node.js - 用于字符串分类的 tensorflow 与 Elasticsearch

Question

那么，稍微谈谈我的问题。

TL;DR

我可以使用机器学习代替 Elastic Search 根据用户的文本输入查找结果吗？这是个好主意吗？

我正在开发一个汽车备件项目，我们已将汽车分成 300 个零件，并将其存储在数据库中，每个零件都有一些数据(重量、可用性等)。

当客户输入其零件的文本时，我们需要能够对该零件进行分类，并将其映射到我们数据库中的零件。

当前的完成方式是由我们团队的人员手动将客户文本与我们数据库中的部分映射，我们希望自动化该过程。

我们尝试使用 MongoDB 文本搜索，但它常常不准确，因为零件在国家的不同地区有不同的名称。

因此，我们想要获得更准确的结果，并通过我们拥有的更多数据进行改进，经过一些研究并参加 Google's Machine Learning Crash Course 后，我们立即考虑了 TensorFlow。 ，我必须that point其中指定:

Models can't learn from string values, so you'll have to perform some feature engineering to convert those values to something numeric

如果我们的字符串特征数量有限，但我们不知道用户将输入什么文本，这将很有用。

所以，我的问题是:

1-我们可以使用机器学习将用户输入的文本与数据库中的某些文档进行映射吗？

2- 如果我们能做到这一点，那么优先使用它而不是 ElasticSearch 等其他搜索工具是个好主意吗？

3- 我们拥有的数据越多，ElasticSearch 能否改善其结果？怎么办？

4-您将如何解决这个问题？

注意:我会在 Node.js 中执行此操作，并且由于 TensorFlow.js 是新的，我倾向于寻求其他解决方案，但如果到了紧要关头，并且结果要好得多，我肯定会去那里。

Answer 1

TL;DR:是的，是的。

TS；WM:这是一个非常适合机器学习的问题。尤其是，如果您有一个包含已映射到零件的过去客户文本的数据库。理想情况下，每个部分都有数百个文本映射。如果存在，您可以设计和训练网络。模型可以通过一些工程从字符串值中学习，这并没有那么糟糕。

我不确定 ElasticSearch 会对网络有多大改进。我对汽车零部件贸易了解不多，但作为一个疯狂的猜测，“有助于改变方向的大圆形物体”永远不会映射到“方向盘”由 ES 编写，但可以通过网络轻松学习 - 前提是至少有一些人们使用该文本来指定方向盘的示例。

您可以但不一定必须为您的网络使用 tensorflow.js。人工智能可以作为网络服务在您的服务器上运行，您只需将客户的文本发送给它，它就会发回零件 SKU 和名称的建议。