分類: 百科 常識(shí)詞典 編輯 : 常識(shí) 發(fā)布 : 09-07

閱讀 :388

淘寶、阿里巴巴等電商平臺(tái)的站內(nèi)搜索中其詞庫估計(jì)都是如何建設(shè)的？1、類似淘寶、阿里巴巴（包括中英文）、亞馬遜、ebay等電子商務(wù)平臺(tái)，其站內(nèi)搜索中，詞庫建設(shè)中估計(jì)都有哪些要點(diǎn)，估計(jì)都是大致怎么樣的方案？會(huì)有同義詞、上位詞、下位詞、集中詞、分散詞、隱藏詞等等概念么？2、另外這些電子商務(wù)平臺(tái)的詞庫基本上都是名詞為主的詞庫，這個(gè)和通用搜索引擎的詞庫存在比較大的差別，針對(duì)這一情況，需要有些與通過搜索引擎詞庫怎樣不同的設(shè)計(jì)？4 個(gè)答案

答案 1：

因?yàn)椴辉跇I(yè)務(wù)前線，我只能說說通用的詞庫大致怎么來的。針對(duì)不同的類別，用規(guī)則定向去某些特定網(wǎng)頁或某種特定模式挖掘，從文本中抽取，并加上統(tǒng)計(jì)信息和規(guī)則過濾。這里的類別指的是產(chǎn)品名稱 電影名稱這樣的。抽取的結(jié)果和中文基本詞庫合并，就是詞典的base版本新詞挖掘是另一件事，用戶查詢?nèi)罩竞途W(wǎng)頁中的詞頻等都是很重要的信息，最后是用機(jī)器學(xué)習(xí)的分類來做的，crf用于新詞發(fā)現(xiàn)也不錯(cuò)，但真正要結(jié)果好用，過濾要花不少工夫。-的新詞就基于crf同義上下位都有做。 集中分散？你是說統(tǒng)稱和具體名稱么，這個(gè)也有。 隱藏詞因?yàn)殡娚虣z索很在乎召回率，是重點(diǎn)做過的。

答案 2：

感謝邀請(qǐng)，但我不適合回答這個(gè)問題，因?yàn)槲覜]去過，所以不了解。詞庫建設(shè)是個(gè)持續(xù)過程，需要有新詞和未登陸詞發(fā)現(xiàn)解決方案。記得在z-i-u上看到有阿里的人說他們第一個(gè)把CRF用于分詞商業(yè)化了。一般來說，新詞和未登陸詞發(fā)現(xiàn)都采用統(tǒng)計(jì)方案，CRF是其中很好的工具。

答案 3：

概念性的東西我看你也了解了，最重要的是通過用戶行為（熱門搜索）補(bǔ)充詞庫。

答案 4：

淘寶、亞馬遜這樣的電子商務(wù)網(wǎng)站，他們的搜索應(yīng)該更加側(cè)重于商品名，詞庫的建設(shè)應(yīng)該主要著重點(diǎn)在商品名詞表的建設(shè)當(dāng)中吧，我覺得對(duì)于電子商務(wù)網(wǎng)站來說，數(shù)據(jù)都是格式化的或者就直接存在數(shù)據(jù)庫里面，想要獲取他們的商品名等各種信息還是比較容易的。無需用到CRF來做分詞或新詞發(fā)現(xiàn)吧？

下一篇:你熟知多少瘋言瘋語？ 下一篇 【方向鍵 ( → )下一篇】

上一篇:思科還可以稱霸多少年？ 上一篇 【方向鍵 ( ← )上一篇】