Filtres et facettes
- Leçon 24
- 30 min
- Module 7 : Les parties de la recherche que les gens voient
Où nous en sommes
La saisie semi-automatique aide à taper une bonne requête. Une fois les résultats affichés, les gens les restreignent. Dans cette leçon, nous calculons les décomptes des facettes et créons des filtres qui donnent toujours des résultats. Nous voyons aussi comment les facettes et le classement fonctionnent ensemble.
Leçon 24 sur 30 · Recherche et classement : trouver la meilleure correspondanceFiltres et facettes
1. Le problème de la recherche
2. Mesurer la pertinence avant de changer quoi que ce soit
3. La recherche lexicale : la référence de base à battre
4. Comprendre la requête
5. La recherche dense et la recherche hybride
6. Reclasser les premiers résultats
7. Les parties de la recherche que les gens voient
8. Exploiter la recherche en production
Ce que vous saurez faire
Montrez ce que contiennent les résultats, avec des décomptes par couleur, prix, classe et disponibilité. Permettez de restreindre les résultats sans jamais arriver à une page vide.
Carnet JupyterCréer des facettes et des filtres dans un carnet Jupyter
Le carnet (notebook) Jupyter compte les facettes des résultats d’une requête de test. Vous écrivez un filtre qui respecte ces décomptes. Vous vérifiez ensuite qu’un filtre conserve l’ordre du classement. Vous mesurez aussi combien de produits n’ont ni couleur ni classe. Les cellules de préparation téléchargent les données. Aucune configuration locale n’est donc nécessaire. Environ 25 minutes.
Le carnet est en anglais. Colab et Kaggle ouvrent votre propre copie. Il faut un compte Google ou Kaggle gratuit. Vous êtes bloqué ? Consultez le carnet de solution.
Avant de commencerCe qu’il faut savoir et avoir sous la main
Ce que vous devez savoir
- Le modèle de classement
ltr, présenté dans Apprentissage du classement. - La détection du prix et de la classe dans la requête, présentée dans Détecter ce que demande la requête.
Ce qu’il vous faut sur votre ordinateur
- Le projet contenant les fichiers de ce module, copié dans Saisie semi-automatique. Cette leçon explique
facets.py; elle n’ajoute aucun fichier.
Une vendeuse qui connaît les produits en rayon
Section intitulée « Une vendeuse qui connaît les produits en rayon »Un client demande un coussin d’extérieur. La vendeuse regarde les produits en rayon et dit : « Nous en avons environ une centaine. La plupart coûtent moins de 50 $. Douze sont bleus. Treize sont en rupture de stock en ce moment. » Le client répond : « Bleu, s’il vous plaît. » La vendeuse montre maintenant douze coussins, et non cent.
La vendeuse fait deux choses utiles. Elle compte les produits en rayon qui répondent à cette demande. Et elle ne propose jamais un choix qui ne donne rien. Elle ne dit pas « Nous avons des coussins rouges à plus de 500 $ » quand il n’y en a aucun.
Le problème : des filtres qui ne donnent rien
Section intitulée « Le problème : des filtres qui ne donnent rien »Beaucoup de boutiques créent leur panneau de filtres à partir du catalogue complet. Le panneau présente toutes les couleurs et toutes les tranches de prix, quelle que soit la recherche. Une personne clique alors sur « bleu », puis sur « 500 et plus », et voit une page vide.
Nous pouvons le montrer avec Larkfield. Recherchez « outdoor cushion » avec le modèle de classement ltr. Gardez les résultats bleus, puis demandez la tranche de prix « 500 et plus ». Tapez les lignes après >>> dans python, dans le dossier du projet. runs.get("ltr") fournit l’exécution sous forme de fonction. Elle prend le texte de la requête, un identifiant de requête (None : aucun ici) et le nombre de résultats :
>>> from larkfield_search import facets, runs>>> res = runs.get("ltr")("outdoor cushion", None, 100)>>> ids = [p for p, _ in res]>>> facets.facets(ids)["colour"][('blue', 12), ('green', 5), ('red', 4), ('black', 2), ('blue and white', 2), ('deep green', 1)]>>> blue = facets.apply(ids, colour="blue")>>> len(blue)12>>> facets.facets(blue)["availability"][('in stock', 11), ('out of stock', 1)]>>> facets.facets(blue)["price"][('under 50', 11), ('50 to 100', 1)]>>> len(facets.apply(blue, price="500 and more"))0La dernière ligne représente la page vide. Un panneau créé à partir du catalogue proposerait « 500 et plus » ici, car le catalogue contient des produits chers. Mais aucun des 12 coussins d’extérieur bleus ne coûte autant.
