如何建立一个简单的相关搜索模型

以百度为例,相关搜索就是对当前搜索结果页的一种相关推荐,如图是我对【视频压缩】关键词的搜索结果及相关搜索词展现。

相关搜索是什么?

以百度为例,相关搜索就是对当前搜索结果页的一种相关推荐,如图是我对【视频压缩】关键词的搜索结果及相关搜索词展现。
b1a82b32-6469-4d9b-ae69-e1de001ac55e

相关搜索有什么作用?

场景一般为:用户对当前页面展示内容不满足。
当你通过一个关键词无法找到你想要的东西的时候,相关搜索很可能能帮到你,和搜索提示不同,搜索提示主要用的前缀匹配的模式,关注的是你还没有点击搜索键的时候猜测你想搜什么,而相关搜索是你点击搜索键以后猜测你可能还想搜什么,所以相关搜索更加类似于一个相关推荐机制。
001

如何进行简单的相关搜索推荐?

本质上相关搜索是一个搜索输入和推荐输出的过程?
  • 从用户角度考虑,当我在搜索一个词时结果没有满足我的需求有可能存在的问题是:①、我输入的查询词有问题;②、数据库确实没有相关内容;
  • 从运营角度考虑,当用户在搜索一个词的时候,我要解决的问题:①、解决用户查询不标准问题;②、同时反馈高质量的相关搜索给客户;
从以上粗略分析我们可以得出:相关搜索的核心就是找到与输入内容相似或者相关的高质量内容,那么这个相似和相关的高质量内容如何衡量呢?
1、根据分词+TF-IDF向量模型
通过对当前搜索词进行分词的方式,将查询词切成单词的形式结合向量模型进行计算,分词在网上有大把的工具可以使用,可以满足对近义词和相似词的需求。
2、根据用户搜索轨迹推荐(非一次性搜索)
为什么是非一次性搜索,这个是因为如果是一个正常的用户,他在第一次输入搜索词与第二次搜索词相隔时间很久,那这两个词大概率下是没有太大关系的,如何定义一次性搜索这个问题我们用一个简单的规则:第一次输入搜索词与第二次输入搜索词间隔大于5分钟,我们就把他定义为一次性搜索。
①、记录:用户id+关键词 [ A1,A2….. ]  [ B1,B2….. ]  [C1,C2…..]
将所有用户的非一次性搜索轨迹都记录下来。
②、加入统计规则:提取与当前用户搜索词相似的用户,对其下一步搜索词进行统计计算,得分高者优先推荐。
3、根据其他用户搜索词记录补充推荐
这个与下拉搜索有逻辑一样,比如用户搜索:“苹果电脑”,这个时候我们就可以把与“苹果电脑”相似的搜索词进行统计计算,得分高者优先推荐;比如最后“apple笔记本电脑”得分较高,那就推荐这个词。
4、根据搜索结果进行推荐
根据搜索结果进行推荐,也就是将搜索结果一样的页面进行关键词归类。
如:搜索词A:结果12345    搜索词B:结果12345   那么搜索词A与搜索词B就可以建立同类关系。
5、结合当前相关热点推荐
一般适用于热点事件相关的场景,如:用户搜索:“正新鸡排”,恰好最近正新鸡排被315曝光热门,那么这个时候就可以推荐:“正新鸡排315曝光”这个词。
002
通过以上算法进行计算就可以建立一个简单的相关搜索模型,当然除了这些肯定还会有更高级的相关搜索推荐算法,别看是一个小小的推荐算法,也是需要考虑很多东西才能更贴近用户需求,解决用户问题!关注我,一天一个SEO知识点,让我们从0开始认识搜索引擎。

本文来自投稿,不代表SEOwiki立场,如若转载,请注明出处:https://seowki.com/archives/2214.html

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注