Реализация поиска с исправлением опечаток для веб-приложения

Реализация поиска с исправлением опечаток для веб-приложения

Пользователь вводит «наушниик» — пустой результат. 70% таких посетителей уходят к конкурентам. Нечёткий поиск (fuzzy search) исправляет опечатки и возвращает релевантные товары. За время работы мы реализовали более 30 проектов с fuzzy-поиском для e-commerce и каталогов. Выбираем движок под ваш стек и нагрузку: pg_trgm, Meilisearch или Elasticsearch. При правильной настройке конверсия растёт на 15–25%, а затраты на поддержку снижаются — это подтверждают наши кейсы.

Например, для интернет-магазина бытовой техники мы снизили процент пустых результатов с 25% до 3% за счёт внедрения Meilisearch. Конверсия выросла на 22%. Время ответа сократилось с 200 мс до 4 мс. Закажите пилотный проект — мы бесплатно протестируем на ваших данных.

Какие алгоритмы расстояний используются?

Расстояние Левенштейна — минимальное количество вставок, удалений, замен для превращения одной строки в другую, описано в Wikipedia. Расстояние Дамерау-Левенштейна добавляет транспозицию (перестановку соседних символов). Для русского языка он предпочтительнее: «наушники» → «наушинки» — это одна транспозиция, а не две операции. На практике используем Damerau-Levenshtein. Выбор алгоритма влияет на качество: Damerau-Levenshtein даёт на 10% меньше пропусков для русскоязычных запросов.

PostgreSQL: pg_trgm

Расширение pg_trgm работает на основе триграмм и не требует внешних сервисов. Это самое простое решение, если ваш стек уже включает PostgreSQL.

CREATE EXTENSION IF NOT EXISTS pg_trgm; CREATE INDEX idx_products_title_trgm ON products USING GIN (title gin_trgm_ops); CREATE INDEX idx_products_description_trgm ON products USING GIN (description gin_trgm_ops); SET pg_trgm.similarity_threshold = 0.3; SELECT id, title, similarity(title, 'наушниик') AS sim FROM products WHERE title % 'наушниик' ORDER BY sim DESC LIMIT 10; -- Комбинируем fuzzy с полнотекстовым поиском SELECT p.id, p.title, p.price, greatest(similarity(p.title, 'беспродные наушники'), ts_rank(p.search_vector, plainto_tsquery('russian', 'беспродные наушники'))) AS relevance FROM products p WHERE p.title % 'беспродные наушники' OR p.search_vector @@ plainto_tsquery('russian', 'беспродные') ORDER BY relevance DESC LIMIT 20; 

Оператор % использует GIN-индекс. Порог similarity_threshold 0.3 — либеральный, 0.5 — строгий. Для коротких запросов выбирайте нижнюю границу. На практике мы рекомендуем начинать с 0.3 и корректировать по A/B-тестам: увеличение порога до 0.5 снижает количество ложных срабатываний, но может пропустить часть релевантных результатов. Экономия на инфраструктуре при использовании pg_trgm составляет до 40% по сравнению с внешними движками.

Meilisearch — выделенный fuzzy-движок

Meilisearch написан на Rust, поддерживает typo tolerance из коробки. Он специально спроектирован для быстрого нечёткого поиска и не требует сложной настройки.

import meilisearch client = meilisearch.Client('http://localhost:7700', 'your-master-key') index = client.index('products') # Настройки индекса index.update_settings({ 'searchableAttributes': ['title', 'brand', 'description', 'tags'], 'filterableAttributes': ['category_id', 'status', 'price', 'brand'], 'sortableAttributes': ['price', 'created_at', 'popularity'], 'rankingRules': ['words', 'typo', 'proximity', 'attribute', 'sort', 'exactness'], 'typoTolerance': { 'enabled': True, 'minWordSizeForTypos': { 'oneTypo': 5, 'twoTypos': 9 }, 'disableOnWords': ['iPhone', 'iPad'], 'disableOnAttributes': ['sku', 'barcode'], }, 'pagination': { 'maxTotalHits': 10000 }, }) # Батчевая индексация batch_size = 1000 for i in range(0, len(documents), batch_size): batch = documents[i:i + batch_size] task = index.add_documents(batch) index.wait_for_task(task.task_uid) 

{ "hits": [ { "id": 1234, "title": "Sony WH-1000XM5 беспроводные наушники", "_formatted": { "title": "Sony WH-1000XM5 беспроводные <mark>наушники</mark>" } } ], "query": "наушниик sony", "processingTimeMs": 4, "totalHits": 38, "page": 1, "hitsPerPage": 20 } 

{ "query": { "bool": { "should": [ { "multi_match": { "query": "наушниик", "fields": ["title^3", "brand^2", "description"], "fuzziness": "AUTO", "prefix_length": 2, "max_expansions": 50 } }, { "match_phrase": { "title": { "query": "наушниик", "slop": 2 } } } ] } } }