电商运营：站内搜索的流程

为了方便大家理解，这里还是用一个通俗易懂的流程图给大家看看，有一个大致的脉络，我也会根据这个脉络给大家介绍一下。话不多说，上图！（为了看起来不那么产品味道，很容易理解，我简化了很多）一般来说，干分裂过程没有味道，所以我们再举一个例子，几乎理解，首先声明，我说不一定是对的，不要盲目地服从。让我们从汉语开始。关键词是“男士印花t恤”，将首先进入预处理环节。这个链接将删除关键字的无用部分，如停用词。“”是我们想切断的部分，事实上，在预处理阶段会消除一些无用的空间，所以如何确定停止单词，在中文任何单词都可能有用，但在特定的语言环境中，许多短语已经成为停止单词，如淫秽单词、极端敏感单词（参考广告方法）等。预处理环节后，进入智能纠错或人工重写环节，需要判断关键词是否有错别字(算法/人工字库)，是否命中人工重写字库(暴君功能)。经过这个链接处理后，进入语言识别链接，国内电子商务也支持英语环境。此时，关键字将进行语言识别，以确认该词应该在哪种语言环境中搜索。一些电子商务公司没有这个链接，因为它真的没有必要。对于出口型跨境电商来说，比如速卖通、虾皮、亚马逊等。此时进入词性还原阶段，词性还原顾名思义，对于英语是单复数还原、时态还原、词干提取等，对于汉语是识别关键词骨干，男士印花t恤（预处理已删除“”），整个词是骨干。然后进入分词阶段。此时，分词系统将对“男士印花t恤”进行分词。一般来说，中文将进行n-gram多粒度分词。分词结果如下:男/士/印/花/t/t恤/男士/印花/t恤/男士印花/印花t恤/男士t恤/。以上ngram不懂也没关系，以后会讲到专门的算法章节。对于一些音型文字，如英语、法语、印尼语等，使用的空格分词法是根据关键词之间的空格，如“womendress“分词结果直接从空间切词。为什么它不同于汉语？事实上，英语中也有多粒度的切割词。汉语的切割方法是基于词典中短语的合理性，但汉语和音型语言之间存在一些差异。因此得出假设结论:音型文字:音型文字含义容量范围低，精度值高；汉语:象形结构文字，含义容量范围高，精度值低。汉语搜索采用多粒度短语切割词的分词方法，很大程度上是基于汉语搜索词的含义容量大，导致精度不准确。因此，有必要使用多个单词组成词来确认搜索词的具体含义。让我们来体验一下：query(汉语)：男士印花t恤。切词:男/士/印/花/t/t恤/男士/印花/t恤/男士印花/印花t恤/男士t恤/；query(英语)：MenPrintT-Shirt 切词： men/print/t-shirt/ment-shirt/printt-shirt/。两者的原理大致相同。另外，我只想让大家明白，不同语言之间的分词有一些差异，我们不能“一招到处吃”。接下来，分词后，系统进入同义词扩展环节。词典和人工维护的同义词词库用于扩展分词后的关键词。具体来说，印刷和印染是同义词，男人、男孩和男人是同义词，所以这些同义词将一起添加到分词中，进入匹配召回环节。进入匹配召回阶段，先看这张图。同样，我懒惰的时候也用我前同事的ppt截图来展示。我厌倦了看他一万年不变的例子截图。你会看的。  我相信你一眼就能明白，它使用全词匹配召回。什么意思？男士印花t恤的分词结果需要在同一粒度下与商品名称或属性描述完全匹配，才能召回商品。不可能少补一个匹配。而多词粒度的权重>单词粒度的权重，即短语匹配优先于单词匹配。当短语没有匹配时，再去匹配单词，当然汉语匹配单词是没有意义的，一般汉语基本上都是匹配短语。（我的一些中文单词的例子不是很合适）匹配召回后进入“点头”链接，也被称为确认商品是“无结果”还是“少结果”无结果是关键词找不到商品，少结果意味着关键词搜索小于等于8个产品，一些电力将少结果设置为4或12个，无论如何，你知道这个意思。点头后，进入大范围排序阶段，类别排序。我们将这个链接称为类别预测，并将与关键字最相关的类别放在首位（我们需要知道，这些类别的商品集合也应该与关键字的整个单词相匹配。并不是说所有类别的商品都会放在前面)。类别预测一般通过算法进行，人工干预得到补充。此时，筛选参数的显示范围（即该类别下的参数）也得到了确认，顶部分类也将确认此时是否会激发显示。类别预测结束后，开始对商品进行排序，预测类别与非预测类别分开排序。根据用户行为数据和商品综合得分算法对各种算法进行排序。然后经过网观渲染，就是我们看到的搜索结果页面，你看，简单，今天就先到这里。预测下一章:全面分析站内搜索类别预测