La ligne précédente montre la solution. Après le filtre « bleu », les décomptes indiquent seulement deux tranches de prix : « moins de 50 » (11) et « 50 à 100 » (1). Si le panneau affiche seulement ces deux tranches, la personne ne peut pas arriver à une page vide.
L’idée : compter les facettes à partir des résultats
Section intitulée « L’idée : compter les facettes à partir des résultats »Une facette est une propriété des produits qui permet de faire un choix : couleur, prix, classe de produit, disponibilité. Une valeur de facette est un choix, comme « bleu ». Un décompte de facette indique combien de résultats actuels ont cette valeur. Un filtre garde seulement les résultats qui ont la valeur choisie.
Cette façon de chercher s’appelle la recherche à facettes. Elle suit deux règles :
- Comptez à partir des résultats, pas du catalogue. Chaque valeur affichée correspond alors à au moins un produit.
- Après chaque filtre, comptez à nouveau. Les choix suivants correspondent alors aux valeurs présentes dans les résultats filtrés.
Avec ces deux règles, aucun clic sur une facette ne peut donner une page vide. Une autre règle garantit des décomptes fidèles. Le décompte et le filtre doivent utiliser le même test. Si le décompte indique « bleu (12) », le filtre « bleu » doit garder exactement 12 produits.
Un petit exemple détaillé
Section intitulée « Un petit exemple détaillé »Voici les six premiers résultats pour « outdoor cushion », avec les trois propriétés que nous comptons. Toutes les valeurs sont réelles.
| Rang | Produit | Couleur | Tranche de prix | Disponibilité |
|---|---|---|---|---|
| 1 | cara indooroutdoor chaise lounge cushion | (aucune) | moins de 50 | en rupture de stock |
| 2 | indoor/outdoor chair cushion | (aucune) | moins de 50 | en stock |
| 3 | outdoor lounge chair cushion | vert foncé | moins de 50 | en stock |
| 4 | outdoor seat cushion | (aucune) | moins de 50 | en stock |
| 5 | outdoor bench cushion | (aucune) | 50 à 100 | en stock |
| 6 | outdoor cushion cover | (aucune) | moins de 50 | en stock |
Comptez chaque colonne :
- Couleur : vert foncé 1. Cinq produits n’ont pas de couleur. Ils ne correspondent donc à aucune valeur de couleur.
- Prix : moins de 50 : 5; 50 à 100 : 1. Les tranches « 100 à 250 » et supérieures ne contiennent aucun produit. Nous ne les affichons donc pas.
- Disponibilité : en stock 5; en rupture de stock 1.
La personne clique maintenant sur « en stock ». Le filtre retire le rang 1 et garde les cinq autres, dans le même ordre. Comptez à nouveau : prix moins de 50 : 4; 50 à 100 : 1. Chaque valeur affichée correspond encore à un produit.
Description textuelle du diagramme
Cinq boîtes sur deux rangées. Première rangée : « Recherche : outdoor cushion, les 100 premiers résultats », puis « Compter chaque valeur dans les 100 résultats : bleu 12, en stock 87 », puis « La personne clique sur bleu (12) ». Une flèche descend vers la deuxième rangée : « Filtrer : garder les résultats bleus, dans le même ordre : 12 résultats » (avec une bordure épaisse), puis « Compter à nouveau dans les 12 résultats : en stock 11, en rupture de stock 1 ».
Larkfield : les facettes dans le projet
Section intitulée « Larkfield : les facettes dans le projet »Le projet compte quatre facettes : classe de produit, couleur, tranche de prix et disponibilité. Le code se trouve dans larkfield_search/facets.py.
