我试图实现一个典型的自动完成框，就像你从 amazon.com 知道的那样。你去那里，输入一封信，你会得到一个合理的建议，说明你可能会尝试在搜索框中输入什么。
盒子本身将由 jquery 实现，持久层和建议算法将基于 Apache Lucene/Solr 及其 Suggest-Feature。另外，我使用 lucene 的 WFST-Suggestion 对结果进行加权建议。
我的问题是，例如亚马逊如何获得这种合理的数据？我的意思是他们从哪里获得所有这些关键字和分数，所以这有意义吗？
每个产品上都是纯手工制作的款式信息吗？我认为这将是真正艰难的。或者是否可以使用机器学习理论中的聚类或分类等方法来收集数据？（然后我可以使用 mahout 或 carrot2）。
查看亚马逊的建议，我认为数据包含：
- 产品名称
- 产品/书籍的生产者/制造商/作者
- 产品特性（如颜色、类型、尺寸）
它包含更多吗？
接下来的事情是，看起来建议本身是排名的。他们如何获得这种分数来衡量建议的权重？ 它是一个简单的用户点击路径跟踪，你在哪里看，用户在框中输入了什么，他选择了什么或者他之后看了什么产品？
是否使用某种逻辑在每个查询（可能缓存）上计算出这种分数？（哪个？也许是贝叶斯定理？）