其它相关文章整理:https://zhuanlan.zhihu.com/p/51015148
当然还有很多因素也会去影响这个闭环，如用户(历史行为，性别、年龄等)、地域、天气，一个宏观、长周期的链路等。
根据搜索的过程，可以拆解用户的搜索流程如下：搜索入口-搜索触发-内容输入-点击搜索-反馈结果。我们从这个流程的各个环节上来看四大电商app(京东、天猫、手淘、拼多多)的搜索功能，进行对比分析。
前文已经介绍了搜索前的一些产品及技术方案；本文还是电商搜索为例，以用户搜索过程中输入搜索词(点击“搜索“按钮到按下”回车“之间发生的事)的过程为切入点，结合产品及技术方案展开，结合相关搜索词功能进行论述。
搜索词自动补全产品形态
关键词匹配/补全/联想/纠错的作用主要有三个：引导、纠错和高效。
通过统计发现，用户在第一次查询中得到预期搜索结果的概率非常低，所以需要引导查询自动建议可以减少用户搜索的工作量，并通过数据挖掘(群体行为和智慧)来给出高频恰当的搜索建议。
四个电商均使用了前缀匹配，但是手淘和天猫使用了拓展icon，可快速将推荐词黏贴至搜索框，京东使用了属性、标签、类目扩展 (除了对输入内容做联想，还会展示出与关键词相关的维度，自动补全关键词，增加用户的选择)，拼多多则相对搜索词产品探索较少。不过目的都是帮助用户快速锁定意图，并开展搜索。
用户在搜索框输入字符时，会在搜索框下面实时显示下拉提示词给用户，方便用户选择。可以帮助用户快速输入和优化搜索条件，且避免输入错误；在此基础上很多电商app也出现了筛选功能，在当前搜索建议词基础上进行扩展，进一步减少用户操作。一般在用户搜索的不够具体，会推荐该搜索词更细的分类。淘宝的辅助多重筛选搜索，输入时展现的一系列联想内容，点击右边的一个拓展icon，就可以采用联想出的内容，在此基础上继续缩小范围筛选，从而帮助用户获得最接近需求的内容。
通过当前实时输入的词去匹配候选词，一般查询频度和同查询词的历史查询记录为重要参考依据。
在搜索词补全和联想数量上，淘宝为10条，拼多多为10条，京东/天猫超过10条，但是不能过多，过多的选择会给用户造成记忆负担，并且占据空间，有损用户体验，所以需要控制数量以便信息不会过载。
当然部分电商在历史的版本迭代中会尝试在搜索输入阶段进行纠错，比如输入联衣群，下拉框中自动纠正为连衣裙的一些选项，目前四个电商app均并无此功能，而是在搜索结果展示内做纠错及提醒；自动容错功能，将极大地提升用户体验，并提升用户的购买率。
技术方案
主旨:前缀匹配原则，完整词未出现时一般使用补全/联想功能，品类引导词为主；当出现明显品类词后开始出现更细粒度属性及标签筛选词。一般从query log中挖掘出大量候选query，并且保证前缀相同，然后根据某种计算模型给候选query 计算一个分数，最后按照分数选出topK作为最终结果。
主要考虑因素:当前搜索词，用户(性别、年龄等特征)，日志中的群体智慧
极简版:
常见搜索引擎均带有suggestion功能，直接使用
统计版:
使用前缀匹配后的候选词(Trie树 + TopK算法,回溯算法遍历trie树)，使用用户搜索频度最高的topK个搜索词,但是这样会使长尾词无法得到曝光机会。
trie树
AC算法
简单模型版:
在用户进行搜索商品时，通过用户与搜索词信息进行意图预测，并辅之以类目、性别预测，前缀匹配后最终将某个性别和类目下的共现最高的topK热搜词作为搜索框下拉框提示词。
复杂模型版1:
复杂模型版，使用前缀匹配算法进行候选集召回(若召回量过少，考虑非前缀匹配结果)，并做简单截断；然后使用用户特征(性别、年龄、行为序列)、context特征(季节、天气、温度、地理位置)进行、当前搜索词的embedding vector，然后候选搜索词也有一个embedding vector，三个vector分别与候选vector计算cosine similarity，最终使用一个线性模型融合三个分数，最终的排序结果会进行语义去重再选择topK(这里也可以用生成模型来做排序)。
context embedding的方式
这里可以将用户、context均视为搜索词，就可以用日志数据构造doc，最终使用doc2vec或word2vec。
生成式-user-embedding-《云栖社区-query生成与推荐》
生成式-query generate-《云栖社区-query生成与推荐》
复杂模型版2:
主要针对复杂模型版1的排序特征上，继续增加特征,并考虑更多的维度
通过语义、行为、session log等挖掘出query间相似分，并加入用户、搜索词、context类特征及其交叉特征。多维度相似融合再排序: 按照点击相似度、文本相似度、Session相似度衡量Query之间的相似度，得到候选的Pair（可选）交给重排序模块，对Query pair的优先级做优化，生成Top K的改写结果。
query2query召回
基于行为: item cf/swing、simrank++
基于session: word2vec、seq2seq
基于内容: query2vec(类似word2vec，构建query序列)
query排序
模型: LR/GBDT
样本: 用户日志，行为加权(展现:1,点击:5,购买:50)
特征: 搜索词的pv/ctr/cvr，用户是否活跃，用户画像/特征，用户+候选词(查询词/浏览详情页与热搜候选词相似度)，context特征(地理位置，温度，天气等)
其它算法&产品模块
纠错
针对纠错，还可以做一个模型，但是上述query方式可以一定程度上避免了很多的输入有误问题。针对纠错可以考虑如下2种:
Non-word纠错(准备一个电商语料库字典，输入词不在整体字典中，即可以判定为错词)
Real-word纠错HMM(噪声信道模型,利用unigram+bigram+trigram，选择最优的token组合,Query pair，正确及错误词候选集合训练转移矩阵)
语义归一
针对候选词进行语义归一，一般将候选query相对搜索query的扩展部分进行相似度计算，以高于某个阈值后，只保留得分高的一个候选词，这样可以节省有限的坑位资源。
产品模块
清除的icon: 输入内容时，引导信息消失，有的还会伴随在搜索框中出现清除的icon，清除的icon主要方便用户进行二次搜索时一键清空当前信息，省去了逐字删除的麻烦；根据输入内容，进行关键词的匹配。
联想词下商品数量: 产品层面还可以做一个事情，就是将关键词对应的搜索结果数量前置，便于用户控制搜索词的颗粒度，也避免出现无结果或者少结果的情况，特别是针对相对稍长尾的搜索词而言。
后续文章主题:《国内主流电商搜索功能对比》、《电商搜索-数据分析》、《搜索算法-QR》、《搜索算法-QU》、《搜索算法-相关性》、《搜索算法-排序》。
前几篇文章:
对电商搜索感兴趣，并想深入了解算法的小伙伴，可参与我的live:
其它相关文章及live整理:
谢谢大家的支持！
