10、搜索引擎查询全解析：从分布到趋势的深度洞察

搜索引擎查询全解析：从分布到趋势的深度洞察

1. 查询频率分布

查询在搜索引擎中的呈现方式多样，平均长度较短。然而，查询的分布情况如何呢？有人可能认为，由于可能的表述方式众多，不同查询的出现频率会有所不同，且查询频率分布相对均匀。但实际上，所有关于这一主题的实证研究都表明，搜索查询频率的分布是高度偏斜的。也就是说，很少有查询被频繁提交，而大量查询则很少被提交。这种分布也被称为信息计量分布，在许多其他情境中也能发现，例如人口收入分布，但在信息领域，这种分布通常更为极端。信息计量分布的术语因上下文而异，根据情况，它们被称为幂律或长尾。

为了更直观地理解查询频率的分布，我们来看一个具体的例子。以一项研究中使用的实际查询分布为例，总共3046万条搜索查询按查询频率排序，然后测量为获得10%的搜索量所需输入的不同查询数量。结果显示，仅16个查询就占了10%的搜索量，这些查询均为导航查询，如“facebook”和“ebay”。而在最后一个区间，即不频繁的查询，同样占10%的搜索量，却有643393个查询。具体数据如下表所示：
| 区间 | 累计查询数量 | 区间内不同查询数量 |
| — | — | — |
| 1 | 3049764 | 16 |
| 2 | 6099528 | 134 |
| 3 | 9149293 | 687 |
| 4 | 12199057 | 3028 |
| 5 | 15248821 | 10989 |
| 6 | 18298585 | 33197 |
| 7 | 21348349 | 85311 |
| 8 | 24398114 | 189544 |
| 9 | 27447