簡介：?用戶行為數據如何實時的應用在搜索服務中那？ 怎樣在1天內就可實現【精準的個性化搜索系統】搭建那？ 今天小編將通過【阿里云開放搜索】中的三大“個性化搜索算法模型”給大家詳細介紹，希望給予您更多解決思路~

一、個性化排序應用

類目預測

類目預測是開放搜索里基于物品/內容的類目信息改善搜索效果的算法功能。
類目預測根據用戶的查詢詞來預測用戶想要查詢哪個類目的結果，結合排序表達式，可以使得更符合搜索意圖的結果排序更靠前
基本原理：把歷史上搜過的query收集起來，結合query查詢之后的點擊行為數據，與類目下的物品信息聯系起來，使用這些數據來訓練模型，由模型來刻畫query與類目之間的數據規律。

例如：不同用戶搜索“華為”
有些行為意圖搜索“配件”，有些意圖是搜索“手機”，那根據用戶的行為數據就可以通過類目進行判斷，從而在排序效果上實現個性化展示；

二、個性化搜索引導

搜索中引導--下拉提示

??功能介紹
下拉提示是搜索服務的基礎功能，在用戶輸入查詢詞的過程中，智能推薦候選query，提高用戶輸入效率，幫助用戶盡快找到想要的內容。
下拉提示實現了基于用戶文檔內容的query智能抽取，可以通過中文前綴，拼音全拼，拼音首字母簡拼查詢以及漢字加拼音，分詞后前綴，中文同音別字等查詢下拉提示的候選query。

例如：不同用戶在搜索框輸入“包”，下拉提示都是不同的，優先展示該用戶搜索過的query，從而增加業務轉化的機會；

? query生成規則
針對過去N(默認7)天的歷史query，結合該query的詞權重，召回結果數，歷史搜索次數，近一天查詢是否有結果等條件，選出一些熱門歷史查詢詞，作為下拉提示的候選詞。
系統支持兩種規則生成候選query：抽取生成和原值保留。
抽取生成：使用阿里nlp團隊基于海量自然語言訓練的分析器，對字段內容進行分詞，抽取有意義的term進行組合，得到候選query，這種方式盡量保證生成的候選query能召回對應的文檔。
原值保留：該規則對字段內容不做分詞處理，直接將其作為下拉提示的候選query。
? 行業模板
根據不同行業數據特點提供了相應優化模板：通用行業模板，電商行業模板，內容行業模板
? 干預功能
對數據源應用文檔設置過濾條件;對候選query結果進行干預，包括黑名單和白名單;
? 業務報表：
下拉提示進行的數據統計指標包括：核心指標，流量指標，點擊指標， 引導搜索指標，Query分析指標，五個維度；
可以衡量下拉提示召回、排序、加購轉化、內容豐富度等效果。

搜索前引導-熱搜和底紋

? 功能介紹
熱搜和底紋是一個完整搜索引擎必備的基本功能，通常占據著搜索框入口的重要位置，提供不可或缺的業務價值。

從用戶的角度來看，熱搜底紋一般可以滿足如下的需求：

給我推薦一些優質的查詢詞；

想知道大家都搜了些什么；

既想看我感興趣的內容，又想探索一些興趣之外的內容；

從運營者的角度，熱搜和底紋可以提供這樣的價值：

哪些query被搜得最多，熱門query是用戶興趣的風向標，通過分析熱門query我們可以把握用戶的興趣走向，對制定運營策略；

給用戶推薦一些優質query；

給用戶推薦熱門query，一方面兼顧用戶體驗，另一方面給部分次熱門query增加曝光機會；

? 配置流程

? 業務報表
熱搜底紋業務運營報表，可以清晰反映搜索引導結果的點擊情況，衡量其召回、排序的效果和質量，再通過系統的評估服務，找到對應的問題原因和解決方案。

?

原文鏈接
本文為阿里云原創內容，未經允許不得轉載。

總結

以上是生活随笔為你收集整理的如何快速实现精准的个性化搜索服务的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。