Relevant Search

Guía especializada en ingeniería de relevancia que enseña a convertir motores de búsqueda basados en Apache Lucene en sistemas capaces de entender la intención del usuario y ofrecer resultados de alta calidad de negocio. Publicado en 2016 por Doug Turnbull y John Berryman, utiliza Elasticsearch (versiones 2.x) y Apache Solr (versiones 5.x/6.x) acompañados de código en Python. Se dirige a desarrolladores de software, ingenieros de datos y especialistas en búsqueda de nivel intermedio que ya manejan consultas básicas en Elasticsearch o Solr y necesitan diagnosticar por qué sus búsquedas devuelven coincidencias irrelevantes o mal ordenadas.

El libro profundiza en los mecanismos internos de clasificación de Lucene y en los algoritmos de similitud textual (TF-IDF y BM25). Enseña a construir analizadores lingüísticos a medida (filtros de caracteres, tokenizadores, lematización, n-grams y sinónimos), a estructurar búsquedas sobre múltiples campos mediante dis_max, multi_match y estrategias centradas en términos o en campos, y a moldear la función de scoring usando function_score, decaimiento temporal y parámetros geográficos. También introduce la integración de retroalimentación de usuarios (clics y conversiones), los principios de aprendizaje para ordenar (Learning to Rank) y las técnicas de búsqueda personalizada y semántica.

La práctica gira en torno a la construcción, depuración y afinamiento de un motor de búsqueda sobre el catálogo cinematográfico de The Movie Database (TMDB). A través de Jupyter Notebooks y scripts en Python, el lector diagnostica consultas conflictivas con la API _explain y diseña soluciones precisas ante discrepancias entre la búsqueda del usuario y los metadatos de las películas. Es una referencia obligada que formaliza la relevancia como una disciplina técnica y de producto; no obstante, debido a las actualizaciones posteriores de Elasticsearch y Solr, algunas cláusulas y parámetros de la Query DSL deben trasladarse a las versiones modernas de ambas tecnologías.