美团搜索引擎利用Query改写算法提高召回率，包括Session Embedding和语义相似纠正两部分。Session Embedding基于用户在相同时间段的连续操作，通过构建Session Embedding找出相似query。语义相似纠正则利用Bert模型过滤掉不相关query，提升查询相关性。该方法在实践中uv和pv点击率有显著提升。
美团的搜索引擎主要是对店铺的主店名称，分店名称，地址，推荐菜，商品等进行分词，然后进行倒排索引。用户在搜索时会使用不同的Query去找到想要的结果，但用户的query与索引的内容可能存在差异导致无法召回，比如用户在搜索“早餐”，那"一品粥铺"、"永和豆浆"这些肯定出不来，这样会流失掉很多用户需求。那美团是怎么实现的呢？我们今天就来讲讲美团的Query改写算法。
在搜索引擎领域，用户Session是指用户在同一个时间段的连续操作，可以基于用户Session构建Session Embedding，针对同一个Session下，用户会在短时间内输入多个query，如下：
user1: query1,query2,query3……
user2: query1,query2,query3……
通过点击行为和文本相似性研究，我们认为同一个Session下的所有的query应该都是有关系的，都是意图聚焦的。所以结合以上的理论，我们将美团搜索基于用户Session的Query改写实现方式分为两个部分，包含Session Embedding以及语义相似纠正。
【Session Embedding】
针对单用户按照时间进行Session划分，一个用户在不同时间段比如早中晚的需求是不同的，
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
