网页搜索

产品目标：高效的获取信息

需求复杂多变，我们需要从复杂的集合中找到正确的信息

不同用户输入同一query词表达的需求不一致，同一用户在不同场景下输入的query词表达需求也不一样

 

需求理解：（广义的query词解析）

A）需求明确（例：北京天气）  →直接需求理解

B）需求明确，对方案有特殊要求（例：猪肉的最新价格） 机器有一个筛选规则，根据网页的生成时间等

C）需求不明确，需要进行扩展和预测

 

A1）：需求明确

结构简单清晰地query：经过协同处理可进行后续操作（会根据相关度决定词与词之间的紧密程度）（切词处理）

例：黄山火车站订票电话→ 黄山         火车  站      订票     电话

 

A2）需求明确

口语的query：需要进行纠错，同意转换等语义处理

能、可以、好么、吗？

例：杭州至盐城告诉怎么走？  →   杭州   至   盐城   高速  怎么   走？

至→ from ...to....    怎么走→map  →跳转到地铁的建索引擎里          高速：类型

 

B）需求明确:对答案有特殊要求

除了统一的query词变换外，需要将特定要求转换成搜索引擎可理解的特征

例：猪肉最新价格→资源时效性

PPT素材→可用性&特定格式

猩球崛起迅雷下载→资源可用性

 

C）需求不明确

需求需要扩展和预测

欢乐颂：欢乐颂视频、剧情介绍、演员表、评价

猩球崛起3：上映前预告片上映时间、上映后介绍票房，下映后介绍评论视频

拓展维度：

上下文数据：搜了欢乐颂之后，用户是否主动更新query词搜欢乐颂视频

类目数据：对于欢乐颂，这种电视剧专名，天然就有视频、剧情等需求，

pm可以提前梳理针对各类目的需求扩展list。

个性化数据：对于特定类目可以。

一个query经过以上分类处理后，会统一成以下这样的输出，来进行接下来的检索

• 需求类目/需求词
• 需求强度
• 待检索term/pattern
• 其他限定特征（地域等）

衡量指标：

A）每个query分析规则的召回率和准确率

B）各需求的召回率和准确率

 

解决方案 ：排序&展现

排序：

展现：

通用策略：将结果页中与与query相关的信息提取为标题/摘要，进行漂红等处理帮助用户筛选信息。

*对于搜有搜索引擎：都是将搜索对象中用户最关心的内容提前至检索结果列表页，并根据各种情况以强化的样式展现。

 

细化策略：针对不同的需求，又有如下不同的细化策略

A）对于单一明确信息需求，可以直接将答案信息在摘要中展现

B)对于用户接下来的路径相对收敛的需求，可以将下一步需求前置，缩短步骤

例：网易邮箱（登录），欢乐送视频（集数），凡人歌（播放）

C）对于不同资源类型结果，可以针对优化摘要

例：视频类、图片类、新闻类、地图类等

 

衡量指标：

A)每个需求打分、质量打分、展现策略的召回率和准确率

B）用户角度的搜索的满足度

 

基于用户行为的搜索满足度：

A）摘取满足型需求→少/很少点击行为

B)但结果满足型需求→点击集中于首条结果

C)主动变换query比例低

D)翻页比例低等等

基于人为评估的搜索满足度：

A）query前3/5/10结果相关性→基于人为需要判断，当前结果是否能满足；与竞品相比，是否有更好的结果未收录，排序是否更优等

B）session满意度→从用户一个行为片段分析其是否得到满足

 

资源支撑：

网页收录（spider）：

A）保证各网页收录覆盖率

B）保证各类网页收录时效性：根据网页类型定义更新频率，重要或时效性高的资源可选择站长主动提交的方式。

页面分析：对页面类型进行识别，页面中内容解析，为term附权等

衡量指标：

A)对于nlp相关，各类词库、处理策略的准确率，召回率；

B）对于网页收录，收录覆盖率，更新时效性等

C）对于页面分析，各类准确率，召回率等。