文娱行业搜索最佳实践

Posted 2022-09-13 阿里云云栖号

内容搜索的价值主要体现在两个方面：

对用户而言，用户将搜索作为寻找内容的工具，目标是“搜的到，搜的准”。用户更关心搜索结果的相关性、时效性和多样性。

对平台而言，搜索是内容消费、流量引导的核心入口，目标是提升用户满意度与留存率。更进一步，搜索还能支持平台的宣发和商业价值，实现业务增长与流量变现。

常见文娱搜索场景

1. 新闻、资讯搜索
2. 社区、论坛、话题搜索
3. 影音娱乐搜索
4. 在线阅读小说、网漫、文章搜索
5. 图像、视频搜索

文娱搜索业务特点

• 搜索效果需保证时效性和个性化
• 涉及多频道、多类别，内容覆盖广泛，需要精准理解用户搜索意图
• 热搜、下拉提示等搜索引导功能流量占比高
• 可能有文字、语音、图像、视频综合的多模态搜索需求

搜索痛点

1. 用户用词规范程度参差不齐，文本内容复杂，用户意图理解要求高
2. 内容垂类特殊，需要行业数据积累，分词和查询分析难度大
3. 千人千面的的个性化搜索，需要5人以上的算法团队持续投入，成本高，周期长
4. 业务导向性差，无法通过搜索实现付费内容引导

开放搜索内容文娱增强版解决方案

内容文娱行业分词模型

对于内容文娱行业，OpenSearch汇集多个相关数据来源，利用千万级数据训练了行业增强版分词模型。

针对更加特殊的垂类业务场景，在原有分词算法模型基础上，支持基于业务数据的定制分词模型，提供专属文本分词器。

文本	通用版	内容文娱版
拜仁或将签下凯恩以接替莱万	拜仁 或 将 签 下 凯恩 以 接替 莱 万	拜仁 或 将 签 下 凯恩 以 接替 莱万
夜兰配队	夜 兰 配 队	夜兰 配 队
复联4高燃场面	复 联 4 高燃 场面	复联 4 高燃 场面
彭昱畅和江疏影演情侣	彭昱 畅和 江疏影 演 情侣	彭 昱畅 和 江 疏影 演 情侣

内容文娱行业向量模型

相比传统文本搜索通过分词、同义词、纠错、词权重等算法技术增强语义搜索效果，基于深度学习的语义向量召回模型具备更强大的表征能力，可以更好地处理用户查询词中的简写、别名、拼写错误等情况。

开放搜索OpenSearch和阿里达摩院合作自研的向量召回技术，在业界知名榜单MS MARCO上夺冠。

结合文娱行业数据训练的向量召回模型目前已在OpenSearch对客户透出。

query	詹姆士绝杀
向量召回 TOP 1	詹姆斯绝杀
向量召回 TOP 2	詹姆斯不是绝杀？
向量召回 TOP 3	关于詹姆斯绝杀球

query	佐鸣
向量召回 TOP 1	鸣佐结局
向量召回 TOP 2	鸣人喜欢佐助哪点
向量召回 TOP 3	鸣人和佐助谁更强？

内容文娱行业CTR排序模型

针对内容文娱行业往往个性化诉求和实时性需求较高。比如不同用户兴趣爱好的引导、以及当天的热点事件引导。

CTR预估模型充分结合行业特点，保障搜索个性化建模和内容实时性。整体网络框架如下：

CTR预估模型可以根据客户特点和诉求做对应模型定制和链路定制，以达到更优业务转化效果。

球鞋爱好者搜：科比	粉丝搜：科比	8.24当天搜：科比
科比那些年穿过的球鞋	科比10佳投篮精彩瞬间	球迷致敬科比
科比同款球鞋	体验科比的一天	科比头像
科比8球鞋评测	巅峰科比实力到底有多强？	科比永远的MVP

案例实践

某文娱资讯平台，原自建搜索存在搜不准，跳出率较高等问题，直接影响用户体验和用户粘性。通过接入开放搜索OpenSearch 15天快速实现搜索效果各项指标的提升。

1. PV-CTR提升超过10%，UV-CTR提升超过5%，有点击PV占比提升超过5%
2. 具备语义向量模型能力，针对长文本复杂关键词也可准确返回语义相关文档
3. 个性化排序模型，支持千人千面的搜索结果展示

原文链接

本文为阿里云原创内容，未经允许不得转载。