一、爱奇艺的搜索引擎框架示意图

即通过召回系统，即基于文本匹配的matching system，得到大量视频资源的候选集，经过粗排和精排，最后返回给用户。重点在于召回模块和排序模块。

二、召回模块

召回模块比较重要的是基础相关性，类比于传统的切词倒排索引；还有基于深度学习模型的索引，类比于向量索引。

1.基础相关性

通过对用户的query进行切词，将右边的视频资源的文本描述信息构建构建倒排索引，此过程为精确匹配过程，词匹配则倒排索引拉回归并，然后返回用户。
需要注意的是切词粒度和词的权重问题。不同的词的粒度会影响你是否可以通过倒排索引召回内容；词权重会影响你在相关性计算的时候的最终得分。
基础相关性解决不了的问题，被归为四类：词汇的同义多义问题、语言表达差异、输入错误兼容、泛语义召回。

2.基于深度学习模型

在搜索场景下，用一些nlp工具，能够把词表示成低维的向量，该向量可以表示词与词之间的相关性，在网络里面加入rnn，cnn等机制，把网络做的足够复杂，以提取更加有效的匹配的特征。

组合起来，就形成了最终的召回模块

三、排序模块

1.目标

选择的是list wise方法。我们采用的优化指标是ndcg，这在搜索引擎中是应用的非常广泛的评价指标。它包含两个参数：

r(i)代表第i个结果的相关性，

i代表i个结果的排序位置。

直观理解：i越小，r(i)越大，ndcg越大，越靠前的结果约相关，这个指标就越高。

2.样本

用户的点击行为，点击并不代表喜欢，点击后的行为也需要考虑进来。

3.特征

如何把排序场景描述的非常准确，把固定问题泛化，在向量的维度表达出来，即特征提取。

Query维度：意图类别（喜欢那个类型的数据），时效性偏好
document维度：质量特征（码流、码率、用户评论、视频帧、视频标签、类别、来源等）；相关性特征：命中特征，bm25等
后验特征：包括用户真实点击率，观看时长，满意程度、点击位置（马太效应影响）、各种维度交叉特征

4.模型

dnn排序框架。

底层是query和document的一些描述文本做多粒度切词，之后做embedding然后做加权平均，得到document和query的向量表达，拼接这两组向量，同时再做点积，（两个向量越来越相近，拼接的时候希望上层网络学到两个向量的相似性，需要有足够的样本和正负样例，所以我们自己做了点积），同时用稠密特征，即在gbdt中用到的特征抽取出来，与embedding特征做拼接，最后经过三个全连接层，接sigmoid函数，就可以得到样本的score，并在此基础上用ndcg的衡量标准去计算损失，从而反向优化网络结构。

参考

https://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247487111&idx=1&sn=0466151a7745795694ee6b66838ef263&chksm=fbd4bcebcca335fd6038ab853b9a73ce1147c953594df2aea6fd1c1db013191086f4c656f5d2&scene=27#wechat_redirect