需求满足综述

lite6

核心提示：笼统的说，用户向搜索引擎表达他的需求，搜索引擎理解用户需求，提供各不同的需求下的资源，这整个过程可统称为需求满足。简单说，就是除了基础文字相关性之外的rank工作，都属于需求满足的范畴，也就是说，提供给用户的检索结果，不仅仅要求在字面上是和用户输入的文字  
               
一、什么是需求满足  
1.1 什么是需求满足  
用户来搜索“章鱼 保罗”，就文本相关性而言，搜索引擎只要返回和“章鱼 保罗”内容相关的结果就可以了，这样用户是否满意呢？  
用户甲：听说章鱼帝挂了，来看看最新结果，怎么全是8月份的，往后翻页中…  
用户乙：今天同事们在讨论章鱼哥挂了，章鱼哥是啥？我又out了，来搜索一下章鱼帝生平事迹是啥，怎么全是最新的结果，没有章鱼哥的介绍啊，变换个query看看  
用户丙：我是铁杆球迷，看完章鱼哥，再看看足球相关的吧，鲁尼，杰拉德是否又进球了，怎么连个相关推荐都没有，还得我亲自输入。  
用户丁：找个章鱼哥的头像用一下吧，一定很拉风，怎么全是结果没有方图呢，这么扁的图怎么用啊  
用户戊：换个章鱼哥的壁纸，也许下次买彩票能发大财，咦，怎么全是小尺寸的图…  
（以上信息通过分析2010-10-27用户session得出。）  
笼统的说，用户向搜索引擎表达他的需求，搜索引擎理解用户需求，提供各不同的需求下的资源，这整个过程可统称为需求满足。简单说，就是除了基础文字相关性之外的rank工作，都属于需求满足的范畴，也就是说，提供给用户的检索结果，不仅仅要求在字面上是和用户输入的文字相关的，还要满足用户的各种不同需求。  
需求满足在rank体系中所处的位置：  


  
1.2 为什么需要需求满足  
用户通过query表达了自己的需求，而对于大部分query来说，尤其是具有隐含需求的query，仅仅字面匹配的查询结果未必能够满足其需求。目前我们的排序系统是主要是基于文本相关性这个维度的，权值体现了query中的term与obj的相关程度，在这个体系下，相关的结果未必能够满足用户需求。  
例如前面提到的“章鱼 保罗”的例子，显然，这些需求在文本相关性这个维度下很难解决，尤其涉及到突发时效性需求，泛需求等。  
1.3 需求满足包含哪些工作  
从上面的例子中，可以看出，需求满足需要解决时效性需求问题，多需求问题，相关推荐，size需求，素材类需求，浏览引导等问题。除了基础文本相关性以外的rank策略以及为了这些所做的query分析工作可认为属于需求满足的工作，另外还包括前端结果展现与用户引导浏览的工作。  
Image需求满足，按照不同的维度，可以划分为如下几个方面：  
1、需求识别  
2、资源建设  
3、需求调权  
4、结果组织与推荐  
5、用户引导交互  
二、需求满足如何做  
需求满足要解决的核心问题：  
需求识别  
资源建设  
需求调权  
2.1 需求的识别  
2.1.1 需求的类型  
识别query有哪些需求，以及需求的强弱，是最基础的工作。首先要有需求的体系，能完备的描述各种需求，其次是如何识别这些需求，把每个query的需求对应到这个体系中去。  
通过query分类识别需求：  
现在线上query分类体系，是按照话题属性为依据来建立的。包括风景类，地名类，人物类，汽车类等等，对于每个类别，在一些维度上的需求是不一样的，比如风景类需要尺寸比较大，比较清晰，不包含人的图片，而聊天类则需要尺寸较小，最好是动态的gif图。  
这个策略下的项目有：size调权，格式调权，人脸需求，人与非人等。  
基于统计的需求识别  
通过对大量的数据统计分析，可以识别出query有哪些方面的共性。可供分析的数据很多，比如用户行为数据，点击反馈，检索结果等。  
比如：对query的检索结果，按照某一feature进行聚类，如果某个类别所包含的图片数很多，超过设定阈值时，则认为这个类别内的图片，在这个feature上，代表了这个query的需求。线上人脸需求识别就是这样来做的。  
统计用户反馈来获取需求是最能反映用户需求的方式，用户的反馈包括用户点击，query变换等，在这方面我们做的工作不多，经验也不多，是我们后续工作的重点。  
专名&需求词  
判断query中包含专名或者需求词等关键词，是最直接的方式。比如“红色宝马”，显示的表达了颜色方面的需求。  
时效性需求  
时效性需求包括三部分，突发时效性、周期时效性和泛时效性需求，目前线上做的是突发时效性需求。需求的识别，主要是通过检索量的突发，资源数突发和实效性事件来判断的。  
检索量的突发，是指累积每个小时的用户检索频率，用连续15天的用户检索频率，计算突发的斜率，根据斜率的大小，来判断时效性需求的强弱。