旅行场景下搜索技术的应用与创新:从猪搜到个性化推荐
版权申诉
141 浏览量
更新于2024-07-05
收藏 2.67MB PDF 举报
"该文档主要探讨了在旅行场景下搜索技术的应用与创新,特别是阿里飞猪平台的全局搜索(猪搜)系统。文档分为四个部分:猪搜背景、基础建设、召回策略和思考总结。猪搜是飞猪平台的核心功能,它不仅包括全局搜索,还覆盖了酒店、机票、度假等特定行业的搜索,满足用户跨类目的旅游决策需求。同时,猪搜承担着在手淘中引导用户并提供最快速操作路径的任务。
在猪搜的框架中,涉及到了多个关键技术环节,如Query Processing (QP)、搜索服务、Language Understanding Platform (LTP)、Search Platform (SP)、HA3、索引查询、粗排、CTRCVRSCORE、ITEMSTATICSCORE、MATCHSCORE、加权排序以及RTP等。这些环节共同构成了从用户输入到返回结果的整个搜索流程。
文档指出,猪搜面临着多方面的挑战,包括性能优化以提供良好的在线服务体验、传统文本理解以增强文本相关性、LBS(Location-Based Services)和POI(Point of Interest)的理解来提供空间相关性,以及用户特征的理解以实现个性化推荐。
QueryTagging是QP中的关键任务,用于识别用户查询的意图。这个过程涉及应用层、算法层和数据层,通过预处理、分词、词表预匹配和消歧规则/模型来实现。此外,文档还介绍了商品POI(Point of Interest)的挖掘,这是一个从非结构化的HTML商品详情中提取景点信息的过程,通过人工+词库标注、CRF++模型和命名实体识别(NER)技术,实现了99.3%的准确率和95.2%的召回率。
最后,文档提到了同义词挖掘的问题,特别是在航旅领域的四种类型同义词挖掘的挑战,即如何在一个模型中建模这四种关系,以挖掘通用的同义词。这里提到了基于词向量的方法,但未给出具体细节。"
这篇摘要涵盖了旅行场景下搜索技术的关键点,包括搜索系统架构、面临的挑战、QueryTagging和POI挖掘的技术实现,以及同义词挖掘的初步概念。
2021-05-27 上传
2022-03-18 上传
2021-08-24 上传
2024-06-12 上传
2021-10-10 上传
2024-04-01 上传
2023-07-19 上传
2021-10-02 上传
2021-09-15 上传
普通网友
- 粉丝: 12w+
- 资源: 9195
最新资源
- 开源通讯录备份系统项目,易于复刻与扩展
- 探索NX二次开发:UF_DRF_ask_id_symbol_geometry函数详解
- Vuex使用教程:详细资料包解析与实践
- 汉印A300蓝牙打印机安卓App开发教程与资源
- kkFileView 4.4.0-beta版:Windows下的解压缩文件预览器
- ChatGPT对战Bard:一场AI的深度测评与比较
- 稳定版MySQL连接Java的驱动包MySQL Connector/J 5.1.38发布
- Zabbix监控系统离线安装包下载指南
- JavaScript Promise代码解析与应用
- 基于JAVA和SQL的离散数学题库管理系统开发与应用
- 竞赛项目申报系统:SpringBoot与Vue.js结合毕业设计
- JAVA+SQL打造离散数学题库管理系统:源代码与文档全览
- C#代码实现装箱与转换的详细解析
- 利用ChatGPT深入了解行业的快速方法论
- C语言链表操作实战解析与代码示例
- 大学生选修选课系统设计与实现:源码及数据库架构