Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Aplicación del complemento a las consultas de Amazon OpenSearch Service
Después de crear un canalización, podrá aplicar el complemento Search Ranking de Amazon Personalize a las consultas. Puede aplicar el complemento Search Ranking de Amazon Personalize a todas las consultas y respuestas de un índice. También puede aplicar el complemento a consultas y respuestas individuales.
-
Puede usar el siguiente código de Python para aplicar una canalización de búsqueda a un índice. Con este enfoque, todas las búsquedas que utilizan este índice utilizan el complemento para personalizar los resultados de la búsqueda.
import requests from requests_auth_aws_sigv4 import AWSSigV4 domain_endpoint = '
domain endpoint
' index = 'index name
' url = f'{domain_endpoint}/{index}/_settings/' auth = AWSSigV4('es') headers = {'Content-Type': 'application/json'} body = { "index.search.default_pipeline": "pipeline name
" } try: response = requests.put(url, auth=auth, json=body, headers=headers) print(response.text) except Exception as e: print(f"Error: {e}") -
Puede usar el siguiente código de Python para aplicar una canalización de búsqueda a una consulta individual para los coches de la marca Toyota.
Actualice el código para especificar el punto de conexión de su dominio, su índice de OpenSearch Service, el nombre de su canalización y su consulta. Para
user_id
, especifique el ID del usuario del que va a obtener los resultados de la búsqueda. Este usuario debe estar en los datos que utilizó para crear la versión de solución de Amazon Personalize. Si el usuario no estuviera presente, Amazon Personalize clasifica los elementos según su popularidad.Para
context
, si utiliza metadatos contextuales, proporcione los metadatos contextuales del usuario, como su tipo de dispositivo. El campocontext
es opcional. Para obtener más información, consulte Aumento de la relevancia de las recomendaciones con metadatos contextuales.import requests from requests_auth_aws_sigv4 import AWSSigV4 domain_endpoint = '
domain endpoint
' index = 'index name
' url = f'{domain_endpoint}/{index}/_search/' auth = AWSSigV4('es') headers = {'Content-Type': 'application/json'} params = {"search_pipeline": "pipeline-name
"} body = { "query": { "multi_match": { "query": "Toyota
", "fields": ["BRAND
"] } }, "ext": { "personalize_request_parameters": { "user_id": "USER ID
", "context": { "DEVICE
" : "mobile phone
" } } } } try: response = requests.post(url, auth=auth, params=params, json=body, headers=headers, verify=False) print(response) except Exception as e: print(f"Error: {e}")