搜索、推荐场景的联动行为，以及不同用户的兴趣；

01 搜索步骤

用户输入搜索关键词，搜索系统根据输入的信息筛选出用户可能喜欢的内容，并按照一定的重要性进行排序展示。简单来说，搜索可以分为三个步骤：

解释用户输入的搜索词。根据搜索词过滤内容。对过滤后的结果集进行排序和显示，并根据用户反馈输入新的搜索服务。1. 记录搜索前的行为

2. 查找行为记录

3. 搜索后的行为结果

02 动态循环语料库

语料库的语种。语料库还可以分为单语（）、双语（）和多语（）。按照语料库采集的单位，语料库可以分为话语、句子和短语。双语和多语按照语料库的组织形式，语料库还可以分为平行（对齐）语料库和比较语料库，统称为语料库-翻译关系。

不要确定固定的时间段来选取文本（例如，1949年至1982年、1980年至1990年、1990年至1995年等的语料库）；

不确定固定的文本选择范围或应用领域（比如只收集现代汉语文学语料库，或新闻语料库，或科普语料库，或中小学生语料库等，建立一些专门的语料库）；

没有固定的文本采样对象（如三只松鼠、新能源电池、蒙牛酸奶等）。

定期抽取的语料库：根据大众媒体的传播情况，按照一定的原则动态地抽取；为了观察和衡量流通过程中的变化，可以跟踪语言成分的产生、增长和消亡。

03 搜索精准匹配推荐及记录

搜索词是用户与搜索工具之间重要的沟通媒介，关键词实现了用户自我意识与搜索引擎之间的沟通，形成了意识生成、关键词转化、搜索、信息获取、动机满足的信息闭环。

当然还有很多因素会影响这个闭环，比如用户（历史行为、浏览偏好、性别、年龄等）、地域、天气、宏观、长期链接等。

按照搜索流程，用户的搜索过程可以细分为：搜索入口-搜索触发-内容输入-点击搜索-反馈结果。我们从这个过程的每个环节来对四大电商APP（京东、天猫、手机淘宝、拼多多）进行对比分析。

例如以电商搜索为例，以用户输入搜索词的过程（点击“搜索”按钮到按下“”之间所发生的事情）为切入点，结合产品、技术方案，结合相关搜索词的功能进行讨论；

这样就形成了分词：长尾词，属性词，精准大词，短词，单词，双词。

分类：搜索热度、点击率、频率、竞争度、时间段。

04 自动索引和推荐搜索词产生联想效果

关键词匹配/补全/联想/纠错功能主要分为：引导、纠错、效率。

通过统计重算，用户在第一次查询就得到预期搜索结果的概率非常低，因此需要通过数据挖掘（群体行为与智慧）引导查询的自动建议，减少用户搜索的工作量，提供高频搜索结果。合适的搜索建议、词语匹配、语料库的联动效应，通过不断记录分词，构建出相对完整的词汇表。

搜索时采用前缀匹配，但淘宝、天猫通过扩展图标快速粘贴推荐词到搜索框，京东则通过属性、标签、类目扩展（除了与输入内容产生关联外，还会显示拼多多探索过较少搜索词的商品），但目的都是为了帮助用户快速识别意图，进行搜索。

当用户在搜索框输入字符时，搜索框下方会实时显示下拉提示百度投诉可以删除下拉词吗【64xl.com批量做下拉词】下拉框关键词，方便用户选择；可以帮助用户快速输入和优化搜索条件，避免输入错误，在此基础上，不少电商APP还扩展了基于当前搜索建议词的过滤功能，进一步减少用户操作，一般在用户的搜索不够具体时，会推荐更细致的搜索词分类。

淘宝辅助多过滤搜索在输入时会展示一系列关联内容搜索框下面推荐的叫什么，通过点击右侧的扩展图标，可以使用关联内容并在此基础上继续缩小过滤范围，从而帮助用户获取最贴近自己需求的内容。

通过当前实时输入的词语来匹配候选词，同一查询词的一般查询频率和历史查询记录是重要的参考。

从搜索词完成度和联想数量来看，淘宝有10个，拼多多有10个，京东/天猫有10多个，但是选项不宜过多，太多选项会加重用户的记忆负担，占用空间，影响用户体验，所以需要控制数量，不要让信息过载。

当然，部分电商在历史版本迭代中，会尝试在搜索输入阶段进行错误修正。比如输入“联名服饰团”字样时，下拉框会自动修正为“连衣裙”部分选项。目前四大电商APP均无此功能。就是在搜索结果展示内进行错误修正和提醒；自动容错功能将大大提升用户体验，增加用户的购买率。

语料库的建立是通过以下方式实现的：

可以选择接入第三方已有的语料开放平台（可减少开发时间），自主构建语料系统

前缀匹配原则：当没有出现完整的词时，一般使用补全/联想函数，主要是类别引导词；当出现明显的类别词时，开始出现更加细粒度的属性、标签过滤词，一般会从日志中挖掘出大量的候选词，并且保证前缀相同，然后根据一定的计算模型给候选词计算一个评分，最后根据评分选取TopK作为最终结果。

主要考虑因素：当前搜索词、用户（性别、年龄等特征）、日志中的群组。

常见的搜索引擎都有直接使用前缀匹配后候选词的功能（Trie树+TopK算法，回溯算法遍历trie树），取用户搜索频次最高的topK个搜索词搜索框下面推荐的叫什么，但是这样会让长尾词无法获得曝光机会。

05 AC联动算法

当用户搜索商品时，我们根据用户及搜索词信息进行意图预测，并辅以类目、性别预测，经过前缀匹配后，最终取某一性别、类目下共现率最高的Top K热搜词作为搜索结果下拉框的提示词。

复杂模型版本 1

复杂模型采用前缀匹配算法召回候选集（如果召回量太小，则考虑非前缀匹配结果）并进行简单截断；然后用户特征（性别、年龄、行为序列）、特征（季节、天气、温度、地理位置）、当前搜索词，然后候选搜索词也有一个，三者与候选分别计算，最后用线性模型将三者的得分进行融合，最终对排序结果进行语义去重，然后进行TopK选取（这里也可以用生成模型进行排序）。

这里以用户和作为搜索词，使用日志数据构造Doc，最后使用或。

通过语义、行为、日志等挖掘相似点，加入用户、搜索词、类目特征以及它们的交叉特征，多维相似度融合重排：根据点击相似度、文本相似度、相似度度量相似度，将候选对（可选）交给重排模块，优化对优先级，生成Top K重写结果。

根据行为召回：item cf/,基于++:,基于内容：(相似,建序) 排序模型：LR/GBDT

示例：用户日志，行为权重（展示：1，点击：5，购买：50）

特征：搜索词的Pv/Ctr/Cvr、用户是否活跃、用户画像/特征、用户+候选词（查询词/浏览详情页与热搜候选词的相似度）、特征（地理位置、温度、天气等）

参考文献：[数据堂]/[陌生人社交算法拆解]

#专栏作家#

村上春树，《人人都是产品经理》专栏作家。养成挖掘思维的习惯，综合、市场、运营、技术、设计、数据，擅长跨境电商、综合电商及商业模式。