搜索算法小知识：搜索与推荐。
1.与相关性、内容质量、时效性、地域性并列，个性化也是用户满意的一个维度。并非所有的搜索引擎都有个性化，只有当平台有用户画像和丰富的行为记录时，才能做到个性化的搜索。
2.不论搜索引擎是否有个性化，都需要点击率模型，它根据文本、非文本的特征预估点击率、交互率等分数，与相关性等分数融合，作为排序的依据。如果搜索引擎有个性化，那么个性化反映在预估的点击率和交互率上，通过这些预估值让排序带有个性化。
3.精排使用多目标神经网络预估点击率和交互率，这种模型叫作前期融合，计算代价大，预估较为准确。召回海选和粗排通常使用双塔模型预估点击率和交互率，这种模型叫作后期融合，计算代价小，预估不准确。
4.前期融合、后期融合模型都可以使用用户行为序列，对 AUC 有非常大的提升。简单的用户行为序列建模方法是取平均，更先进的方法如SIM。
5.搜索引擎和推荐系统的点击率模型几乎相同，改进推荐系统点击率模型的方法大多适用于搜索引擎。但是搜索与推荐的性质不同，点击率、交互率在搜索排序中起到的作用小于相关性，而在推荐排序中起到决定性的作用。
6.增加模型规模、增加用户序列长度、用在线学习实时更新模型，这些方法可以让点击率模型的预估更准确，但是需要大幅增加成本。用在推荐系统上，这些方法是划算的，能带来较大的业务指标提升；用在搜索引擎上，这些方法未必划算，毕竟点击率和交互率只是搜索排序诸多信号中的一种而已，并不是起决定性作用的信号。
#微头条图文星计划#
#paperClub#
