搜索碰到的问题

电商搜索召回中除了文本相关性之外基本都要一些其他的辅助特征，比如本文将要介绍的Query-Cat相关性，举个例子：

Input：   “苹果”
CallBack：“苹果手机iPhone12 64GB”
          “红富士苹果 酸甜可口”

**所以搜索在生活电商场景召回过程中会参照Query-Cat特征来优先召回水果品类商品，正在3C场景会优先召回电子电器类商品；**

当前解决方案

其实Cat类目在各家电商平台都是现有概念，比如多点内部有很多类目：

以上类目都有其特殊使用场景，作为搜索特征要么太粗要么太乱(非搜索特征维度)，所以搜索需要构建一套自由类目体系-“营销类目”，模型集成商品标题、SEO、前后分类、属性词、图片、国条、品牌等数据完成训练，整体逻辑如下：

经过优化后一级品类预测正确率98%；工程小组整合经过线上系统验证，当前营销类目已经在搜索、推荐、榜单等场景使用，覆盖线上142W验证商品、超2300细分营销类目；

在营销类目预测准确性稳定后，算法同学继续发力衍生出商品中心词、商品属性词等，这些虚拟商品特征对搜索推荐召回商品准确性行提升较明显。

随着商品覆盖品类不断增加，算法同学维护营销类目、中心词、属性词模型投入越来越大，这个问题急待克服。