionName = "填入下拉提示名稱"; //填入下拉提示名稱

    @Before
    public void setUp() {
        //初始化openSearch對象
        openSearch = new OpenSearch(accesskey, secret, host);
        openSearchClient = new OpenSearchClient(openSearch);
    }

    @Test
    public void TestEnv() {
        //查看文件和默認編碼格式
        System.out.println(String.format("file.encoding: %s", System.getProperty("file.encoding")));
        System.out.println(String.format("defaultCharset: %s", Charset.defaultCharset().name()));

        //創建下拉提示對象
        SuggestionClient suggestionClient = new SuggestionClient(suggestionName, openSearchClient);
        String query = "填入查詢詞";
try {
            SuggestParams suggestParams = new SuggestParams();
            suggestParams.setQuery(query); //設置查詢詞
            suggestParams.setHits(10); //設置最大返回下拉提示的條數
            suggestParams.setUserId("12345678"); //設置user_id
            //“中文同音別字”補全召回功能已默認生效，可以在請求中添加參數re_search進行調整
            //ReSearch.findByValue(1)表示禁用；ReSearch.findByValue(0)或者不傳該參數表示開啟
            suggestParams.setReSearch(ReSearch.findByValue(1));
            SearchResult result = suggestionClient.execute(suggestParams); 
            System.out.println(result); //打印召回的結果
        } catch (OpenSearchException e) {
            e.printStackTrace();
        } catch (OpenSearchClientException e) {
            e.printStackTrace();
        }
    }

    @After
    public void clean() {
        openSearch.clear();
    }
}

下拉提示的Java SDK的詳情可參考：下拉提示demo。

召回結果展示：

{
  "request_id": "159851481919726888064081",
  "searchtime": 0.006246,
  "suggestions": [
    {
      "suggestion": "裙子潮"
    },
    {
      "suggestion": "裙子小個子 連衣裙"
    },
    {
      "suggestion": "裙子 波點連衣裙"
    },
    {
      "suggestion": "裙子 減齡"
    },
    {
      "suggestion": "裙子 波點"
    },
    {
      "suggestion": "裙子小個子"
    },
    {
      "suggestion": "裙子小個子波點"
    }
  ]
}

注意：召回結果返回的requestID，可以用于搜索請求的關聯。

將下拉提示請求和搜索請求關聯起來后，對業務有如下幫助：

1. 可以統計出一些指標，用于衡量下拉提示對搜索的效果。指標包括：下拉提示引導搜索pv，引導搜索點擊率，引導搜索無/少結果率等，更多詳細指標見下拉提示報表。

2. 基于關聯請求數據，得到下拉提示點擊結果等數據，優化下拉提示排序模型，進而提升下拉提示引導搜索的效果。

   關聯方法：

   在opensearch app search請求中，如果此次請求是由下拉提示引導的，則在search請求中帶上參數from_request_id={from_request_id}其中from_request_id表示：本搜索請求從哪里引導而來，如果當前的query來自下拉提示、熱詞、底紋等功能的推薦列表，那么請求這個推薦列表的request_id可以賦給這個參數，通過關聯這個引導事件，可以計算上游功能的各項指標，衡量使用效果，為優化功能提供依據。搜索處理文檔中也有此參數說明。

舉例：

通過下拉提示API 查詢出來的結果中的requestID是：159851481919726888064081，如下如果想關聯搜索請求，可參考：

SearchParams searchParams = new SearchParams(config);
searchParams.setQuery("title:'裙子小個子'"); //通過下拉提示引導的

///添加from_request_id參數
Map<String, String> customParam =new HashMap<>();
customParam.put("from_request_id","159851481919726888064081");
searchParams.setCustomParam(customParam);

//執行查詢語句返回數據對象
SearchResult execute = searcherClient.execute(searchParams);
//以字符串返回查詢數據
String result = execute.getResult();
System.out.println(result);