上海大众快捷搬迁运输数据解决之搜索如何命中？
了解搜索过程的基来源根基理：如何依照 关键字匹配内容，如何返回搜索结果，如何将结果展示给用户；
在搜索场景下更合理的划定搜索范围（输入内容命中哪些字段），提高用户搜索效率，提高数据搜索基线；
提高日常上班中搜索的效率，更快更准地搜到自己 想要的东西。
用户搜索的过程：用户输入关键词，系统依照 用户输入的内容筛选出系统认为用户感兴趣的信息，然后根据系统所设定的规则进行排序。整个过程可拆解为三步：分词、筛选、排序。
在了解分词前先看下搜索的存储原理：在系统词库和索引库之间建立关联，通过用户输入的关键词去匹配词库，然后拉取索引库内容展示给用户。
以在美食网站搜索“北京最大的火锅店”为例，索引库中内容为系统内所有店铺，每个店铺包括 的字段有店名、位置、月销量、评论量、评分等等；词库中内容为系统内的词条，只要用户输入的内容能够匹配到词条，就可以快速找到词条对应的索引内容，无法匹配到词条时就没有返回结果。每个系统都有自己 的词库，搜索的很多优化都是集中在词库的优化上。
一、分词分词是对用户输入的信息进行解读，是自然语言解决的重要次序 。同机器学习原理一样，分词将非结构化的数据转化为结构化数据，结构化的数据就可以转化为数学问题了，处理数学问题正是计算机之所长。
1.1 分词的原因搜索系统的词库无论如何优化、完善都是有限的，但用户的输入是没有限制的。那么如何把用户无限制的输入对应到有限的词库并返回结果呢？
这就需要引入一个新的概念——分词。简单说便是 ：系统在对用户输入的内容无法精确匹配时，会将内容进行切分，使切分后的词能够匹配到系统的词库。仍以上图为例，如果用户输入“北京最大的火锅店”，系统中并没有这个词，精确匹配的情况下没有任何结果，此时会将输入内容进行切分，于是
“北京最大的火锅店”——> “北京”、“最大”、“的”、“火锅店”。
拆解后每个词就匹配到了相应的内容，排序后就会返回结果。其实不 是所有的词都会返回有价值的结果， 上海虹口区搬场公司，好比案例中的“的”，几乎所有的信息里面都会含有这个字，因此在系统分词时会被直接忽略掉。
1.2 分词的种类、区别分词有两种，中文分词和英文分词，二者有着素质的区别。
区别1：分词方式不同 ，中文分词更难更复杂
英文有天然的空格作为分隔符，但中文没有，如何将一段中文进行拆分是一个难点，切分时断点不同 ，造成的结果也不同 （即歧义识别），如“我们三人一组”就可以有两种分词方式：“我们三人/一组”和“我们/三人一组”。还有一个难点是新词识别，即识别未在词典中收录的词。
区别2：英文单词有多种形态
英文单词存在着丰富的变形和变动 ，如复数形式，过去式、正在进行式等，为了应对这些复杂的变动 ，在解决英文时会进行词形还原和词干提取。
词形还原：does、did、done、doing会通过词形还原转化为do；
词干提取：cities、children、trees会通过词干提取转化为city、child、tree。
区别3：中文分词需要考虑分词粒度的问题
分词粒度不同 ，返回的结果也不同 ，如“北京科学技术研究院”就有多种分法：“北京科学技术研究院”、“北京/科学技术/研究院”、“北京/科学/技术/研究院”。粒度越大，表达的意思就越准确，但是返回的结果也就越少，因此在分词是要依照 差另外 场景和要求选择差另外 分词粒度。
1.3 分词的方法① 基于词典分词
基于词典匹配是最早的分词方法，比较 典型的有：正向最大匹配法、逆向最大匹配法、双向最大匹配法。
（1）正向最大匹配法
step1：匹配时从前往后取词，取前m个字（m为词典里最长的词的字数）开始扫描；
step2：若这m个词扫描有结果，则匹配成功，将m个词切分出来，语句中剩下的词继续进行切分；
step3：若这m个词扫描无结果，则取前m-1个字继续扫描，每次减一个字，直到词典命中或剩下1个字；
step4：重复以上次序 ，直至语句全部匹配完成。
（2）逆向最大匹配法
匹配时从后往前取词，其他逻辑和正向相同。