query求交模块总结

最近重新梳理了一下query的求交模块，记录一下。

以前不太清楚的地方，主要是怎么处理近义词（比如“蔡依林”和“Jolin”）以及怎么有些没全部命中term也可以找到。

第一个，在数据制作的过程中就会处理近义词，做到相应的倒排中（会标明近义词）。而且，求交的过程中，近义词也会一起参与求交。“蔡依林演唱会”其实是“蔡依林”“Jolin”“演唱会”三个词一起求交。这样就不会遗漏一些很相似的近义词，保证了召回率。

第二个，求交的结果并不是要求所有的term都命中，我看项目中，命中了两个就会作为一个candidate来取OCC信息（命中位置信息）判断，如果通过再计算rank，当然，如果命中的效果不好，由rank来淘汰这个candidate，并继续求交。如果命中的两个是近义词，那相当于只命中了一个，也应该是由rank来淘汰。

前面两个策略，保证了召回率，当然会对正确率和程序的效率有一定的影响，这个就要对结果综合考虑后指定策略。

另外，程序中还有一个跳关键域（jump key field,kf）的策略。比如“中国”“北京”“美女”，当求交一段时间，发现结果太稠密，很多doc可能都会包含，这样肯定会影响求交的效率，导致一些不好的结果被求交出来再淘汰，一些好的结果反而因为排得比较靠后而求交不出来。这时，可以在求交的过程中，只考虑少数几个关键的域（对结果影响比较大的域，比如title，desc等），加速了求交效率。