论文检索是什么意思(全文检索是什么意思)

搜索功能作为产品设计中一个基本而重要的功能，随着产品的发展已经走过了几十年。作者向我们分析了整个搜索过程，并做了简单的概述。

第一部分:什么是搜索功能？通过用户的输入，从海量数据中找到匹配信息的功能称为搜索。

搜索诞生的原因是信息过载。只有有了大量的数据，搜索才能发挥其应有的价值。假设全世界只有10条新闻。想知道标题中有“中国”的新闻，一看就知道结果，但是搜索的功能比较琐碎。

搜索功能是过滤++排名，根据用户的输入确定过滤条件，然后按照一定的策略进行排名。信息爆炸，用户人群细分，千人千面搜索。结果列表的来源不仅与你的输入有关，还会考虑用户的画像，比如你最近的行为带来的一些标签。

为什么需要千人千面？

因为搜索获得的数据量太大，如果不同的人看到的结果一样，效率极低。想象一下，一个输入条件有10W个结果，大部分人极难看到前三页。

此时，用户要么选择放弃搜索；要么选择条件更精确的搜索。第二种方法不是很人性化，因为用户不知道输入什么，不会表达等等。如果机器能够根据用户的历史进行预测和推荐，那么用户的体验会有很大的提升。

第二部分：搜索流程

下图是搜索的流程图，虚线框内的工作主要在后台，需要产品经理有适当的技术积累；剩下的就是会和产品以及前端交互的部分，这就需要产品经理来设计产品了。

接下来我们就来一一说说:

第一节:功能确认第一步:需要确认是否需要这个功能【要不要做？】

请回头看看搜索的原因——信息过载，实际上暗示了哪些产品需要具备搜索功能。重点:信息。

所以任何一个涉及信息，拥有大量数据的人，都可以有搜索功能。比如看视频，视频有发布者，视频名称，参与者等等；比如商品有款式、品牌、类型等等；比如新闻网站有更直观的信息，也可以有搜索功能。

那么哪些产品不需要有呢？常见产品是工具属性强，主要操作信息少的产品，如闹钟、相机产品等。

第二步:确认重要性【入口确定，资源确定等。]

非常重要:数据量过大，用户目的比较明确，有一定的主题或者比较具体的需求。搜索可以大大改善用户体验，比如搜索引擎和电子商务网站。

次要重要性:用户比较随意，没有很强的目的性，比如新闻资讯类网站，对有效性的要求比搜索高得多。

第三步:确认目的【搜索形式，搜索算法】

分析用户使用搜索的目的和结果的定义。

总结这几点:决策、输入(类型)、形式、输出(主观准确性？大师回忆？)。

这里，我们简单介绍一下准确率和召回率的含义:

下图中，0和1分别代表否和是:Actual是实际数据，Predict是机器预测的数据。

准确率=机器预测在所有数据中的正确比例；换句话说，机器对所有数据的正确程度是多少？

召回率=机器预测在所有精确数据中的正确比例；换句话说，机器找到了多少正确的数据？

第二节:输入类型:文字、语音、图片、二维码等。由于输入内容不同，我们对信息的分析和后续检索的排序方法也不同。本文主要讨论基于文本的内容。

这里简单说一下其他的:

如果用户输入的是语音，那么第一步就是把语音转换成文本语言，然后继续走NLP相关的路径。

如果用户输入一张图片，那么就需要对图片进行特征提取、理解和搜索。如果是二维码，直接跳转到页面，或者直接给出结果。

输入优化

在用户输入的时候，为了方便用户收入或者明确用户的搜索意图，我们可以采用以下方法，可以根据实际的产品形态选择适合自己的。相信每个方法带来的效果大家都能理解，这里就不详细解释了。

搜索框内展示搜索格式内容的帮助;提供搜索建议（自动填充可能搜索的内容）;将部分详情展示出来（多用于电商类产品）；自动纠错;有搜索结果的相似词;热门搜索词语;基于该用户推荐的词语。第三节：意图识别

判断类型

结果型，搜索的内容有明确的结果的，比如：爱因斯坦出生于什么时候？段落型，搜索的结果需要用大段文字来表述，比如：人工智能是什么？展示型，搜索的结果是一些信息的展示，比如商品，职位……

判断意图

意图通常是知识地图或字典的补充。

词典一般包括:词干、停用词、同义词、多义词、下义词和下义词。

其中，词干经常出现在英文信息中，在中文中不太常见；停词是指词没有明确的意义，如:了，了；同义词，如自然语言处理、NLP；这个词有歧义，比如:苹果[公司/水果]；网络等下位词是网络游戏的最高级。

那么字典是用来做什么的呢？用最通俗的理解，就是撞词。如果这个词出现在词汇表中，那么这个词所代表的意思就会被我们知道(知识图谱就更厉害了，可以知道这个词和其他词的关系。后面会讲到知识图谱)。

