搜索引擎技术解析课件

搜索引擎技术解析搜索引擎技术解析搜索引擎技术解析更实际一些信息源\网页集合（10亿量级）Query过滤候选信息\页面相关性排序结果更实际一些信息源\网页集合（10亿量级）Query过滤候选信息\页面相关性排序结果最初的思路网页从哪里来Crawler最初的思路关键字匹配好文档至少要包含query中的所有词分词清华大学邮编分词清华大学邮编＋最初的思路索引查询、归并Term:清华大学倒排索引doc1doc2doc3…docNDoclistA…………DoclistB……AND候选集最初的思路倒排索引查询原理Term倒排索引Header二分/HashSignDocCountOffsetOtherInfoTermInfo1SignDocCountOffsetOtherInfoTermInfoN……doc1doc2doc3…docNDocIDlistIndex最初的思路相关性计算候选集Query相关性计算打分的候选集排序&Top搜索结果最初的思路相关性计算文本相似度TF-IDFBM25最初的思路结果如何？在这个阶段，搜索是一门技术活第一次进化权威性的引入Pagerank第一次进化模糊匹配纠错“芍药据”->同义词“清华大学邮编”->动态丢词“怎样把个人电脑上的图片做成qq空间的背景”第一次进化用户行为的引入点击反馈单个结果的反馈一类结果的反馈第一次进化结果搜索变得简单可依赖2004年8月，Google上市一年后，百度上市还能做的更好吗？第二次进化整合搜索第二次进化整合搜索BlenderQueryQP需求识别网页搜索视频搜索其它垂搜……第二次进化框计算比整合搜索更进一步应用开放平台第二次进化结果？今天的话题搜索进化史如何盈利新的形态如何盈利互联网广告Banner广告互联网广告定向广告互联网广告关键字广告互联网广告用户需求精准度广告效果Banner广告定向广告关键字广告三者博弈CPM（千次展现收益）=CTR（点击率）*CPC（单价）*1000Click（点击数）ROI（回报率）相关性本质问题根据关键字找广告跟搜索很类似，对不对？区别数据量目标需求满足.vs.CPM最大化三个难点召回问题竞价词.vs.网页百万量级广告.vs.百亿量级网页准确问题CPM=CTR*CPC*1000尽可能准确的CTR预估竞价机制让广告主报出自己的心理价位召回问题模糊匹配变得更加重要QueryQuery改写BidWord1BidWord2BidWordN……召回问题与搜索相同的方法同义词纠错中心词抽取更泛的方法Query\竞价词分类SimRank准确的CTR预估TopQuery针对单个广告简单统计长尾Query针对类别统计逻辑回归竞价机制最简单的竞价明拍每个人能看到别人的出价价高者得CPC=竞价竞价机制聪明一些的竞价暗拍每个人只能看到自己的出价根据预估的CPM来决定次序CPC=竞价优化了最终结果的CPM竞价机制更聪明的竞价暗拍每个人只能看到自己的出价根据预估的CPM来决定次序CPC=次位竞价Why?竞价机制次位竞价（GSP，GeneralSecondPrice）广告商出价等于紧跟其后的广告商报价P>理想价格徒增成本P<理想价格丧失机会P=理想价格最优效果广告主说出了自己的理想价格今天的话题搜索进化史如何盈利新的形态个性化环境与设备个性化用户不同的用户需要不同的答案推荐引擎帮助用户说出QueryRe-targeting推荐引擎帮助用户补全需求关联推荐推荐引擎新内容的发现标签匹配协同过滤新的生活方式总是会带来新的机会Q&A

AnyQuestions?互联网研发技术及求职交流QQ群：谢谢培乐园作为一家互联网研发技术培训机构，为广大计算机及相关专