作者：hooly
微信公众号：一口袋星光
什么是搜索？
根据提供的已知信息，给用户提供符合各方利益诉求的内容。
搜索的主体：
1.搜索的用户
2.输入的内容（关键词/图片/语音）
3.检索规则
4.搜索结果的处理
搜索流程：
检索原理：
若干一个词库，搜索词按照规范化处理以后，进行分词，分词完成之后，和词库中词语做匹配，匹配命中的，则不再拆词，拆词节后之后，用拆好的词去搜索。
检索查询-分词：
1.规范化处理：
去除标点符号 加减号、空格等；通过配置文件去除干扰词，“你、我、他”等
2.分词方式：
中英文分开；根据空格分词；把输入词和词库进行匹配，按照词库词语进行分词。命中则不分词。
现有的中文分词算法可分为三大类：基于字符串匹配的分词方法、基于理解的分词方法和基于统计的分词方法。下面介绍下第一类分词方法
基于字符串匹配的分词方法
这种方法又叫做机械分词方法，它是按照一定的策略将待分析的汉字串与一个“充分大的”机器词库中的词条进行配，若在词库中找到某个字符串，则匹配成功（识别出一个词）。按照扫描方向的不同，串匹配分词方法可以分为正向匹配和逆向匹配；按照不同长度优先匹配的情况，可以分为最大（最长）匹配和最小（最短）匹配；按照是否与词性标注过程相结合，又可以分为单纯分词方法和分词与标注相结合的一体化方法。常用的几种机械分词方法如下：
1）正向最大匹配法（由左到右的方向）；
2）逆向最大匹配法（由右到左的方向）；
3）最少切分（使每一句中切出的词数最小）。
3.词库
词库可以有很多内容：比如商品标题；品牌；属性；描述；店铺；分类...每个词库也会有对应的权重，而影响最后的排序。
检索查询-匹配命中方式：
首词命中：指输入词与结果首位词匹配，如用户输入“汉庭”，结果匹配汉庭快捷酒店（新街口店）
包含命中：是指输入词在结果中包含，如用户：输入“大四”，结果匹配牡丹江大四方旅馆；
排序规则：
静态-相关性：词相关性、字段相关性、文本匹配；字段类型：标题、同义标题、品牌、属性、描述、店铺、分类等...
动态-业务因素：库存、单品反馈（收藏、购买、点击）、更新时间、促销
动态-商业因素：销售金额、销售额、评论数、商品评分、店铺评分
动态-个性化因素：个人历史行为，个人喜好等...
搜索系统的架构：
作者：hooly
微信公众号：一口袋星光
我会在微信公号上持续更新我的文章，你来讨论我很欢迎。
