需求满足综述.pdfVIP

需求满足综述 一、什么是需求满足 1.1 什么是需求满足 用户来搜索“章鱼 保罗” ，就文本相关性而言 ，搜索引擎 要返回和“章鱼 保罗”内容相关的结果就可 以了 ，这样用户是否满意呢 ？ 用户甲 ：听说章鱼帝挂了 ，来看看最新结果 ，怎么全是8月份的 ，往后翻页中… 用户乙 ：今天同事们在讨论章鱼哥挂了 ，章鱼哥是啥 ？我又o ut 了 ，来搜索一下章鱼帝生平事迹是啥 ，怎么全是最新的结果 ，没有章鱼哥的介绍啊 ，变换个query看看 用户丙 ：我是铁杆球迷 ，看完章鱼哥 ，再看看足球相关的吧 ，鲁尼 ，杰拉德是否又进球了 ，怎么连 个相关推荐都没有 ，还得我亲自输入。 用户丁 ：找个章鱼哥的头像用一下吧 ，一定很拉风 ，怎么全是结果没有方图呢 ，这么扁的图怎么用 啊 用户戊 ：换个章鱼哥的壁纸 ，也许下次买彩票能发大财 ，咦 ，怎么全是小尺寸的图… （以上信息通过分析2010- 10-27用户sessio n得出。 ） 笼统的说 ，用户向搜索引擎表达他的需求 ，搜索引擎理解用户需求 ，提供各不同的需求下的资源 ， 这整个过程可统称为需求满足。简单说 ，就是除了基础文字相关性之外的rank工作 ，都属于需求满 足的范畴 ，也就是说 ，提供给用户的检索结果 ，不仅仅要求在字面上是和用户输入的文字相关的 ， 还要满足用户的各种不同需求。 需求满足在rank体系中所处的位置 ： 1.2 为什么需要需求满足 用户通过query表达了自己的需求 ，而对于大部分query来说 ，尤其是具有隐含需求的query ，仅仅 字面匹配的查询结果未必能够满足其需求。目前我们的排序系统是主要是基于文本相关性这个维 度的 ，权值体现了query中的t erm与o bj的相关程度 ，在这个体系下 ，相关的结果未必能够满足用户 需求。 例如前面提到的“章鱼 保罗”的例子 ，显然 ，这些需求在文本相关性这个维度下很难解决 ，尤其涉及 到突发时效性需求 ，泛需求等。 1.3 需求满足包含哪些工作 从上面的例子中 ，可以看出 ，需求满足需要解决时效性需求问题 ，多需求问题 ，相关推荐 ，size 需求 ，素材类需求 ，浏览引导等问题。除了基础文本相关性以外的rank策略以及为了这些所做 的query分析工作可认为属于需求满足的工作 ，另外还包括前端结果展现与用户引导浏览的工作。 Image需求满足 ，按照不同的维度 ，可以划分为如下几个方面 ： 1. 需求识别 2. 资源建设 3. 需求调权 4 . 结果组织与推荐 . 用户引导交互 二、需求满足如何做 需求满足要解决的核心问题 ： 需求识别 资源建设 需求调权 2.1 需求的识别 2.1.1 需求的类型 识别query有哪些需求 ，以及需求的强弱 ，是最基础的工作。首先要有需求的体系 ，能完备的描述 各种需求 ，其次是如何识别这些需求 ，把每个query的需求对应到这个体系中去。 通过query分类识别需求 ： 现在线上query分类体系 ，是按照话题属性为依据来建立的。包括风景类 ，地名类 ，人物类 ，汽车类 等等 ，对于每个类别 ，在一些维度上的需求是不一样的 ，比如风景类需要尺寸比较大 ，比较清晰 ， 不包含人的图片 ，而聊天类则需要尺寸较小 ，最好是动态的gif 图。 这个策略下的项目有 ：size调权 ，格式调权 ，人脸需求 ，人与非人等。 基于统计的需求识别 通过对大量的数据统计分析 ，可以识别出query有哪些方面的共性。可供分析的数据很多 ，比如用户 行为数据 ，点击反馈 ，检索结果等。 比如 ：对query的检索结果 ，按照某一f eat ure进行聚类 ，如果某个类别所包含的图片数很多 ，超过 设定阈值时 ，则认为这个类别内的图片 ，在这个f eat ure上 ，代表了这个query的需求。线上人脸需 求识别就是这样来做的。 统计用户反馈来获取需求是最能反映用户需求的方式 ，用户的反馈包括用户点击 ，query变换等 ， 在这方面我们做的工作不多 ，经验也不多 ，是我们后续工作的重点。 专名需求词 判断query中包含专名或者需求词等关键词 ，是最直接的方式。比如“红色宝马” ，显示的表达了颜色 方面的需求。 时效性需求 时效性需求包括三部分 ，突发时效性、周期时效性和泛时效性需求 ，目前线上做的是突发时效性 需求。需求的识别 ，主要是通过检索量的突发 ，资源数突发和实效性事件来判断的。 检索量的突发 ，是指累积每个小时的用户检索频率 ，用连续1 天的用户检索频率 ，计算突发的斜率 ，根据斜率的大小 ，来判断时效性需求的强弱。 上述方法