Python i Django: Literówki - Trigram Similarity

0:00Dobrze jest w naszej wyszukiwarce obsłużyć problem sterówek.

0:04Głupio żeby klient który popełni literówki zobaczył pustą stronę zamiast konkretnie

0:11dobrze dopasowany produkt który prawdopodobnie miał na myśli.

0:15Do tego celu użyjemy funkcji z Peresa

0:18która nazywa się program seminariów i instaluje ją za pomocą imigracji.

0:27Stworzymy sobie pustą migrację.

0:31W aplikacji Article za pomocą flagi n.p.m. tworzyła się.

0:37Pod nazwą 002.

0:44Jako operację.

0:47Wpisujemy po prostu Trigon Extended.

0:50Z pakietu Django kontry po z gry z Operation Strike bramek przez.

0:57Oddajemy zawiasy i uruchamiamy migracja.

1:02W tym momencie możemy korzystać z

1:06bardzo wygodnej funkcji która porównuje nam dwie frazy porównuje nam coś co jest w

1:12bazie danych porównuje nam coś co my piszemy.

1:16Działa to na takiej zasadzie.

1:20że zamienia nam słowa.

1:24Na.

1:26Pewne części działa to tak że dzieci na początku nawet później a później na dwór.

1:32Zgodnie z nazwą Tri gram są to maksymalnie trzy litery owe fragmenty.

1:37Później jest RTS później RS a później s a w a dół i.

1:46To samo

1:48zrobi z frazę którą chcemy wyszukać i z wyrazami które są już w bazie danych.

1:53Dzięki temu.

1:55Mamy pewne fragmenty które możemy porównać

1:58i wartość którą otrzymujemy podczas tego wyszukiwania jest współczynnik pasujący

2:04tekstów do wszystkich pracujących tych fragmentów.

2:11Zajrzymy ponownie do funkcji chcielibyśmy wyświetlać wyniki które są powyżej.

2:17Dwóch dziesiątych wskaźnik jest od zera do jednego powiedzmy że chcielibyśmy żeby

2:21pojawiały się wyniki które się w pasowały w dwóch dziesiątych.

2:25Należy to zrobić w ten sposób że tworzymy obiekt klasy wygramy z miliard

2:33który w pierwszym parametr przyjmuje pole w drugim przyjmuje coś.

2:42Wejściowego w tym przypadku będzie to Gwardia.

2:51Taką funkcję umieszczamy za pomocą a i tak w naszym secie.

2:58I może żeby jeszcze nie filtrowanie pokaże wam jak to w ogóle działa.

3:02Zajrzymy do klatki i tam piszemy sobie z nimi żarty.

3:07Obok tytułu będziemy mieli fajny podgląd na to.

3:12Które artykuły są podobne do tego co wpisujemy.

3:17świeżymi.

3:18Nie wpisać żadnego pola do tego nic tam nie porównał i szukamy

3:23dostaliśmy dla mleka co nie jest zaskakujące zero dla zielonej herbaty 0.5

3:30dla czarnej 04 i dla artykułu o liściach herbaty 1 6.

3:35Dlatego możemy sobie w tym momencie ustalić jak.

3:40Dużo wyników chcemy wyświetlać jak bardzo chcemy tolerować drobne pomyłki.

3:45Ewentualnie jeżeli zależy nam na jak największej ilości wyszukiwań to możemy po

3:49prostu po sortowania to od najlepiej dopasowanych do najmniej dopasowanych.

3:54Bardzo fajnym pomysłem

3:56jest też zebranie wszystkich słów które mamy w bazie danych i wyszukiwanie tylko.

4:03Wśród tych pojedynczych słów już tłumaczę dlaczego.

4:06Gdybyśmy już tłumaczę dlaczego kiedy mamy długi tytuł kiedy mamy jakieś

4:11długie frazy to wyszukiwanie po ramach nie jest do końca precyzyjne kiedy mielibyśmy

4:18tytuł składający się z 30 słów czyli chcielibyśmy wyszukać po jednym to wtedy

4:23ten współczynnik byłby bardzo nisko po prostu przez to że pasowałby do małej

4:29liczby elementów pomijając fakt że mógłby idealnie wpasować się w której ze słów.

4:35Dobrym pomysłem jest np.

4:37wyciągnięcie wszystkich słów osobno z naszych produktów z naszych tytułów

4:41i wysłuchanie w takiej właśnie liście najbardziej odpowiednich słów.

4:47Wtedy jesteśmy w stanie najbardziej

4:49precyzyjnie określić które z tych słów prawdopodobnie miał na myśli użytkownik.