编辑导语：我们在举办网上冲浪时，可以直接操作搜索成果查找想要知道的讯息，十分快捷利便；为了利便我们的更快的找到，搜索后会按照系统内部的逻辑举办查找。本文作者从是什么、有什么和如何做三个方面具体先容了搜索成果的道理产物架构，供各人一同参考和进修。

搜索，曾经作为PC互联网时代的流量霸主，有着举足轻重的职位。纵然在如今APP孤岛林立的移动互联时代，站内搜索仍然是晋升产物触达与流量转化的重要部件，譬如业界有传播电商App 40%以上的GMV通过搜索孝敬。

那么，当我们要筹划一款搜索产物时，我们主要存眷哪些内容，这篇文章但愿和你一齐探讨。

01 搜索的本质

让我们先来看看搜索的道理是什么。简朴说，就是用户的输入（Query）与系统数据库中的内容（Content）完成匹配（Match）的进程。

这个进程的实现可以归纳为三步：之一是对用户query的解读，即query阐明；第二是对系统中存储的数据内容的领略，即应该与哪些内容举办匹配并召回数据；最后是对召回的功效排序，预测用户最想要的是什么并予以泛起。

搜索系统流程图

1.1 Query阐明

用户搜索时输入的内容往往是一串长句或是一个问题，这样的自然语言，呆板是没法直接识此外，这个时候就需要对query举办拆解。

首先是分词，也就是把长句解析成短语或词组，好比“双十一全民购物节”会被解析为“双十一/全民/购物节”，被解析后的词就可以在系统词库中找到。系统词库一般可以通过常用词库、搜索行为日志、企业产物名称、商品品牌、类目等构建，按期更新维护。技能上已有一些开源词库可以应用，好比jieba、ik等词库插件。

可是用户的query有时候并不老是能准确分词，譬如输入了拼音可能错别字，系统就要把query举办纠错改写。或是为了更精确的命顶用户意图，就要举办同义词、语义扩展。一般通过构建query与纠错词、同义词的映射词库来实现，数据大多来历于用户搜索日志及人工维护等。近些年得益于深度进修的成长，如BERT等NLP模子被引入语义扩展应用中，结果获得进一步改进。

别的，query分词后的信息并不都是重要的，某些时候query中的一个要害词其实才是用户想要表达的真实意图，把这个词提取出来就可以辅佐后续的召回排序阶段能更快更准的匹配内容，这就是识别及提取要害词的浸染了。

以上无论分词、要害词识别或是语义扩展，目标都是对用户query的解读，领略用户真实意图，为接下来搜索引擎该从系统中召回哪些数据框定出大抵的范畴。

1.2 召回

召回，也就是把用户query相关的内容从数据库中筛选出来，在这之前系统有一系列的任务需要处理惩罚。首要任务虽然是成立搜索系统的数据库，一般这个进程就是搜索引擎的索引构建。

对付一项搜索业务，好比电商类的搜索，引擎会把商品标题、商品简介、告白词、品牌、类目等文本类的字段纳入到索引中，并与词库辞书成立一种映射干系，这样query分词后就能快速举办匹配，把掷中的内容全部从数据库中召回出来。虽然，除了标题、简介等文本类信息，诸如商品的销量、评论、点击量等数值类的字段也会被搜索引擎构建到索引中，在接下来的排序阶段发挥浸染。

1.3 排序

颠末搜索召回的数据往往是大量的，那么哪些内容会被优先展示呢？搜索引擎会团结各个因子的代价赋予必然的权重，举办综合后给每条数据评定优先级分数。影响搜索排序的因子概略可以分为两类：

文内情关，主要思量搜索词与内容的相关水平，这一块已有许多成熟的方案，诸如经典的TF-IDF、BM25算法等；

业务相关，如电商类的价值、销量、时效性，资讯类的阅读量、分享量等。排序算法及各因子的权重并不是一成稳定的，会跟着数据的积聚、badcase阐明而迭代优化，最终结果也是检验对业务的领略。

别的除了相关性排序，大多搜索系统都插手了本性化排序的本领，一般通过搜索日志挖掘、用户标签等与数据内容连系成立点击率模子，预测用户偏好的搜索功效。

颠末query阐明-召回-排序等一系列步调后，数据内容就按相关性依序泛起到了用户眼前，以上就是搜索实现的根基道理。

02 用户搜索的故事线