搜索詞擴展實戰

• 實戰中使用到的搜索詞擴展方法
• • word2vec詞向量相關性方法
  • LDA相關性方法
  • 搜索詞對 -- 置信度、支持度
  • 搜索詞、購買物 -- 置信度
  • 基于業務規則的擴展方法
• 結論
• 思考

實戰中使用到的搜索詞擴展方法

我們做這個任務的目的是為了售賣搜索詞包，因此我們本身就有一個完整的搜索詞包，搜索詞包中的搜索詞都是規則的，不存在用戶雜七雜八的搜索關鍵詞。

word2vec詞向量相關性方法

對源站上的文本先進行分詞，特別是搜索詞包中的關鍵詞要預先加入分詞辭典，將文章中的那些關鍵詞進行正確的分詞。得到分詞后的文本后進行語言模型詞向量學習，將文章中的每個詞都進行向量化。
提取出搜索詞包中的搜索詞的詞向量，進行詞向量相似度計算，取每個搜索詞最相近的topn擴展詞，取為一個搜索詞包。

LDA相關性方法

與word2vec方法類似

搜索詞對 – 置信度、支持度

這種方法主要基于大規模的用戶搜索行為，當兩個詞同時被大量用戶同時搜索的話，我們可以認為這兩個詞相關性更高，可以作為搜索詞-擴展詞關系。

搜索詞、購買物 – 置信度

這種方法主要基于大規模用戶的搜索-購買行為，在這里有個前提：用戶的搜索詞首先要進行一個簡單的規范化映射。例如：用戶搜索“a6l”，需要先將它映射為“奧迪A6L”
當有大量用戶在購買“奧迪A6L”之前都搜索了“寶馬5系”，那么我們可以認為“奧迪A6L”和“寶馬5系”是一對相關性很強的搜索詞-擴展詞，那么可以將“寶馬5系”納入“奧迪A6L”的搜索擴展詞包。

基于業務規則的擴展方法

主要是一些業務規則，將某些對應品類很類似的關鍵詞聚合在一起，融為一對搜索詞-擴展詞。

結論

上述word2vec、LDA都是基于關鍵詞向量相似的方法進行擴展詞挖掘的，其都是基于源站上現存的文本進行近義詞學習，本質上與搜索詞擴展無關，但是我們可以認為與搜索詞相近的詞就是擴展詞，但是也是基于這種特性，導致搜索詞擴展并沒有真正從業務角度進行擴展詞挖掘，本質上只是在進行同義詞挖掘，因為同義詞不一定可以作為擴展詞使用。在某種意義上這也是這兩種方法是上述方法效果最差的原因。
“搜索詞對 – 置信度、支持度”和“搜索詞、購買物 – 置信度”本質上都是在計算條件概率，但是由于關鍵詞和用戶的搜索行為掛鉤，因此這兩種方法看似簡單，但是實際上效果在上述方法中最優。

思考

由上面可以看出，當關鍵詞和用戶的搜索行為掛鉤后，才能更好的挖掘搜索擴展詞。因此后面可以考慮將用戶的搜索行為構成圖網絡，進行圖網絡挖掘。

總結

以上是生活随笔為你收集整理的搜索词扩展实战的全部內容，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。