深入理解搜索引擎-搜索召回

​你有没有想过，当我们在搜索框中输入关键词时，搜索引擎是如何确定返回哪些内容给你的？搜索引擎底层有一个巨大的索引库，返回的搜索结果跟你输入的关键词又有什么关系？今天我们就来讲讲搜索引擎中的召回。

召回是根据输入的query，能够高效的获取query相关的候选doc集合的过程。相关的doc如果不能被被召回，即使后面的粗排、精排做的再好也是徒劳无功。所以召回对于搜索引擎是非常重要的，决定了搜索引擎质量的上限。

本文主要讲解两类召回算法，包含基于词的传统召回和基于向量的语义召回。

基于词的传统召回

基于词的召回底层实现基于倒排索引，在上一篇《索引技术》我们有讲到过，倒排索引如何建立以及它的索引结构，当用户输入query后，搜索引擎会进行query理解(具体流程可参考《详解query理解》)并分词，得到一个个独立的[Term1、Term2…TermN]，根据这些词到倒排索引中进行查找Term所在的文档即完成了召回。拿之前的例子来讲，倒排索引如下：

如果用户输入“胡歌猫”，那么“胡歌”和“猫”分别会找出对应的倒排索引，“胡歌”对应的[1001,1002…]，“猫”对应的是[1003]。那么就有人会问了，每个