浅谈互联网搜索之召回

数据人学习平台上线

作者 @花花，曾在美团、腾讯、今日头条担任数据分析师，参与上百亿补贴资源评估，是“数据人创作者联盟”成员。

01 背景

上一期文章介绍了互联网搜索系统的流程与现状，指出搜索系统主要由召回和排序两大子系统组成。本期将重点介绍召回系统及其重要分支——语义召回，目的是为搜索行业工作者提供启发。

02 搜索系统召回方法

搜索系统在接收到query后，通过召回系统快速找回相关文本，关键在于速度和召回的轻准确性。召回方法可分为三类：

• 倒排索引召回：基于文档分词构建的k，v对，有效但受限于用户输入错误或同义词输入。
• 个性化召回：依据用户历史行为，不需精准term匹配即可召回相关文档，但可能引入不良体验。
• 语义召回：采用神经网络，计算query和文档间的语义匹配度，能够解决泛化问题，需后续质控。

03 语义召回

语义召回能够应对多样化的用户输入，包括汉字、拼音等，是搜索引擎发展的新趋势。主要方法：

• 传统语义召回：如DSSM双塔，利用深度学习将特征向量化，并通过余弦相似度计算匹配。
• 多源语义召回：结合多场景信息，如图像、知识图谱，提供丰富上下文辅助，针对语义不明确的query。
• 大模型预训练语义召回：使用大模型基础上进行fine-tune，利用海量数据提升检索效果。

04 总结与展望

文章总结了三种主要的召回方法，强调语义召回日渐成为搜索领域的新趋势，有潜力替代传统倒排索引。随着技术进步，搜索引擎将不断完善，需要业界共同努力。作者推荐书籍《数据产品经理修炼手册:从零基础到大数据产品实践》。

更多信息请访问 数据人学习平台。

一个数据人的自留地

查看原文：浅谈互联网搜索之召回

文章来源：

一个数据人的自留地

扫码关注公众号