>> 问题摘要

搜索有很多种交互形式,除了提交关键词,有一种需求是 “想要类似这样的东西”。例如,简历浏览里,先选择了几份合格简历;商品搜索里,先选了几个商品;图片搜索里也是一样。对于无穷多的候选,用户先选择了几个心仪的候选,展示类似候选,再选择,再调整并展示,最终呈现给用户全部想要的搜索结果。

>> 问题背景

有一种搜索需求是 “想要类似这样的东西”。东西可以是图片,文档,商品等等。这种搜索尤其在用户想要的东西无法通过关键词表达,或者是心中的搜索需求还不清晰。类似这样的场景下基于示例的搜索会对用户找到所需要的信息有很大帮助。

例如边浏览边挑选商品、逐步挑选合适的简历等。这种需求本质上是一种“搜索+ 推荐”的搜索方式,将用户当前搜索查询信息、用户短时内的历史搜查询信息和用户点选的搜索结果统一起来作为输入,给用户提供更好的搜索体验。同时,因为搜索结果不局限于文字,这也是一种新的交互形式,将图片,新闻,商品等“实体”都作为输入。

>> 当前的研究和技术现状

简单调研显示,主流商业搜索引擎尚未有类似功能,在一些特殊领域有一些相似的例子,例如百度曾经推出过“百度识图”。该产品允许用户上传一张图片,百度给出在各网页上相同内容,但分辨率大小不同的图片,以及这些图片的来源。Google 实验室的图片搜索允许输入一个关键词后,在结果页面里通过点击某图片下方的相似图片,运用Google 类似图片搜索功能,即刻把类似的图片全部搜索出来,展示给用户以便查看。其准确率、相似率相对比较高。

在在图片搜索领域之外,也有一些其他领域的例子。例如哼唱搜索,用户哼唱一段内容并搜索相似的歌曲,美国硅谷的 Melodis 的公司的旗下网站Midomi 于2007 年提供了这个功能,之后百度、搜搜等都提供了这个功能。以色列的SimilarSites.com 提供了对相似网页的搜索功能。

>> 技术关键点

示例搜索更多是一个产品形式而并非技术,但是作为一种新的交互形式,它也包含很多有挑战的技术点。

1. 把用户的示例转换成一个细化的需求。不仅是关键词和实体,还包括一组限制条件。在这个过程里,实体识别等技术都会得到应用。

2. 基于需求进行搜索。

3. 要完整定义好什么是“相关”。对于简历这个例子,是同一个标准下的其他简历;对于商品搜索,是符合用户指定特性的商品;对于图片,不只是颜色相似,还要包括是内容或者风格相似等特征。因此搜索排序的目标是和用户需求紧密相关的,对于不同应用,排序

的目标函数会发生变化。

>> 实现后的价值

在若干垂直领域非常有用,显著提升搜索体验,完成信息的深度整合。同时,在用户反复迭代过程中,能学到很多知识,有助于系统完善,也有助于延长用户停留时间。该技术也许能提供一种新的产品交互形式,大大提升用户交互的乐趣和需求满足的深度。

如何进行“基于示例”的搜索相关推荐

  1. ACL 2020 | 基于不同硬件搜索更好的Transformer结构

    论文标题: HAT: Hardware-Aware Transformers for Efficient Natural Language Processing 论文作者: Hanrui Wang ( ...

  2. AAAI2020/风格迁移:Ultrafast Photorealistic Style Transfer via Neural Architecture基于神经结构搜索的超快逼真风格转移

    AAAI2020/风格迁移:Ultrafast Photorealistic Style Transfer via Neural Architecture基于神经结构搜索的超快逼真风格转移 0.摘要 ...

  3. #研发解决方案介绍#基于ES的搜索+筛选+排序解决方案

    郑昀 基于胡耀华和王超的设计文档 最后更新于2014/12/3 关键词:ElasticSearch.Lucene.solr.搜索.facet.高可用.可伸缩.mongodb.SearchHub.商品中 ...

