前言：

半年前，和師弟在一起吃飯時，他忽然抬頭，很好奇地問我：“為什么有了百度的大檢索，百度地圖還要自己做檢索呢？”這個問題也一直伴隨著我，后來有幸轉入檢索方向，不斷摸索，也才有了這篇文章。

正文：

地圖檢索，顧名思義，是在地圖里的檢索。它與大檢索大同小異，雖然在切詞粒度、專名識別、拉鏈歸并和rank等很多細節上與大檢索有一定差異，然而真正讓他與眾不同、獨具風采的，是地圖領域所特有的空間位置信息。

在地圖檢索領域中，每條query都富含空間信息，每條數據也都有自己的空間位置。如何解析、利用這些空間信息，就成為了地圖檢索的特色主線。本文也就這個主題進行介紹，在章節安排上，參考一個普通query的檢索過程，分為三大部分：query解析、查詢與歸并、rank。

?

1. query解析中的位置信息

傳統檢索的query解析，主要功能是對query進行類型識別、分詞、同義等處理，以便后續查詢與rank。地圖檢索里的query解析，不僅包含了傳統解析的功能，而且要從用戶的query里去挖掘空間位置信息。

為什么要這么做呢？舉幾個簡單的例子：

例1：北京和上海都存在數據點“第一上海中心”，那么身在北京的用戶A和身在上海的用戶B，同時檢索“第一上海中心”，結果是否需要有所不同呢？

例2：用戶在地圖中輸入query“中關村肯德基”，我們沒有叫“中關村肯德基”的數據點，但卻有許多位置在中關村附近的肯德基點，那么我們如何召回呢？

這兩個例子形象地描述了用戶發起檢索所包含的兩種空間位置信息，以及我們為什么要去挖掘這些空間信息。

首先，例1對應的是一次檢索中所隱含的位置傾向信息。用戶所在的城市（可用ip地址近似模擬或者無線設備定位）、用戶輸入query時的上下文場景（主要是底圖所在城市）是兩種比較直觀的位置傾向信息；我們需要利用這兩種數據來大致判定結果的位置傾向，以便提供更優秀的檢索結果。相對來講，這是一種粗粒度的位置信息。

其次，例2對應的是query的子term中所明確包含的位置信息。地圖query的特點在于，某些term是表示檢索范圍的（空間位置），某些term是表示文本實體的；“中關村肯德基”中，“中關村”表示檢索范圍，“肯德基”表示實體，這個query可以理解為用戶想檢索“在中關村附近的肯德基”，也就是在“中關村”附近檢索“肯德基”。相對來講，這是一種細粒度的位置信息。

總而言之，地圖的query解析需要去挖掘query中的隱含或明確的位置信息，從而真正理解用戶的需求。

2. 查詢與歸并中的位置信息

經過query解析之后，query中的term被分為兩種，一種表示空間，一種表示文本，如何利用這些term的屬性，來召回最合適的數據，就成為另外一個問題。

讓我們來看看地圖檢索的查詢歸并與傳統檢索的不同：

?

圖1. 普通檢索與地圖檢索的查詢歸并對比

如圖1所示，普通檢索的查詢歸并結果，是“中關村”和“肯德基”文本查詢集合的交集；而地圖檢索的查詢歸并結果，除了兩者的文本交集之外，還包括“肯德基”的文本查詢集合與“中關村”的空間范圍的交集，而往往后者召回的比前者要多。

也就是說，我們不僅要召回傳統文本上的歸并結果，也要從空間維度上去做歸并，從而得到更多、更準確的召回。

3. rank中的位置信息

與傳統檢索展示文本列表不同，地圖結果以圖區加icon的形式，將結果非常形象地展現在底圖上，而這也給地圖檢索的rank提出了新的需求：我們不能停留在文本相關度這一單一維度上，而是要給用戶呈現準確而舒適的結果。

那么這個舒適體現在什么地方呢？這里也舉兩個例子給大家看一下：

?

?

圖2.a ? ? ? ? ? ? ? ? ? ? 圖2.b???????????????????? 圖2.c???????????????????????????????????????????????????????????????????????

北京市下檢索“清華大學”，如果在海淀區和朝陽區都有清華大學相關的數據，那么可以有三種結果展現形式，如圖2.a – 2.c所示。圖2.a是普通的未經空間調權的rank結果，圖區拉得很大，右下角的結果對90%以上的用戶都是噪聲，顯示效果不夠友好；圖2.b則是經過空間調權后的rank結果，視野集中在“清華大學”主點附近，效果要優于圖2.a，但是這同樣給出了一大堆相關結果列表，也會干擾用戶；圖2.c則是經過空間內聚形成的結果，精確命中“清華大學”主點，圖區大小合適，顯示效果最好。

這個例子展示了如何利用結果的位置信息來提升體驗，下面再給大家介紹一下用戶的位置信息的利用：

?

?

圖3.a????

?

? 圖3.b

當用戶檢索生活類泛需求詞時，那么用戶所在位置信息就顯得至關重要。如圖3所示，用戶如果在百度大廈用移動設備檢索“餐館”，圖3.a是未經空間距離調權的結果，顯得比較雜亂；圖3.b則是以用戶所在地為中心點，進行距離調權后的結果，則顯得更緊湊，優先級更直觀。

由此可見，地圖檢索的rank僅僅考慮文本相關性是不夠的，還需要考慮空間位置信息，包括query和檢索結果的位置信息，也包括用戶的位置信息。只有充分運用好這些位置信息，才能給用戶更準確、更舒適的結果。

介紹到這里，相信大家已經對地圖檢索里的空間信息有了直觀的認識。事物總有正反兩面，空間位置信息的引入雖然使得地圖檢索充滿魅力，但也成為了地圖檢索的重點與難點。如何有效地利用這些信息，使其與傳統的文本相關性、實體重要性等因素相互作用、形成合力，是一個需要我們不斷去征服的高峰。

by ?liyang

?

【本文首發于：搜索研發部官方博客】http://stblog.baidu-tech.com/?p=1136 【關注百度技術沙龍】

?

本文轉自百度技術51CTO博客，原文鏈接：http://blog.51cto.com/baidutech/743017，如需轉載請自行聯系原作者

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的地图检索 – 与众不同的全部內容，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。