게시된 날짜: Jul 27, 2020
이제 Amazon Elasticsearch Service에서 오픈 소스 Learning to Rank 플러그인이 지원됩니다. 이 플러그인을 사용하면 기계 학습 기술을 사용하여 기준 관련성 쿼리에서 반환되는 상위 결과의 순위를 개선할 수 있습니다. LTR(Learning to Rank)이 지원됨에 따라 정보 검색, 개인화, 감정 분석 및 추천 시스템에서 검색 관련성을 조정하고 Elasticsearch 쿼리 검색 결과의 순위를 다시 지정할 수 있습니다.
Elasticsearch는 기본적으로 BM-25(BM은 Best Matching을 나타냄)를 검색에 사용합니다. BM-25는 각 문서에 나타나는 쿼리 용어의 빈도를 바탕으로 관련성이 가장 높은 문서를 반환합니다. LTR은 이러한 결과에 적용되어 최신 상태, 인기도, 개인화 및 기타 동작에 따라 이러한 문서의 순위를 다시 평가합니다. LTR은 Elasticsearch 쿼리를 플러그인에서 XGboost 및 Ranklib 라이브러리를 사용하여 생성되고 훈련되는 모델에 대한 특성 입력으로 활용합니다. 이러한 모델은 Elasticsearch에 배포되고 검색 시간에 적용됩니다. 따라서 엔터프라이즈 검색에 기계 학습 기반 순위 지정을 사용할 수 있게 됩니다.
LTR 플러그인은 Elasticsearch 7.7을 실행하는 모든 도메인에서 지원됩니다. 자세한 내용은 설명서를 참조하십시오.
이제, Amazon Elasticsearch Service의 Learning to Rank 지원을 미국 동부(버지니아 북부, 오하이오), 미국 서부(오레곤, 캘리포니아 북부), AWS GovCloud(US-Gov-East, US-Gov-West), 캐나다(중부), 남아메리카(상파울루), EU(아일랜드, 런던, 프랑크푸르트, 파리, 스톡홀름, 밀라노), 아시아 태평양(싱가포르, 시드니, 도쿄, 서울, 뭄바이, 홍콩), 중동(바레인), 중국(베이징 - Sinnet에서 운영, 닝샤 - NWCD에서 운영) 및 아프리카(케이프타운)를 비롯한 전 세계 24개 리전에서 사용할 수 있습니다. Amazon Elasticsearch Service의 가용성에 대한 자세한 내용은 AWS 리전 표를 참조하십시오.