【源码】基于Python和Elasticsearch的电影搜索排序优化系统

项目简介

本项目旨在通过融合排序模型（RankLib 或 XGBOOST）与 Elasticsearch，实现电影搜索排序的优化，提升搜索排序的准确性。

项目的主要特性和功能

主要特性

1. 融合排序模型（RankLib 或 XGBOOST）与 Elasticsearch，有效提升搜索排序的准确性。
2. 支持通过编程或命令行操作训练模型，操作灵活方便。
3. 可控制模型得分与原查询得分的权重，实现个性化排序。

主要功能

1. 数据准备：下载 RankLib.jar 与 tmdb.json 数据集。
2. 索引创建与数据插入：创建 Elasticsearch 索引并插入 tmdb.json 数据。
3. 模型训练：创建特征存储、特征集，记录特征分数，生成训练数据并训练模型，最后将模型嵌入 es。
4. 搜索查询：使用 sltr 语句进行搜索，得到优化后的搜索结果。

安装使用步骤

环境准备

1. 确保已安装 es 6.1.2。
2. 安装 ltr - 1.0.0 - es6.1.2.zip 插件。
3. 准备 Python 环境。

运行步骤

1. 运行 prepare.py：下载 RankLib.jar 与 tmdb.json。
2. 运行 create_insert.py：创建 index 并将 tmdbs.json 插入。
3. 运行 train.py：
   • 创建 feature store。
   • 创建 feature set。
   • 进行 feature logging 生成训练数据。
   • 训练生成模型文件并将模型插入 es。
4. 运行 search.py：使用 sltr 语句进行搜索。

注意事项

1. 修改源码中的文件路径以适配本地环境。
2. 该插件无法适应 es 6.0.0 版本，且无法与现有 jieba 插件兼容同一版本 es。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】