O2OAPP开发搜索系统流程结构什么是“切词”，开发APP搜索系统流程切词，又叫“分词”，用于将用户输入的非结构化字符变成机器可识别的词组。市面上有很多成熟的切词组件。切词逻辑有很多种，如根据字符、概率等切词，电商和O2O一般使用字符串切词的方式进行处理。关于切词的方法，最基础的有最大正相匹配、最大逆向匹配和双向匹配等，具体的内容可以百度查询。切词工具是根据词库中的词典将字符进行切分，一般开源的切词工具都有默认的词库和自定义词库两种，用户可通过添加自定义词库来完善补充。APP开发公司这面需要强调的是切词时候的过滤，尤其生鲜类、非标品情况下特别需要注意。
●单字词、助词之类的是否要过滤掉，如米、面和油等。
●别名情况的处理，尤其是生鲜类。比如北京的油菜，在上海叫上海青，在重庆叫漂儿白。检索接下来就需要匹配检索结果集了。根据切出的词语进行匹配，匹配到的商品信息集合为检索结果集。结果集需要做检索、过滤和标记3个步骤。检索项包括但不限于：
●商品名称；
●商品标题、副标题；
●单字词、助词之类的是否要过滤掉，如米、面和油等。
●别名情况的处理，尤其是生鲜类。比如北京的油菜，在上海叫上海青，在重庆叫漂儿白。检索接下来就需要匹配检索结果集了。根据切出的词语进行匹配，匹配到的商品信息集合为检索结果集。结果集需要做检索、过滤和标记3个步骤。检索项包括但不限于：
●商品名称；
●商品标题、副标题；
●商品描述；
●商品参数、规格；
●商品品牌（生鲜、副食品类尤为重要，比如五得利面粉、鹏程五花肉）；
●商品品类（一级类、二级类）；
●别名关联商品；
●促销类型。成熟的电商系统不仅仅能实现用户的基本商品检索，还会根据关键词进行意图分析并进行查询转换。以生鲜电商举例，当用户搜索“猪肉”时，用户希望获得的不是含有“猪肉”词语的商品，而是猪肉的各个部位、猪肉级别等信息，这时应该将其转化为“后臀尖”“前臀尖”“里脊”“一级白条”等词语进行检索，而不是匹配“猪肉”。意图分析主要有以下两个方面：
●行为模式分析；
●用户画像分类。去重和过滤获取的结果集需要经过去重、过滤的处理。此部分可以在加权打分后进行处理，也可以安排在初选结果后处理。
●同一个商品被多个词语命中，则需要去重。
●现实中的电商搜索可能会根据不同的场景构建所谓的“小搜索”，如按照类目、品类和定制化场景等搜索。因此，针对不同的搜索场景，可能会有不同的过滤、去重条件，也可以在构建数据的时候使用不同的库进行处理。
●O2O场景需要按照一定区域概念（城市、商圈等）进行过滤。
●售罄商品需要过滤。
●商品参数、规格；
●商品品牌（生鲜、副食品类尤为重要，比如五得利面粉、鹏程五花肉）；
●商品品类（一级类、二级类）；
●别名关联商品；
●促销类型。成熟的电商系统不仅仅能实现用户的基本商品检索，还会根据关键词进行意图分析并进行查询转换。以生鲜电商举例，当用户搜索“猪肉”时，用户希望获得的不是含有“猪肉”词语的商品，而是猪肉的各个部位、猪肉级别等信息，这时应该将其转化为“后臀尖”“前臀尖”“里脊”“一级白条”等词语进行检索，而不是匹配“猪肉”。意图分析主要有以下两个方面：
●行为模式分析；
●用户画像分类。去重和过滤获取的结果集需要经过去重、过滤的处理。此部分可以在加权打分后进行处理，也可以安排在初选结果后处理。
●同一个商品被多个词语命中，则需要去重。
●现实中的电商搜索可能会根据不同的场景构建所谓的“小搜索”，如按照类目、品类和定制化场景等搜索。因此，针对不同的搜索场景，可能会有不同的过滤、去重条件，也可以在构建数据的时候使用不同的库进行处理。
●O2O场景需要按照一定区域概念（城市、商圈等）进行过滤。
●售罄商品需要过滤。
●下线商品需要过滤。标记和加权在检索完成后需要对数据进行标记，以便后续做加权时使用。此步也可以在做加权处理的时候同步进行。加权是整个流程中最重要的步骤。加权的目的是根据模型确定结果集中各个商品的排序优先级。加权的维度有很多，根据不同的场景考虑会有所区别。加权因子主要分为以下几个维度：
●相关度；
●商业化因素；
●个性化因素；
●人为因素；
●数据模型统计。计算相关度最后是计算相关度，这里指的是分词的相关度，包括文本匹配、词间距、是否是中心词和品牌词等。中心词的概念是是否命中了核心的词语，中心词和品牌词也需要有对应的词库进行维护更新。词间距是计算相关性的一个维度，比如一段文本中包含清华、大学，“清华大学×××××××”与“清华×××××××大学”相比，肯定是前者相关性更高一些。这里面有几点需要注意。
●关键词被完整匹配和部分匹配的权重是不同的；
●单词命中和多词命中同一商品也需要考虑权重情况。深圳APP开发公司本文关于“搜索系统流程结构什么是“切词””的建站知识就分享到这里，谢谢关注，博纳网络编辑整理。
●相关度；
●商业化因素；
●个性化因素；
●人为因素；
●数据模型统计。计算相关度最后是计算相关度，这里指的是分词的相关度，包括文本匹配、词间距、是否是中心词和品牌词等。中心词的概念是是否命中了核心的词语，中心词和品牌词也需要有对应的词库进行维护更新。词间距是计算相关性的一个维度，比如一段文本中包含清华、大学，“清华大学×××××××”与“清华×××××××大学”相比，肯定是前者相关性更高一些。这里面有几点需要注意。
●关键词被完整匹配和部分匹配的权重是不同的；
●单词命中和多词命中同一商品也需要考虑权重情况。深圳APP开发公司本文关于“搜索系统流程结构什么是“切词””的建站知识就分享到这里，谢谢关注，博纳网络编辑整理。
当前文章链接：/construction/appkaifa/14239.html
如果您觉得案例还不错请帮忙分享：
[声明]本网转载网络媒体稿件是为了传播更多的信息，此类稿件不代表本网观点，本网不承担此类稿件侵权行为的连带责任。故此，如果您发现本网站的内容侵犯了您的版权，请您的相关内容发至此邮箱【qin@198bona.com 】，我们在确认后，会立即删除，保证您的版权。