-
Affichez les facettes d’une requête. La commande prend les 100 premiers résultats d’une exécution (
ltrpar défaut) et les compte :Fenêtre de terminal search facets "outdoor cushion"ltr: "outdoor cushion" -> 100 resultsproduct class: Furniture Cushions (91), Patio Lounge Chairs (4), (3), Patio Sofas (2)colour: blue (12), green (5), red (4), black (2), blue and white (2), deep green (1)price: under 50 (85), 50 to 100 (7), 100 to 250 (3), 250 to 500 (2), 500 and more (3)availability: in stock (87), out of stock (13)La classe affiche au plus 6 valeurs, les plus fréquentes en premier. Remarquez la classe sans nom : 3 produits n’ont pas de classe de produit dans les données.
-
Comparez avec la recherche actuelle de Larkfield :
Fenêtre de terminal search facets "outdoor cushion" --run currentcurrent: "outdoor cushion" -> 100 resultsproduct class: Furniture Cushions (93), (4), Patio Sofas (2), Patio Chaise Lounges (1)colour: blue (17), black (6), red (5), green (4), blue and white (2), gray (2)price: under 50 (86), 50 to 100 (9), 100 to 250 (2), 250 to 500 (1), 500 and more (2)availability: in stock (84), out of stock (16)Les décomptes ont changé, car les résultats ont changé. Les facettes décrivent les 100 premiers résultats du classement. Un meilleur classement donne des décomptes différents, généralement plus cohérents.
-
Lancez la page avec
search serveet recherchez « outdoor cushion ». La colonne de gauche affiche les mêmes décomptes qu’à l’étape 1. Arrêtez le serveur avec Ctrl+C quand vous avez terminé.

La page est simple : elle affiche les décomptes, mais n’a aucun bouton pour filtrer. Les filtres se trouvent dans facets.apply. Vous appelez cette fonction depuis Python, comme dans la session au début de cette leçon. Une boutique ajouterait un bouton pour chaque valeur.
Le code : compter et filtrer avec un seul test
Section intitulée « Le code : compter et filtrer avec un seul test »Voici la partie de facets.py consacrée à la couleur :
def main_colour(colour): """The first colour of a value such as "blue/red": the facet counts it and the filter matches it.""" return str(colour).split("/")[0].strip()facets() compte main_colour pour chaque résultat. apply() garde un produit lorsque main_colour correspond à la valeur choisie. Les deux utilisent la même fonction. Un décompte et son filtre concordent donc toujours. Un test le vérifie : pour chaque valeur de couleur de la facette, le filtre garde exactement le nombre indiqué.
Ce test existe parce que la première version du fichier ne respectait pas la règle. Elle comptait la première couleur de valeurs comme « blue/red », mais filtrait selon « la couleur commence par blue ». La facette indiquait donc « bleu (12) », et le filtre gardait 16 produits. Il gardait aussi « blue and white », « blue shadow » et « blue , green ». Une personne qui cliquait sur « bleu (12) » voyait 16 résultats. Ce n’est pas une page vide, mais c’est une promesse non respectée, et les gens le remarquent.
Les facettes et le classement fonctionnent ensemble
Section intitulée « Les facettes et le classement fonctionnent ensemble »Voici trois choses à savoir quand vous combinez des facettes avec un classement.
Un filtre conserve l’ordre
Section intitulée « Un filtre conserve l’ordre »Un filtre retire des produits; il ne les classe pas à nouveau. Le meilleur coussin bleu est le premier coussin bleu de la liste complète. Un bon classement donne donc de bonnes listes filtrées, sans travail supplémentaire. Un mauvais classement reste mauvais après un filtre, avec moins de produits.
Les décomptes décrivent le début du classement
Section intitulée « Les décomptes décrivent le début du classement »Le projet compte les 100 premiers résultats. C’est un choix. Avec ltr, 91 des 100 premiers résultats pour « outdoor cushion » sont des Furniture Cushions. Les 9 autres sont des chaises et des sofas de patio qui mentionnent des coussins. Si vous comptiez chaque produit correspondant à un mot de la requête, la facette de classe afficherait aussi beaucoup de classes peu liées. Compter le début d’un bon classement garde les facettes courtes et pertinentes. Le coût : un produit au rang 150 n’entre dans aucun décompte. Un filtre ne peut donc pas le ramener.