  4. 基于Elasticsearch实现搜索建议

    搜索建议是搜索的一个重要组成部分,一个搜索建议的实现通常需要考虑建议词的来源.匹配.排序.聚合.关联的文档数和拼写纠错等,本文介绍一个基于Elasticsearch实现的搜索建议. 问题描述 电商网站 ...

  5. 基于Elasticsearch实现搜索推荐

    在基于Elasticsearch实现搜索建议一文中我们曾经介绍过如何基于Elasticsearch来实现搜索建议,而本文是在此基于上进一步优化搜索体验,在当搜索无结果或结果过少时提供推荐搜索词给用户. ...

  6. ElasticSearch学习29_基于Elasticsearch实现搜索推荐

    2019独角兽企业重金招聘Python工程师标准>>> 在基于Elasticsearch实现搜索建议一文中我们曾经介绍过如何基于Elasticsearch来实现搜索建议,而本文是在此 ...

  7. 微信lbs开发 php,【LBS】基于地理位置的搜索之微信 附近的人 简单实现

    缘由 本周技术群有一个同学说我们该怎么实现 由近到远的基于地理位置的搜索,我创业做电商的系统做过类似这样的服务,我把我们以前的操作给大家分享下 什么是LBS LBS 全称是 Location  Bas ...

  8. bert 多义词_广告行业中那些趣事系列15:超实用的基于BERT美团搜索实践

    摘要:本篇主要学习和分析BERT在美团搜索排序中的项目实践.首先介绍了业务背景,主要对比了美团搜索业务场景和我们的应用场景:然后讲了下计算query和doc相关性的方法,主要包括计算字面相关性和计算语 ...

  9. 南华大学计算机学院吴取劲,一种基于图深度优先搜索的基本路径集自动生成优化算法-南华大学学报.PDF...

    26 3 ( ) Vol. 26 No. 3 第 卷第 期 南华大学学报 自然科学版 2012 9 Journal of University of South China (Science and ...

  10. 强化学习:7基于直接策略搜索的强化学习⽅法 之 策略梯度

    这是强化学习第三篇基于直接策略搜索的强化学习⽅法下的基于策略梯度.

最新文章

  1. 目标形体形状轮廓重建:ICCV2019论文解析
  2. sql计算留存_链家面试题:如何分析留存率?
  3. [leetcode] 141.环形链表
  4. 第五章数理统计--样本和抽样分布
  5. android证书别名,android – 了解密钥库,证书和别名
  6. 日常 Python 编程优雅之道
  7. AWS技术峰会免费报名 | 北上深三地可选,资深技术大牛分享实践干货
  8. Hbase shell练习题
  9. 阶段3 2.Spring_04.Spring的常用注解_6 用于注入数据的注解
  10. 键盘按键用硅胶材料更好
  11. Linux宝库名人轶事栏目 | 我与中国开源软件二十年(一)
  12. 如何在Windows下载pygame
  13. 关关采集器规则编写教程(最详细的教程)
  14. 数学史思维导图_高中数学课堂教学中思维导图的制作运用
  15. FFmpeg结构体分析: AVCodecContext编解码器上下文
  16. 建筑企业数字化转型关键问题及解决方案
  17. 谷歌生物医学专用翻译_【小虎聊干货】八大翻译软件大揭秘,告诉你科研翻译的正确打开方式...
  18. IDE SATA SCSI iSCSI等存储硬盘对比与分析
  19. Java,设计,功能权限和数据权限,用户、角色、权限和用户组
  20. 【时间复杂度】你还在担心时间复杂度太高吗?

热门文章

  1. 20165318 2017-2018-2《Java程序设计》课程总结
  2. github上传代码全部流程
  3. unity + leapMotion 手势识别入门教程
  4. 自编码器(AE)原理解析
  5. 计算机图形学(闫令琪博士课程答疑)-Shading(二)
  6. 学了计算机很迷茫怎么办?计算机大三学生怎么找实习工作?
  7. 【9129】“移动媒体产品”的三个方向
  8. airpod蓝牙耳机音量大解决办法_airpods使用方法_airpods怎么调音量
  9. Flink Window TOPN: The window can only be ordered in ASCENDING mode.
  10. 关系图谱在反欺诈场景中的应用及实践