搜索引擎排序算法详解

搜索引擎排序算法详解

搜索和推荐区别：

搜索是一个非常主动的行为，并且用户的需求十分明确，在搜索引擎提供的结果里，用户也能通过浏览和点击来明确的判断是否满足了用户需求。然而，推荐系统接受信息是被动的，需求也都是模糊而不明确的。以“逛”商城为例，在用户进入商场的时候，如果需求不明确，这个时候需要推荐系统，来告诉用户有哪些优质的商品、哪些合适的内容等，但如果用户已经非常明确当下需要购买哪个品牌、什么型号的商品时，直接去找对应的店铺就行，这时就是搜索了。

一般的搜索引擎在检索过程中需要考虑两个因素：1)相关性 2)重要性

1）相关性

相关性是指返回结果和输入query关键词是否相关，这是搜索引擎基本问题之一，目前常用的算法有BM25和空间向量模型，这两个算法ElasticSearch都支持，一般商业搜索引擎都用BM25算法，BM25算法会计算每个doc和query的相关性分数，我们使用Dscore表示。

2）重要性

重要性是指doc被信赖的程度，我们应该把最被用户信赖的doc返回给用户，而不是让用户自己鉴别，尤其是在商品充分竞争的电商搜索，我们必须赋予商品合理的重要性分数，才能保证搜索结果的优质，重要性分又叫做静态分，使用Tscore表示。

搜索引擎最终的排序依据是：

Score=Dscore*Tscore

即综合考虑静态分和动态分，给用户相关且重要的doc

动态分数Dscore计算：

搜索关键词为“睡眠”

从搜索解释可以看出ES默认的搜索算法是BM25：

静态分Tscore计算：

静态计算过程需要解决2个问题：1）稳定性。静态分的计算不可以通过增加单一指标线性增加分值（比如刷单对搜索引擎的质量的影响）2）区分度。在保证稳定性的基础上doc静态分要有足够的区分度可以保证同样搜索的条件下，排在前面的doc的质量比排在后面的质量高。

我们假设商品的静态分有4个决定性因素，1、日期 2、点赞量 3、评论量 4、分享量

Tscore=日期衰减系数*+b*g+c*h)

日期衰减系数=1/log

说明：发帖越早 衰减越大

a,b,c是权重参数，用于平衡各个指标的影响程度。f，g，h是代表函数用于把原始的指标转化成合理的度量。

a,b,c是权重参数由变异系数法获得：

变异系数法是直接利用各项指标所包含的信息，通过计算得到指标的权重。是一种客观赋权的方法。此方法的基本做法是：在评价指标体系中，指标取值差异越大的指标，也就是越难以实现的指标，这样的指标更能反映被评价单位的差异。

由于评价指标体系中的各项指标的量纲不同，不宜直接比较其差别程度。为了消除各项评价指标的量纲不同的影响，需要用各项指标的变异系数来衡量各项指标取值的差异程度。各项指标的变异系数公式如下：

Vi是第i项指标的变异系数，

σi是第i项指标的标准差，

Xi是第i项指标的平均值。

各项指标的权重为：

通过以上算法可以获取a,b,c的值。

f，g，h通过log-zscore归一化获得。

最终可以获得Tscore值。

然后通过 Score=Dscore*Tscore可以获取到最终排序。

你也许会问，怎么才能变得成功与富有？答案其实非常简单，那就是每天进步一点点。

以上就是朝夕生活（www.30zx.com）关于“搜索引擎排序算法详解”的详细内容，希望对大家有所帮助！