电商搜索算法技术的演进

[原创文章：www.11jj.com]

阿里妹导读：2018年9月28日，阿里电商搜索事业部迎来了一场以“搜·荐未来”为主题的技术峰会。

[原创文章：www.11jj.com]

搜索与推荐算法经过多年的发展，从最初简单的统计模型，机器学习到形成完整的离线在线与实时的深度学习与智能决策体系，每年都有新的算法突破，帮助搜索与推荐的体验与效果取得大幅提升，成为驱动电商商业创新与发展的新引擎。站在今天总结过去的算法演进，同时看未来电商搜索推荐算法的发展，期待从机器智能到结合人类智能做到真正地认知智能，实现搜索推荐新的交互新体验。

今天，我们邀请青峰老师，带你回顾搜索算法技术的发展之路。

 

作者简介：青峰，搜索推荐算法技术负责人，阿里巴巴研究员

一 、淘宝搜索的一些特点

淘宝有几十亿商品，挂靠在几千个叶子类目，上百个一级类目，十几个行业下面。如何能让用户找到符合意图的商品，是淘宝搜索需要解决的首要问题。

淘宝搜索从大的架构或流程上来说，与传统的搜索引擎有不少相似的地方。包括对数据的整理、分析、索引产生索引库，如何根据用户输入的关键词在索引倒排表中进行检索，完成商品与检索之间的相关度评价，对将要输出的结果进行排序，并实现某种用户相关性反馈机制等。

　　

当然作为电商的商品搜索来说，它天然的商业属性带来的更多是自身独特的技术特点。

从数据更新角度来看，淘宝的数据变化和更新非常快。每天大量的新商品数据被上传到网站，一旦新商品被上传，这个商品就需要被搜索到。不像网页搜索，任何人可以发布新的网页，但是否被搜索引擎收录是另一回事。同时在淘宝每天有大量的商品不停地在做更新，包括商品标题描述的变化，商品价格的改变，商品图片的更新，商品的上下架等等，这些变化也需要实时的更新到搜索中，以便让用户及时找到更新后的商品信息。而在全网搜索中，很多网页是静态不变，网页之间的相互关系也变化缓慢，大量索引的更新没有类似淘宝搜索这种实时性的需求。