旅行场景下搜索技术的应用与创新：从猪搜到个性化推荐

"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。