白沟网络供应网

1.什么是？

下拉推荐是指搜索引擎系统根据用户当前的输入下拉推荐词，自动提供一个候选列表供用户选择，下拉提示（ ）已经是搜索引擎和广告竞价平台的标配产品，它对于帮助用户明确搜索意图、减少用户输入、节省搜索时间，从而提升搜索体验有着重要作用。各个搜索系统中下拉推荐的处理流程基本相同，下拉推荐的差异主要体现在后台候选生成机制的不同，下面介绍几种淘宝下拉推荐算法。

2. 根据 PV 进行下拉推荐

最简单的下拉推荐，就是根据日志中的每一条历史PV，这是最直观的下拉推荐算法，主要分为三步：

部分

S1：在海量日志中，统计一段时间内每篇博文的PV和点击数

部分

S1：经过相似度计算下拉推荐词，得到与用户输入相似的候选集

S2：在相似候选集中，按PV和点击数排序

该方案简单易行，但也存在以下问题

a. 热门商品的推荐方案较好，长尾商品在历史中可能找不到相似的候选商品。

b. 候选语义相同的问题。比如你输入“”，可能会推荐两个候选词：“ for ”和“ for ”，语义基本相同，浪费了一个推荐位置。

c.推荐的质量：一些低质量或者作弊的推荐，因为PV或者点击量高而被推荐，这意味着一些高质量的推荐，根本没有机会被推荐。

3. 根据静态评分进行下拉推荐

为了改善上述单纯基于PV的问题，增加被优质推荐的几率，增加下拉推荐中作弊的成本，提高推荐排序的合理性，引入了静态分数的概念，用基于静态分数的下拉推荐策略来替代原来单纯基于PV的PV策略。那么静态分数是什么呢？

静态评分是一个综合的质量指标，它契合了各个维度的知识：如PV、IPV、UV、IUV、CTR、交易转化率、交易次数、交易金额、召回商品数等。

将上述知识用回归的方法拟合成实数，基于静态评分的下拉推荐和基于PV的下拉推荐的区别在于：

a.离线部分计算每个

b.在线部分，使用静态分数替代PV对候选人进行排序，静态分数不仅考虑历史PV/点击信息，还考虑交易信息，使得交易行为良好的候选人获得更多的展示机会，大大降低了低质量、作弊展示的概率。

4. 根据 CTR 预估的下拉推荐

基于静态得分的算法解决了让优质候选词更多的展示机会和排名位置的问题，但是这种算法和基于PV的算法一样，主要依赖历史本身的特征，搜索和候选词之间的联系仅仅是两者之间的关系，前缀也是一样，这种单纯的动态特征并没有把搜索和候选词紧密结合起来。同时静态特征和动态特征的结合是基于线性加权的，在BTS中会调整各个特征的权重。这个问题有两个方面，一是建立搜索词和候选词之间的动态联系，这种联系用CTR来表示，如果搜索词和候选词相关性高，那么它的CTR就会高，反之则会比较低。

CTR预估模型

通过回归模型预估的CTR，模型用到的特征如下

（1）与搜索词和建议相关的特征（以 表示）；

（2）与搜索词和推荐类别相关的特征；

（3）候选静态相关特征；

（4）搜索的词性特征（推荐）；

（5）搜索（推荐）词对应的结果页面的特征。

模型评估

MSE 比较的是实际值与预测值的差异，差异越小越好。

上述大部分特征都可以离线计算，并根据得到的CTR值对候选对象进行在线排序。

5.下拉推荐高级

1）拼音搜索，拼音和汉字混合

2）拼写纠正和下拉提示

3）清理作弊行为

4）个性化下拉推荐

5）推荐丰富度和多样性

6）多维度推荐（数据尺度、商品、买家、卖家、买卖双方握手）

6.1）数据规模维度：买家数量、卖家数量、商品数量；商品属性数量及类别数量

6.2）产品维度：产品描述：卖家经常会个性化产品描述，以区别于其他卖家搜索多少次会被百度记录★64xl.com批量做词霸屏，下拉菜单搜索关键字，获得更多的曝光度和更优的价格；产品分类：除了产品所属的后端分类外，还可以根据商品的使用状态，分为二手、翻新、收藏品，以及新旧程度；从产品准入角度：有些类别的商品是被禁止的，比如军火、酒精、烟草等

6.3）买家：买家类型（、、-、）、买家年龄、性别、购买力、价格范围、是否关心品牌

6.4）卖家：卖家商品类别、卖家商品评分是否高、发货时间、描述是否真实

6.5）买家与卖家握手：买家和卖家的习惯可能不一样，买家的搜索词和卖家的标题、属性、描述可能不一致，如何解决不一致的问题？