广告布尔检索

广告检索

倒排索引是搜索引擎的关键技术，而广告的检索上也采用这样的框架。但是广告的检索问题也有一些自身的特点和需求，基本的倒排索引技术在广告检索中遇到了两个新问题。

1. 广告的定向条件组 ，可以看成是一个由与或关系连接的布尔表达式，这样的文档显然与搜索引擎面对的 Bow 文档不太一样，这里存在着有针对性的检索性能优化空间。
2. 在上下文关键词或用户标签比较丰富，广告检索中查询可能相当长，甚至会由上百个关键词组成，这种情况下的检索也与搜索引擎中主要由 1 ~ 4 个关键词组成的查询有很大区别。试想，如果将 100 个关键词同时输入到搜索框中，返回的结果会是你想要的吗？

布尔表达式的检索

广告检索与普通搜索引擎检索的第一不同是布尔表达式的检索问题。

如下图：有 7 条广告的定向条件。

注意：我需要将定向条件写成析取范式（Disjunctive Normal Form，DNF）的形式。

DNF 中有两个概念：

• 每个 DNF 都可以分解为一个或者多个交接（conjunction）的并
• 每个交集又可以进一步分解为一个或多个赋值集（assignment）的交

布尔表达式检索的问题有两个特点

1. 当某次广告请求的定向标签满足某个 Conjunction 时，那么 Conjunction 包含的所有广告一定符合当前请求。
   1. 因此需要对 Conjunction 建立倒排索引，并加一层 Conjunction --> AD 的倒排索引辅助检索。
      1. Conjunction 建立倒排索引
      2. Conjunction --> AD 的倒排索
2. 在 Conjunction 的倒排索引中，有一项直接可以帮助我们减少计算：
   1. 令 sizeof( query ）表示广告请求中的定向标签个数
   2. 令 sizeof( Conjunction ）表示某 Conjunction 的含有 ∈ 的赋值集数目
   3. 当 sizeof( query ）< sizeof( Conjunction ）时，该 Conjunction 一定不满足该次请求
      1. 例如：广告请求只有 2 个标签，对于需要 3 以上标签求 并 的广告，肯定不满足此次检索的匹配条件

根据上图的一组广告为例，这组广告的 DNF 可以按如下的方式分解成一些 conjunction

对应的倒排索引很容易地写成下面的的形式：

在上述 所有 Conjunction 的最大 size 为 2（Conjunction 的含有 ∈ 的赋值集数目），可以将倒排索引分成 3 部分，每部分中所有

Conjunction 的 size 一样，按照这样的准则，最终形成的 Conjunction 排索引 应为下面的形式：

注意：

• sizeof( Conjunction ）= 0，包含那些所有只有 ∉ 操作负的 Conjunction
• 为了保证给定一个 assignment，sizeof( Conjunction ）= 0 至少出现在一个倒排表里，算法引入 Z 为一个特殊的 term，并且将所有 sizeof( Conjunction ）= 0 都放入其倒排表中，并赋以一个 ∈ 操作符。