按照搜索建议使用片段是否实用？
Practical to use snippets as search suggest?
我正在尝试在我的应用程序中实现提前输入，我得到了搜索建议，按照文档中的建议使用元素范围索引。问题是，它不适合我的用例。
用过它的人都知道，除非搜索字符串在被搜索内容的开头，否则它不会return结果。除非使用前导和尾随通配符，这不会 return 我需要的。
我在考虑，而不是简单地根据术语进行搜索，然后 return 将结果片段（在我的服务器端代码中截断）作为我预先输入的建议。
由于我没有比较性能的好方法，所以我希望了解这是否实用，或者是否太慢。
另外，因为它可能会出现在答案中，是的，我已经阅读了关于 "chunked Element Range Indexes" 的 post，但是作为 MarkLogic 的新手，我无法理解它的正面或反面，并且无法使其适应我的应用程序。
您提到您正在使用范围索引来填充您的建议，但您也可以使用单词词典。单词词典会根据标记化的字符数据而不是元素的全部值（或 json 属性）生成建议。可能值得研究一下。
或者，由于您提到了通配符，您可能会对 cts:value-match 感兴趣。它基于范围索引中的值（而不是单词）运行，但采用 wild-carded 表达式作为输入。它会比需要提取和处理实际内容的代码片段方法执行得更好。
HTH！
我写了 Chunked Element Range Indexes 博客 post，发现 last-minute 我的性能数据因索引中的一个大得惊人的文档而出现偏差。当我删除那个大文档时，许多其他技术（例如通配符匹配）突然变得更快了。这让我感到惊讶，因为我使用过的所有其他搜索引擎都无法为 type-ahead 场景提供如此快速的性能和灵活性，特别是如果我尝试引入 wild-card 搜索。我决定不公开我的 post，但其他人不小心帮我做了，所以我们决定将其保留在那里，因为它仍然提供了一个有效的选项。
由于 MarkLogic 提供了多个通配符索引，因此您可以在该领域做很多事情。但是，搜索片段不是执行此操作的正确方法，因为我认为它们会增加一些开销。调用 cts:search 或其他 cts 调用之一来匹配词典。我猜你会想要 cts:element-value-match。这会与范围索引进行通配符匹配，因为它们都在内存中，所以速度更快。如果可以的话，打开数据库上的所有通配符索引。
它应该从 MarkLogic HTTP 服务器中的自定义 XQuery 脚本调用。我不像往常那样推荐 REST 扩展，因为您需要尽可能 stream-lined 才能正确完成大多数 type-ahead 场景（即足够快）。
我建议您想方设法将范围索引中的值集减少到 100,000 以下，这样匹配的对象就更少了，并且您不会让任何垃圾建议出现。此外，请确保根据查询的其余部分过滤匹配集（如果用户已经开始输入其他单词或短语）。确保您的 HTTP 脚本限制返回的建议数量，因为用户通常无法从一长串建议中获益。并制定一些算法来对建议进行排名，以便最有帮助的建议排在首位。最后，要非常非常小心，不要提出那些比帮助更分散注意力的建议。如果您要为您的用户提供 type-ahead，它会打断他们的搜索和 train-of-thought，所以如果您要建议不会帮助他们得到什么的搜索词组，请不要打扰他们他们要。我经常看到这种方式，甚至在主要网站上也是如此。不要这样做 type-ahead，除非您愿意衡量该功能的使用情况，并随着时间的推移对其进行调整，或者在它分散用户注意力时将其删除。
希望对您有所帮助！
我正在尝试在我的应用程序中实现提前输入，我得到了搜索建议，按照文档中的建议使用元素范围索引。问题是，它不适合我的用例。
用过它的人都知道，除非搜索字符串在被搜索内容的开头，否则它不会return结果。除非使用前导和尾随通配符，这不会 return 我需要的。
我在考虑，而不是简单地根据术语进行搜索，然后 return 将结果片段（在我的服务器端代码中截断）作为我预先输入的建议。
由于我没有比较性能的好方法，所以我希望了解这是否实用，或者是否太慢。
另外，因为它可能会出现在答案中，是的，我已经阅读了关于 "chunked Element Range Indexes" 的 post，但是作为 MarkLogic 的新手，我无法理解它的正面或反面，并且无法使其适应我的应用程序。
您提到您正在使用范围索引来填充您的建议，但您也可以使用单词词典。单词词典会根据标记化的字符数据而不是元素的全部值（或 json 属性）生成建议。可能值得研究一下。
或者，由于您提到了通配符，您可能会对 cts:value-match 感兴趣。它基于范围索引中的值（而不是单词）运行，但采用 wild-carded 表达式作为输入。它会比需要提取和处理实际内容的代码片段方法执行得更好。
HTH！
我写了 Chunked Element Range Indexes 博客 post，发现 last-minute 我的性能数据因索引中的一个大得惊人的文档而出现偏差。当我删除那个大文档时，许多其他技术（例如通配符匹配）突然变得更快了。这让我感到惊讶，因为我使用过的所有其他搜索引擎都无法为 type-ahead 场景提供如此快速的性能和灵活性，特别是如果我尝试引入 wild-card 搜索。我决定不公开我的 post，但其他人不小心帮我做了，所以我们决定将其保留在那里，因为它仍然提供了一个有效的选项。
由于 MarkLogic 提供了多个通配符索引，因此您可以在该领域做很多事情。但是，搜索片段不是执行此操作的正确方法，因为我认为它们会增加一些开销。调用 cts:search 或其他 cts 调用之一来匹配词典。我猜你会想要 cts:element-value-match。这会与范围索引进行通配符匹配，因为它们都在内存中，所以速度更快。如果可以的话，打开数据库上的所有通配符索引。
它应该从 MarkLogic HTTP 服务器中的自定义 XQuery 脚本调用。我不像往常那样推荐 REST 扩展，因为您需要尽可能 stream-lined 才能正确完成大多数 type-ahead 场景（即足够快）。
我建议您想方设法将范围索引中的值集减少到 100,000 以下，这样匹配的对象就更少了，并且您不会让任何垃圾建议出现。此外，请确保根据查询的其余部分过滤匹配集（如果用户已经开始输入其他单词或短语）。确保您的 HTTP 脚本限制返回的建议数量，因为用户通常无法从一长串建议中获益。并制定一些算法来对建议进行排名，以便最有帮助的建议排在首位。最后，要非常非常小心，不要提出那些比帮助更分散注意力的建议。如果您要为您的用户提供 type-ahead，它会打断他们的搜索和 train-of-thought，所以如果您要建议不会帮助他们得到什么的搜索词组，请不要打扰他们他们要。我经常看到这种方式，甚至在主要网站上也是如此。不要这样做 type-ahead，除非您愿意衡量该功能的使用情况，并随着时间的推移对其进行调整，或者在它分散用户注意力时将其删除。
希望对您有所帮助！