Contexto empresarial
Una empresa de comercio electrónico necesita implementar una barra de búsqueda inteligente en su sitio web. El objetivo es indexar los nombres y descripciones de los productos para permitir a los usuarios encontrar artículos basándose en palabras clave relevantes, incluso si estas aparecen en la descripción detallada y no solo en el título.
Sobre el conjunto : searchAnalytics
Indexación de datos y funcionalidades de búsqueda.
Descubrir todas las acciones de searchAnalytics Preparación de datos
Creación de un catálogo de productos simulado con títulos y descripciones en español.
¡Copiado!
| 1 | |
| 2 | DATA casuser.catalogo_productos; |
| 3 | LENGTH id_prod 8 nombre $50 descripcion $200; |
| 4 | INFILE DATALINES delimiter='|'; |
| 5 | INPUT id_prod nombre $ descripcion $; |
| 6 | DATALINES; |
| 7 | 1|Zapatillas Runner|Calzado deportivo ideal para correr maratones y entrenamiento diario| 2|Camiseta Algodón|Camiseta básica 100% algodón, disponible en varios colores, muy cómoda| 3|Smartwatch X|Reloj inteligente con monitor de ritmo cardíaco y GPS integrado para deportes| 4|Cafetera Express|Máquina de café automática con molinillo de granos cerámico| ; |
| 8 | |
| 9 | RUN; |
| 10 |
Étapes de réalisation
1
Carga y verificación de la tabla de productos.
¡Copiado!
| 1 | |
| 2 | PROC CAS; |
| 3 | TABLE.tableInfo / TABLE={name='catalogo_productos', caslib='casuser'}; |
| 4 | |
| 5 | RUN; |
| 6 |
2
Ejecución de buildTermIndex con tokenización en español sobre campos específicos.
¡Copiado!
| 1 | |
| 2 | PROC CAS; |
| 3 | searchAnalytics.buildTermIndex / TABLE={name='catalogo_productos', caslib='casuser'}, casOut={name='indice_productos', caslib='casuser', replace=true}, fields={'nombre', 'descripcion'}, tokenize=true, language='SPANISH'; |
| 4 | |
| 5 | RUN; |
| 6 |
Resultado esperado
Se espera que la tabla 'indice_productos' contenga términos individuales (tokenizados) extraídos tanto del 'nombre' como de la 'descripcion'. Palabras comunes (stop words) del español podrían ser gestionadas por el tokenizador, y los términos deben tener un conteo de frecuencia asociado que refleje su aparición en los campos seleccionados.