腾讯的网站和应用都在用什么搜索？

腾讯云搜网址：http://yunsou.qq.com/

1.    技术，开放才能拉手向前！

腾讯云搜，继承了SOSO在搜索引擎领域多年的技术财富，在搜索架构、海量数据存储和计算、智能排序、用户意图识别、搜索质量运营等方面有很深的技术沉淀。因此从2013年底，云搜为公司内大量业务提供了搜索能力支撑，包括手机QQ、腾讯视频、QQ音乐、应用宝、腾讯地图、QQ空间、微信朋友圈等。

为满足各垂直业务的需求，逐步承载了大量个性化搜索能力。搜索团队对个性化搜索需求不断的提炼与抽象，将需求能力化、组件化、平台化。最终形成了对各垂直业务成熟的搜索开放能力。2014年底对外搭建了一站式搜索托管服务平台腾讯云搜。

 

2.    搜索是个啥？

要做一个开放搜索技术的网站，得先了解搜索是个啥？能吃能喝还是能用？

 

2.1.  从一次搜索说起

一个搜索框，点一下就出结果，这就是搜索？

YES，用户看到的搜索就该是这样。

但“台上一分钟，台下十年功”。一次点击，一个搜索结果页在后台承载了多少的技术，我们来说道说道。

图1 用户检索视图

 

二狗子想在腾讯视频看电影了，在搜索框输了“XXXXXX”，然后留着口水等着电影。

图2 腾讯视频搜索框

 

腾讯视频君二话不说，将搜索请求给到腾讯云搜的大管家RBU（根代理服务器模块），并将这件事情交由大管家全权负责。

大管家何许人也，是搞管理的人才。马上向“检索串处理模块”，英文名“QRW”的分析师下达命令：“马上给我分析下这个检索串，搞完了，我要给探索者找合适的视频内容”。

图3 检索串处理相关模块

 

分析师不敢怠慢，立即开动马达，其手段了得，我给大家剖析一二：

²  招式1：分析用户搜检索串的意图，如地域、时新性等

²  招式2：看检索串是否有无意义的词如“的”、“了”等，有就给去除掉

²  招式3：找同义词及近义词，如搜红薯，给地瓜的结果也是可以的

²  招式4：检索串扩展

    ......

    同时分析师求助了纠错模块，看检索串有没有错误的地方要纠正

²  如将“liudehua”纠正为“刘德华”。“植物大战僵师”纠正为“植物大战僵尸”

.....此处省略一千字，分析师终于分析完啦。

分析师将检索串拆成了一个个的词（这个在云搜后台可以控制分词的方式），并给每个词赋予了wordid，然后给到了大管家。

 

这边刚完事，大管家立即将任务丢给了探索者“在线检索系统”。探索者很高兴，立即将wordid拿去从视频列表中找含有这些词的视频。

图4 在线检索系统处理模块

 

视频列表拿出来了，还是一堆杂乱的了，这时探索者对文档做了求交，先把重复的给去了，然后根据被搜索的视频与检索串的相关性做了排序。

探索者本来想休息了，可是还得按照以下两种方式对文档再排个序，因为这个是视频君要求的：

²  按照视频君的配置的文档权重排序

²  按照视频君定义的排序表达式排序（这两个请亲自去腾讯云搜体验吧！）

结果终于排好了，探索者将结果列表给了大管家。

大管家乐了，立即给到了应用君做前端展现。

二狗子看着推荐的电影列表，一拍大腿，这就是我想要的，擦掉口水，点了第一个视频看起来了！

据说，整个过程不会超过100毫秒

2.2.  还没完，矿从那里来？

看完上面的东西，以为搜索已经hold住啦？还没完了，探索者挖掘的矿（文本）从哪里来？用户检索前，网站不需要做啥准备吗，临时上菜？细心的看客已经发现了。

图4 在线检索系统处理模块

在用户搜索前，网站是需要做大量的数据准备的，离线索引模块就隐居幕后，默默的做着准备。

离线索引的主要功能是：根据业务的配置，对业务数据进行初级排序，预处理以及索引处理。

图5 离线处理流程

具体为对文档进行分词，索引选取，计算词的wordid及position信息，并且建立从文档的docid到词的wordid的顺排关系，然后将顺排关系推送给探索者加载。其中核心步骤是索引选取，即建立docid到wordid list之间的映射关系。

探索者然后根据离线索引模块生成好的顺排数据，生成从wordid到docid list的倒排索引，以准备好用户的检索

 

    至此，看官对搜索服务应该大致理解了吧，纯属个人总结，有错误的地方你提出来，我改。

 

3.    给你一个轻盈灵活的小龙女

腾讯云搜作为一套通用的搜索托管服务平台，不可避免的很多环节是需要应用开发者自己去配置，才能生效的。但作为一个纯技术型网站，用户的学习成本比较大，如何给用户一个绝世美女，让用户愿意接了？

云搜需要更轻量，除必须的功能外，其他功能全部剥离到主流程外。这样减少用户对搜索服务的理解成本；

云搜需要更灵活，满足不同业务的个性化配置需求，这样满足高端用户对搜索质量的苛求；

必须更集中，以往纠错等服务需要单独申请，在腾讯云搜中必须集成对应功能，并能一键实现。

 

图6：开发者接入视图

 

 

3.1.  轻量化

   从图6可以看出，为减轻用户接入成本，腾讯云搜将大量的搜索功能组件化抽取到了主流程之外。用户必须操作的只有新建应用+API推送数据。

分词方式、Smartbox、按域检索、高级纠错、排序定制等搜索能力全部抽取为组件，仅给有需求有意愿学习的人使用。

现阶段在定义应用结构和上传数据的模块还不够轻量化，这个你有什么好点子，快快来提吧！

 

3.2.  灵活性

 

搜索服务中相当多的通用能力是可以拿出来的，如分词方式，不同的分词方式对应的结果集和质量是不同的， 用户在产品的不同阶段根据内容量需要选择不同的方式，如内容少时，采用单字分词可以获得更多的结果，但质量低。

这样的功能，为了轻量化，隐藏在后台，由系统默认一种分词方式也无可厚非，但是为了满足用户的灵活性需求，在默认最优方式的基础上，我们将这样的功能剥离了出来，给用户自由配置的空间。以下功能也可自由配置：

²  智能联想（Smartbox）

    允许用户根据业务，选定合适的字段，在用户输入检索串的过程中，帮助补齐检索串的额内容，以提高用户体验。

²  按域检索

允许用户根据搜索框的场景，将搜索的文本范围限制在合适的范围内，如搜索视频，大家都搜索演员和电影名，那么开发者可以限制搜索框仅在这两者中检索，具体可以自由配置。如以下就是在三个不同的域中检索后组合起来的。

²  高级纠错

除通用的将拼音纠成汉字，如“ldh”纠正为“刘德华”之外，允许开发者根据业务场景，对检索串自定义纠错。如用户输入“武林Q传”，在视频中会纠正为“武林外传”，应用宝中会纠正为“武侠Q传”，一切以网站的内容为准，当然业务可以强制将一个词纠正为另一个词，如敏感词。黄片纠正为伦理啊，之类的可以看的。

²  排序定制

用户可以选定数据范围，并设定排序方式，对数据进行定制化的排序。

3.3.  集中化

 

相关的服务，必须集中起来，之前的纠错服务，是单独的服务，需要用户单独申请，单独传数据。腾讯云搜上，业务只需要勾选需要纠错的字段即可完成定制纠错。当然用户可以上传数据，强制将某一检索串纠正为其他检索串。

 

关注云搜公众号，了解更多