金丝雀前没有任何金标,手里仅剩站点内的搜索日志与差评。危害关键词、无点击与无结果查询、意图聚类这三招如何捞出首批种子,并让人看出问法来自真实流量,而不是研发人员的演示题?
题目
金丝雀前没有任何金标,手里仅剩站点内的搜索日志与差评。危害关键词、无点击与无结果查询、意图聚类这三招如何捞出首批种子,并让人看出问法来自真实流量,而不是研发人员的演示题?
参考答案
点击展开参考答案
- 种子的单位先是查询串,不是标准答案。
- 对搜索查询做近邻去重再聚类,按簇的频次、无结果率、无点击率和危害词命中加权抽样,差评必须经会话找回原查询,禁止把投诉正文当成问句。
- 覆盖证据有两道:留出日的查询有多少能落到种子簇的相似半径内;以及每条种子到工程师演示题的距离不得近过它在日志里的邻居。
- 过了这两道,才说明问法来自真实流量。
- 数据流:站内搜索 q、空结果标记、是否点击、差评会话 id。
- 查询规范化后做 minhash 去重,再嵌入聚类(示意 20–40 簇或密度簇),簇只给人看三五个字的标题,不写金标答。