SM Lab разработала внешний Fuzzy-поиск для 1С с транслитерацией и синонимами
Компания SM Lab представила Sku-search, кроссплатформенный сервис полнотекстового поиска для 1С, который расширяет стандартные возможности и включает нечёткое соответствие, транслитерацию и обработку синонимов.
Сервис Sku-search, разработанный SM Lab, призван решить проблемы ограниченного стандартного поиска в системах 1С, особенно когда необходимо находить товары по неточным запросам. Он позволяет искать номенклатуру по наименованию, артикулу, штрихкоду и любым другим реквизитам с учётом опечаток и регистра, что существенно повышает эффективность работы операторов.
Ключевая особенность Sku-search заключается в вынесении полнотекстового поиска за пределы основного кластера 1С. Это снижает нагрузку на сервер и систему управления базами данных, предотвращая замедление работы всей системы при выполнении сложных поисковых запросов. Также сервис поддерживает транслитерацию и позволяет работать с синонимами, что особенно актуально для названий товаров, вводимых с ошибками или разными вариантами написания.
Разработчики SM Lab позиционируют Sku-search как альтернативу внедрению более сложных решений вроде Elasticsearch, которые могут быть избыточными для многих компаний, но при этом стандартные средства 1С не справляются с задачами нечёткого поиска.
Часто задаваемые вопросы
Что такое Sku-search от SM Lab?
Sku-search – это кроссплатформенный сервис для полнотекстового поиска в системах 1С, разработанный компанией SM Lab, который учитывает опечатки, транслитерацию и синонимы.
Какие проблемы решает Sku-search?
Сервис решает проблему неэффективного стандартного поиска в 1С, который не справляется с неточными запросами и приводит к дублированию номенклатуры, а также снижает нагрузку на сервер 1С.
По каким параметрам можно искать с помощью Sku-search?
С помощью Sku-search можно искать по наименованиям, артикулам, штрихкодам и любым другим реквизитам номенклатуры.
Источник: Habr · Rusability ИИ


Комментарии (0)
Без регистрации. Комментарии проверяются автоматически перед публикацией.
Пока нет комментариев. Будьте первым!