如何快速实现精准的个性化搜索服务

简介： 用户行为数据如何实时的应用在搜索服务中那？ 怎样在1天内就可实现【精准的个性化搜索系统】搭建那？ 今天小编将通过【阿里云开放搜索】中的三大“个性化搜索算法模型”给大家详细介绍，希望给予您更多解决思路~

一、个性化排序应用

类目预测

类目预测是开放搜索里基于物品/内容的类目信息改善搜索效果的算法功能。
类目预测根据用户的查询词来预测用户想要查询哪个类目的结果，结合排序表达式，可以使得更符合搜索意图的结果排序更靠前
基本原理：把历史上搜过的query收集起来，结合query查询之后的点击行为数据，与类目下的物品信息联系起来，使用这些数据来训练模型，由模型来刻画query与类目之间的数据规律。

例如：不同用户搜索“华为”
有些行为意图搜索“配件”，有些意图是搜索“手机”，那根据用户的行为数据就可以通过类目进行判断，从而在排序效果上实现个性化展示；

二、个性化搜索引导

搜索中引导--下拉提示

• 功能介绍
下拉提示是搜索服务的基础功能，在用户输入查询词的过程中，智能推荐候选query，提高用户输入效率，帮助用户尽快找到想要的内容。
下拉提示实现了基于用户文档内容的query智能抽取，可以通过中文前缀，拼音全拼，拼音首字母简拼查询以及汉字加拼音，分词后前缀，中文同音别字等查询下拉提示的候选query。

例如：不同用户在搜索框输入“包”，下拉提示都是不同的，优先展示该用户搜索过的query，从而增加业务转化的机会；

• query生成规则
针对过去N(默认7)天的历史query，结合该query的词权重，召回结果数，历史搜索次数，近一天查询是否有结果等条件，选出一些热门历史查询词，作为下拉提示的候选词。
系统支持两种规则生成候选query：抽取生成和原值保留。
抽取生成：使用阿里nlp团队基于海量自然语言训练的分析器，对字段内容进行分词，抽取有意义的term进行组合，得到候选query，这种方式尽量保证生成的候选query能召回对应的文档。
原值保留：该规则对字段内容不做分词处理，直接将其作为下拉提示的候选query。
• 行业模板
根据不同行业数据特点提供了相应优化模板：通用行业模板，电商行业模板，内容行业模板
• 干预功能
对数据源应用文档设置过滤条件;对候选query结果进行干预，包括黑名单和白名单;
• 业务报表：
下拉提示进行的数据统计指标包括：核心指标，流量指标，点击指标， 引导搜索指标，Query分析指标，五个维度；
可以衡量下拉提示召回、排序、加购转化、内容丰富度等效果。

搜索前引导-热搜和底纹

• 功能介绍
热搜和底纹是一个完整搜索引擎必备的基本功能，通常占据着搜索框入口的重要位置，提供不可或缺的业务价值。

从用户的角度来看，热搜底纹一般可以满足如下的需求：

1. 给我推荐一些优质的查询词；
2. 想知道大家都搜了些什么；
3. 既想看我感兴趣的内容，又想探索一些兴趣之外的内容；

从运营者的角度，热搜和底纹可以提供这样的价值：

1. 哪些query被搜得最多，热门query是用户兴趣的风向标，通过分析热门query我们可以把握用户的兴趣走向，对制定运营策略；
2. 给用户推荐一些优质query；
3. 给用户推荐热门query，一方面兼顾用户体验，另一方面给部分次热门query增加曝光机会；

• 配置流程

• 业务报表
热搜底纹业务运营报表，可以清晰反映搜索引导结果的点击情况，衡量其召回、排序的效果和质量，再通过系统的评估服务，找到对应的问题原因和解决方案。

原文链接
本文为阿里云原创内容，未经允许不得转载。