美团搜索中查询改写技术的探索与实践

在美团搜索场景中，用户输入的查询词与检索文本之间往往存在表述不一的情况，这导致文本不匹配，进而引发漏召回问题，严重影响用户体验。为了解决这一问题，业界提出了两种方案：一是用户端拓展查询词，即查询改写；二是Document端拓展文档关键词，即Document标签。在美团搜索中，我们选择了查询改写作为主要解决方案。
查询改写控制召回语法中的文本，是美团搜索技术架构中的基础语义理解信号。它通过识别用户的查询意图和上下文信息，自动扩展或调整用户的查询词，以实现更准确的搜索召回。此外，查询改写还对索引扩展、排序特征、前端高亮等多方面产生影响，进一步优化用户体验。
在美团搜索的技术架构下，我们主要使用以下三种技术选型：

1. 原始语料挖掘：通过挖掘大量原始语料数据，提取出有用的信息作为训练数据。这些数据可以帮助我们更好地理解用户的查询意图和上下文信息，从而改进查询改写的准确性和效果。
2. 语义判别模型：该模型用于识别用户查询的意图和上下文信息，以确定是否需要对查询词进行改写。该模型基于深度学习技术构建，通过训练大量的数据来提高其识别准确率。
3. 在线服务：为了提供实时的查询改写服务，我们需要建立一个高效的在离线服务系统。该系统可以快速处理大量的用户查询请求，并根据语义判别模型的结果进行查询改写。
   在实践中，我们发现查询改写策略在美团搜索的全部流量上生效，对搜索召回结果中的无结果率、召回结果数以及搜索点击率等指标有着直接且显著的影响。为了更好地优化查询改写的性能，我们不断迭代和改进技术栈，包括但不限于语料库的更新、模型结构的改进以及在线服务的优化。
   总的来说，查询改写在美团搜索中扮演着重要的角色。通过不断的技术迭代和实践经验积累，我们相信可以进一步提高查询改写的性能，为用户提供更加优质的搜索体验。同时，我们也希望本文能为从事搜索、广告、推荐中召回相关工作的同学提供一些启发和帮助。