通过对单词的理解，我们可以对信息进行搜索和排序。当然，在实际应用中，不仅仅是打单词那么简单，还有更多更深入的算法来提高意图识别的准确率。

第四节：检索和排序

恢复

在基于向量的信息检索中，标准的做法是余弦相似度，通过计算两个向量的余弦来确定两个文本的相似度。

结果类型

这类问题一般依靠知识图谱查询相关结果，我们会在知识图谱中详细讲这部分。

段落类型

根据用户的输入，通过查找文档-->查找段落-->根据要求决定是否需要段落摘要。

最简单的段落摘要就是高亮，把命中前后的字数作为段落摘要的内容。对于复杂点的，可以通过AI自动生成部分段落摘要。

显示类型:确定搜索范围并进行搜索。

分类

在整个过程中，排序可以分为两种:一种是算法排序，在信息筛选时，算法已经给出了每个结果的数值；二是人工干预排序，主要表现在页面中的排序。

算法的排名结果是机器给的，算法技巧会对不同产品时期的排名产生影响。作为PM，你可以给出期望的结果和一些坏的情况来优化算法。

在页面中的排名主要由PM根据需求来决定。通过对业务的了解和对用户需求的把握，筛选出合理的排名条件。

第五节：输出

有结果:

对于结果，作为项目经理，您只需要定义输出字段。目前，有三种类型的展览形式:

(1)卡片显示:

卡片适合每块信息量较少的情况；整体来看，卡片的展示数量较列表来说是多的。在卡片中，用户操作不宜过多。

(2)列表显示:

由于列表占用空间较多，因此如果有更多的操作或者信息的展示，可以列表来展示；整体来看，展示数量少于卡片的展示。

(3)个性展示:比如用地图找房子。

没有结果:

最简单直观的方式:显示没有任何结果的页面，加上提示“对不起，没有你要搜索的内容，请换个词试试”。

全过程优化法:

1.预防:防止不确定情况的发生。

可用方法:

搜索框内展示搜索格式内容的帮助;提供搜索建议（自动填充可能搜索的内容）;更好的理解用户的输入，建立自己的字典（停用词、同义词等，详见意图识别部分）;将部分详情展示出来（多用于电商类产品）。

2.恢复:帮助用户在没有结果的情况下回到正轨。

可用方法:

自动纠错;提示有搜索结果的相似词;帮助文档，应当如何搜索。

灵活性:把错误变成新的机会。

可用方法:

展示类似的结果；热门搜索词语；基于该用户推荐的词语;提供用户反馈；允许用户贡献内容（常见UGC产品）；当有内容时告知用户（常见于实效性不强且用户在某方面敏感型的产品，比如地产类、机票低价提醒）第六节：结果优化【产品层】

我们讲的是搜索时如果结果不尽如人意，如何让用户停留在页面上，找到自己想要的结果。

撒

筛选是一个强大的交互过程，这意味着用户的需求是明确的，需要的结果也更准确。我们最怕的是用户不知道自己想要什么，所以我们希望通过一系列的小功能，比如过滤、提示，让用户知道自己的需求。

一般方法:可以通过切换Tab键或筛选框对结果进行初步筛选。

Pinterest筛选:这个我想单独说一下。这真的是我很喜欢的一个设计。你输入查询条件，它会自动弹出你输入+另一个组合词，真的比普通筛选好很多。

页面比其他页面就筛选而言，空间占用更少，更多的留给信息展示。组合词比结构化的筛选更多，有些词是用户更常用更多搜索的，但比较难归类到某个类别进行展示。组合词的更新可以在后台完成，不需要对页面做过多更改。

当然你也可以说输入的时候会自动出来供用户选择，这当然没问题。面对一些未知的、模糊的搜索，用户的输入会从大到小开始。Pinterest的做法相当于结果-反馈-新结果，不断循环，让用户的感知更加顺畅和友好，用户自身对事物的掌控并没有被削弱。

投入产出改善

详见上文第二节:输入；第四节:输出——没有结果——优化全过程的实践。

第七节：结果评估&优化【数据算法层】

我们讲的是搜索时如果结果不尽如人意，如何让用户停留在页面上，找到自己想要的结果。

分析输入，了解用户。

我们可以对门户进行分析，对查询进行分析，结合用户画像和用户分类对输入进行分析，从而知道用户在我们的产品上输入更多的是哪些类别和内容。下面的算法策略可以根据这部分做一些参考。

评估输出并优化算法

有三种常用方法来评估输出:

通过业务指标来评估，比如CTR、业务指标的转化率等。通过A/B testing来做不同算法间的比较。通过人工来评估。

因为A/B测试需要大量的技术资源，你可以根据自己公司的进度和资源水平来决定是否做。剩下的两个建议一起做。业务指标看整体效果，人工评价找一些明显的典型案例。

结束语

由于时间关系，在本文中，我们主要对整个搜索过程进行简单的概述。至于里面的细节，可以参考其他文献补充知识。欢迎大家一起探讨。

备注:关于第四节:输出-无结果-全过程优化，我是参考woshipm上的一个朋友写的。因为时间久远，找不到链接。如果有人知道，可以在评论里贴链接。

本文由@杜Cathy原创发布。每个人都是产品经理。未经许可，禁止复制。

来自Unsplash的图像，基于CC0协议。