Une facette dépend de la qualité des données
Section intitulée « Une facette dépend de la qualité des données »Un produit sans couleur ne correspond à aucune valeur de couleur. Un filtre « bleu » le masque donc, même si le produit est bleu. Est-ce fréquent?
Description textuelle du graphique
Un graphique à deux barres. 64,8 % des 40 066 produits n’ont pas de valeur de couleur. 6,7 % n’ont pas de classe de produit. Parmi les 100 premiers résultats pour « outdoor cushion », 56 produits n’ont pas de couleur et 3 n’ont pas de classe.
Presque deux produits sur trois n’ont pas de couleur. Les couleurs viennent des attributs des produits de WANDS, et beaucoup de produits n’ont pas d’attribut de couleur. Pour « outdoor cushion », 56 des 100 premiers résultats n’ont pas de couleur. Une personne qui clique sur « bleu (12) » ne les voit jamais. Certains sont peut-être bleus : la couleur figure souvent seulement dans le titre ou la description.
Avant d’ajouter une facette, mesurez donc combien de produits ont une valeur. Une facette qui couvre un tiers du catalogue en masque les deux tiers. Les solutions demandent du travail sur les données : extraire la couleur du titre ou la demander aux fournisseurs. Un modèle de langage peut aussi extraire des attributs. Vérifiez toutefois ses réponses sur un échantillon, comme dans Jugements d’un modèle de langage.
Filtres ou compréhension de la requête?
Section intitulée « Filtres ou compréhension de la requête? »Dans Détecter ce que demande la requête, le projet lisait « under 50 dollars » dans la requête et filtrait par prix. Une facette fait le même travail, mais la personne fait le choix. Les deux fonctionnent bien ensemble :
- La détection fait une supposition. Elle aide les gens qui tapent leur besoin complet sur une ligne. Si elle se trompe, la personne peut ne pas comprendre pourquoi des produits manquent.
- Une facette est explicite. La personne voit le choix et peut l’annuler. Elle demande une deuxième étape. Les gens qui ne regardent pas la colonne de gauche ne l’utilisent donc jamais.
Une bonne page utilise les deux et affiche le filtre détecté comme une facette déjà sélectionnée. La personne peut alors le retirer en un clic.
Quand utiliser les facettes et ce qu’elles coûtent
Section intitulée « Quand utiliser les facettes et ce qu’elles coûtent »Utilisez-les quand les résultats sont nombreux et que les gens les restreignent selon des propriétés claires : prix, taille, couleur, marque, disponibilité. Les boutiques, les sites d’emploi et les bibliothèques les utilisent tous.
Ne les utilisez pas quand les résultats sont peu nombreux ou que la propriété manque pour la plupart des produits. Une facette sans valeur pour 65 % des produits fait plus de mal que de bien.
Leur coût : compter 100 résultats coûte très peu. Compter chaque correspondance d’une requête large, comme « chair », demande de parcourir des milliers de produits à chaque recherche. Les serveurs de recherche conservent des données en colonnes spéciales pour accélérer ce travail. Avec plusieurs choix dans une facette (« bleu ou vert »), les règles se compliquent. Les valeurs d’une même facette se combinent avec « ou », et les différentes facettes avec « et ».
Erreur courante
Un décompte de facette qui ne correspond pas à son filtre
Symptôme : le panneau indique « bleu (12) ». Une personne clique dessus et voit 16 produits. Ou elle en voit 9.
Cause : le décompte et le filtre testent la valeur de deux façons différentes. Dans notre première version, le décompte utilisait la première couleur de « blue/red ». Le filtre utilisait « commence par blue », ce qui correspondait aussi à « blue and white ».
Diagnostic : pour un échantillon de requêtes, comparez chaque décompte de facette avec la longueur de sa liste filtrée. Toute différence est un bogue.
Solution : écrivez une fonction qui donne la valeur d’un produit (main_colour) et utilisez-la aux deux endroits. Ajoutez un test qui compare les décomptes avec les filtres.
Conséquence dans le travail en IA : quand deux parties d’un système calculent séparément « la même » chose, elles finissent par diverger. Calculez-la une seule fois et partagez-la. Testez ensuite que les parties concordent.
