搜索推荐系统是如何实现的?

用户在搜索过程中,向用户提供建议或者推荐,这样的系统如何实现?
关注者
392
被浏览
12845

9 个回答

这主要涉及计算两个query的相似度。有好几种算法:

1. 每个query会产生一个搜索列表,由url组成,这些url的点击率不同,那么每个query就可以建立成一个由url组成的向量,每个url的权重是点击率。那么两个query相似度就可以用两个url向量的相似度度量。

2. 可以根据用户:比如搜索了这个词的人也搜索那个词,这个没有上面的准确,但也可以提供一种相似度

3. 可以用query返回的url对应的网页的内容相似度来度量。
搜索推荐,最常见的实现方式是通过带有用户ip或者其他标识的搜索日志来进行训练做出的推荐。用户搜索过哪些词理解为一般性购物车推荐的商品购买即可。例如,某用户,搜索过齐秦、张雨生,张学友,某用户搜索过刘德华,张学友,黎明等等。

因为搜索其实是一个弱用户行为,用user base冷启动的话效果太差,所以没必要考虑user base,直接上item base就可以了。

简单的说,搜索建议和一般电商的also buy非常的相似,可以借鉴那边的产品设计和算法实现。

推荐《探索推荐引擎的秘密》系列 tiny4.org/blog/2011/05/