三、点击搜索后，发生了什么？瑞文文摘站内查询

由于个人的工作经历相关，之前在一个电商平台中负责搜索相关的需求。所以今天我们主要来聊聊站内搜索功能。

一切搜索的行为，是从用户输入一个搜索词开始的。当我们在搜索框中输入一个词，点击搜索后，发生了什么？

我画了一张搜索功能的图景：从一个关键词开始，搜索服务会怎么处理，最终返回搜索结果，如下：

接下来就分为一个部分来简单讲讲搜索服务的流程。

1。 文本分析器

当收到一个“搜索词”后，并不能马上发起搜索，而是要经过文本分析和处理，再使用处理过后的文本发起搜索。瑞文文摘站内查询

1）分词

用户在输入框中，输入的可能是一个句子，可能是一个短语，可能是一个词。用户的意图是多样的。这就是需要我们对用户输入的词语进行分词和理解。

例如用户输入的搜索词是“珠江新城咖啡厅”，这样的词语，经过分词算法的处理，可能会识别出以下几个搜索词“珠江”，“珠江新城”，“咖啡”和“咖啡厅”。

分词算法，使用自然语义识别 (NLP)和词频分析等技术，比较复杂。对小公司而言，可以使用一些开源的分词技术。大公司可能会根据自己的业务对分词算法进行优化，例如美团技术团队的文章中《美团搜索中 NER 技术的探索欲实践》就提到了：在进行实体字典匹配前引入了CRF分词模型，针对垂直领域美团搜索制定分词准则，人工标注训练语料并训练CRF分词模型。

在我们之前做的海外项目的分词中，因为目前没有开源的针对小语种的分词器的，于是只能使用最基础的空格分词。例如用户输入的是“Beşiktaş Coco Bean Coffee”，经过分词后，会得到“Beşiktaş”，“Coco”，“Bean”，“Coffee” 几个词，加上原文本一起分别进行搜索。

2）特殊词处理 瑞文文摘站内查询

分词结束后：

部分被禁止的词语，政治相关或色情相关的搜索词，会被移除，不然，可能就会请喝茶了。

有些预期主持，例如“吗”“啊”等停用词，会被移除。例如用户搜索的词语是“附近有咖啡厅吗？”，其实就可以理解为“附近”和“咖啡厅”，“有”和”吗“是可以去掉的。

3）同义词识别

有些含义相同的词语，例如经典的“西红柿”和“番茄”，这些同义词，需要人工维护，搜索运营会观察搜索数据，讲一些常见的同义词，维护关联到一起。这样搜“西红柿”的时候，也可以搜到“番茄”的结果。

4）实体识别（类目预测）

实体识别是根据用户输入的搜索词，预测用户想要搜索的实体（如商品、内容、表情等）。这一技术非常重要，可以很大提高搜索的准确度。瑞文文摘站内查询

例如“珠江新城咖啡厅”这个搜索词，在被分词为“珠江”，“珠江新城”，“咖啡”和“咖啡厅”后，其中一些词语会命中特点的类目，例如“珠江新城”会命中商圈、地铁站的实体词库，“咖啡”会命中食物分类的实体词库，“咖啡厅”会命中餐厅类型的实体词库。

这样的实体识别，可以预测用户的搜索意图，在下方做搜索结果的排序时，提高对应实体的排序。比如，在微信搜索中，如果你搜索“高启强表情”，那么微信会优先展示表情的搜索结果。 瑞文文摘站内查询(2):http://www.youerw.com/fanwen/lunwen_146637.html