O2O场景下的查询理解与用户引导

O2O场景下的查询理解与用户引导的思维导图，包括查询理解与户引导、搜索总结等内容，内容全面，逻辑清晰。

O2O场景

• 查询理解与用户引导
• 查询理解
  • 意图识别
    • 可以看做分类、聚类、主题分布的问题
    • 先通过业务分类，再精细搜索
  • 实体识别
    • 隐马尔科夫、条件随机场、支持向量机、最大熵
  • 召回策略
    • 每个分类对应几个固定的文本域，比如标题、品类名称
  • 查询改写
    • 替换：同义词替换、缩写词替换
    • 删除：词语选择(序列标注)词语权重(TF-IDF)
    • 扩展：语义(LDA、Word Embedding)词项、链接分析、session挖掘
    • 对齐：机器翻译
    • session挖掘
      • session挖掘：基于同一用户的查询拼接
      • 二部图挖掘：不同用户的共现查询
  • 词权重和相关性计算
    • 计算权重：TF-IDF、规则打分、统计学习
    • 数据采集：人工标注、用户点击共现
  • 类目相关性
    • 通过品类的召回
    • 通过查询词的品类偏好优化排序
    • 通过查询词的品类偏好做过滤
• 用户引导
  • 分类
    • 搜索前引导：主要为了推荐
    • 搜索中引导：主要为了补全
    • 搜索后引导：主要为了细化相关查询词、商家推荐
  • 考虑的因素
    • 搜索引导流量占比、点击率、转化率
  • 搜索前的引导
    • 数据来源：搜索日志、WIFI信息、地理位置、热点信息
    • 数据预处理：处理原始数据，生成推荐的候选词和热词
    • 召回策略层：协同过滤、关联规则、检索、点击二部图等
    • 排序层：LTR，渐进梯度提升树。规则排序-学习排序-后处理
    • 展示层：人工干预、组织展现
  • 搜索中的引导
    • 数据来源：日志、商家数据、地点、品类、行业名词、组合词
    • 算法：Trie树、HashTable、倒排索引；普通前缀、拼音前缀、简拼前缀
    • 需要考虑用户打字时的遮挡区域，考虑有效的展示区
  • 搜索后的引导
    • 在固定位置插入广告位
• 搜索总结
  • 特点：本地化、个性化、时效性、场景化