À vous d’essayer
Section intitulée « À vous d’essayer »Avant de lancer la commande, faites une prédiction. Pour « kids chair », quelle tranche de prix contient le plus de produits parmi les 100 premiers? Exécutez ensuite :
search facets "kids chair"La sortie et ce qu’elle montre
ltr: "kids chair" -> 100 resultsproduct class: Kids Chairs (93), (2), Teen Desk Chairs (2), Licensed Products (1), Bean Bags (1), Kids Desks (1)colour: pink (11), red (6), blue (5), brown (5), green (5), gray (4)price: under 50 (3), 50 to 100 (2), 100 to 250 (26), 250 to 500 (52), 500 and more (17)availability: in stock (94), out of stock (6)La plupart des chaises pour enfants coûtent de 250 à 500 $. Ce n’est pas ce qu’une vraie boutique vendrait : les prix sont synthétiques, créés par notre code. Les tranches de prix du projet sont fixes pour toutes les requêtes. Pour les coussins, « moins de 50 » contient 85 produits sur 100. Les autres tranches sont presque vides. Certaines boutiques calculent plutôt les tranches à partir des prix des résultats actuels.
Vérification des connaissances
Section intitulée « Vérification des connaissances »Vérifiez votre compréhension
Une boutique crée son filtre de couleur à partir de toutes les couleurs du catalogue. Une personne recherche « outdoor cushion », clique sur « bleu », puis sur « 500 et plus ». Que se passe-t-il et comment l'éviter?
Afficher la réponse
La page est vide. Aucun des 12 coussins d’extérieur bleus ne coûte 500 $ ou plus. Mais un panneau créé à partir du catalogue propose quand même cette tranche. Comptez les facettes à partir des résultats actuels, puis comptez à nouveau après chaque filtre. Chaque valeur affichée correspond alors à au moins un produit, et aucun clic ne donne une page vide.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Vérifiez votre compréhension
Après le filtre « en stock », le premier résultat change-t-il? Le NDCG@10 de la liste doit-il rester le même?
Afficher la réponse
Le premier résultat change seulement s’il était en rupture de stock. Le premier produit en stock dans l’ordre original devient alors le premier résultat. Le filtre ne classe pas à nouveau. Le NDCG@10 peut augmenter ou diminuer. Il compare la liste plus courte avec tous les produits jugés pour la requête, et le filtre en a retiré certains.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Vérifiez votre compréhension
Omar veut une facette de couleur sur chaque page de recherche. Que mesurez-vous d'abord et que lui dites-vous?
Afficher la réponse
Mesurez combien de produits ont une couleur. Chez Larkfield, 64,8 % n’en ont pas. Parmi les 100 premiers résultats pour « outdoor cushion », 56 n’en ont pas. Un filtre de couleur les masque tous, même les produits bleus dont la couleur figure seulement dans le titre. Dites à Omar que la facette demande d’abord du travail sur les données. Extrayez les couleurs des titres et des descriptions, puis vérifiez un échantillon à la main.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Récapitulatif
- Une facette est une propriété qui permet de faire un choix. Un décompte de facette indique combien de résultats actuels ont chaque valeur. Un filtre garde les résultats qui ont la valeur choisie.
- Comptez à partir des résultats, pas du catalogue, puis comptez à nouveau après chaque filtre. Aucun clic ne donne alors une page vide.
- Le décompte et le filtre doivent utiliser le même test. Notre première version ne le faisait pas (« bleu (12) » gardait 16 produits). Une fonction partagée et un test ont corrigé le problème.
- Un filtre conserve l’ordre du classement. Les décomptes décrivent les 100 premiers résultats. Un meilleur classement donne donc des facettes plus cohérentes.
- Une facette dépend de la qualité des données : 64,8 % des produits de Larkfield n’ont pas de couleur.
Les facettes aident quand il y a des résultats à restreindre. Certaines recherches ne trouvent toujours rien, et Hana a une demande concernant les articles en solde. Ensuite, vous ajoutez des solutions de repli lorsqu’il n’y a aucun résultat et mesurez le coût des règles d’affaires.
Leçon suivante : Aucun résultat et règles d'affaires