同義詞是否用不同頁面獲取排名｜搜索引擎 Query處理簡介

前幾天朋友問我同義詞怎么處理，要不要做成不同頁面來獲取排名，給了這2個(gè)詞：?personalized mug?和?custom mug?。

我截圖做了標(biāo)注給他，回復(fù)：Google 現(xiàn)在已經(jīng)能識別這些同義詞。所以當(dāng)搜索?personalized mug?和?custom mug?時(shí)，搜索結(jié)果的重復(fù)度很高（準(zhǔn)確來講，網(wǎng)頁召回階段是相同，排名階段有少量差異）。而且上圖看見，搜索?personalized?時(shí)，?custom?也會(huì)飄紅，所以建議是做一個(gè)頁面就好了（即 2 個(gè)同義詞用一個(gè)頁面來獲取排名）。

以上的情況主要是在搜索引擎的 Query 處理階段。這是用戶輸入關(guān)鍵詞后的第一個(gè)階段。Google 拿到用戶的 Query 詞（即搜索詞）之后，并不是直接去索引庫中查找，而是對 Query 詞做了一些處理，比如規(guī)范化、分詞、擴(kuò)展和分析等，可以讓搜索引擎去除干擾，更理解用戶的查詢，盡可能地準(zhǔn)確地找到用戶所需的信息。

主要有以下幾個(gè)部分：

• 標(biāo)點(diǎn)符號處理。去除無關(guān)字符，比如特殊符號，標(biāo)點(diǎn)符號

• 大小寫處理。將大寫都改為小寫

• 去掉停用詞。比如 the、of、a，這些太常見，且不包含信息的單詞

• 單復(fù)數(shù)處理。將復(fù)數(shù)統(tǒng)一為單數(shù)，如 phones 改為 phone

• 時(shí)態(tài)處理。都時(shí)態(tài)統(tǒng)一為基本時(shí)態(tài)，如 runs 改為 run

• 錯(cuò)別字處理。糾正拼寫錯(cuò)誤，如 gogle 改為 google

另外為了找到更全面的信息，還會(huì)做一些擴(kuò)展，比如：

• 同義詞擴(kuò)展。將查詢中的某些詞替換為它們的同義詞，以捕獲用戶可能使用的不同表述

• 查詢擴(kuò)展。基于詞匯的共現(xiàn)，用戶的搜索歷史，或者其他信息源來擴(kuò)展或修改查詢

以上環(huán)節(jié)完成之后，就會(huì)形成一個(gè)清晰又豐富的詞組，可以去索引庫中找到更多更準(zhǔn)確的網(wǎng)頁了。

在 AI 時(shí)期，Query 處理對搜索引擎會(huì)更重要，因?yàn)?Query 更長，更需要了解用戶的意圖。