百度进化论（二）：搜索系统的一些原理

时间：23-07-18 16:07

1
SEO横跨多领域，是培养逻辑的绝佳武器

了解SEO和SEM的群体，更多是品牌方的营销策划者和SEO服务商知道的更多一点，因为品牌做营销规划的时候，作为流量收口，这个渠道很难被忽略掉，尤其是一些需要长期做口碑积累的品牌，重视程度更高。

说到SEO那就不得不提SEM，两个如同同胞兄弟。SEO优化效果不像SEM竞价广告一样立竿见影，它又不像电商一样能够快速实现变现。

当你进入这个领域几年后，SEO技术在一定程度上已经不是什么新鲜事物（不是说不重要）。

但是值得你长期在行业深耕的是SEO延展领域的了解与学习。如营销理论、营销模型、和诸多跨学科的概念。

SEO优化的过程是配合搜索算法进行内容抓取的过程，搜索是最大的人工智能项目，也是最早的互联网数字化世界的门户，其开发流程和技术核心为未来的人工智能奠定了基础，其产业上下游，横跨多个学科。

做得好的SEO供应商，更多的是利用自身技术壁垒和开发的工具进行辅助优化。（这里不深入赘述。）

2
自然语言技术，让搜索更好理解人类语言

遇到问题“百度一下”已经成为一种习惯。

在搜索的过程，你可能一气呵成，仅用几秒钟就会看到你想要的信息。

呈现结果的背后是搜索引擎对搜索用户需求的倾听。

简单来说，搜索过程是人机交互的过程，每搜索一次都可以看作是对搜索引擎的一次训练。

那么，搜索引擎如何判断搜索结果的好坏呢？

我们最直观能看到的，就是用户的点击。

每一次点击就是一次回答，如果你没有点击排名靠前的结果，而去点击第二页的内容，这个动作就是对系统的推荐做了降权（搜索引擎对网站评定的级别下降）。

从搜索到点击的交互过程，最核心的基础技术之一是自然语言处理(Natural Language Processing)。它可以帮助搜索引擎理解用户意图的需求，并返回更准确的搜索结果。搜索引擎使用自然语言处理技术来解析和提取文本中的信息，识别关键词和语义。

看一个自然语言处理技术的例子：

第一句：梁思成的儿子是谁
第二句：梁思成是谁的儿子
第三句：谁是梁思成的父母

搜索系统读一遍就能看出来，第二句和第三句，所要的结果其实是一个意思，这就是基于自然语言处理后得出来的搜索结果，使得搜索结果的相关度更加精准。但是它的算法过程相当复杂，如上面逻辑思维导图的框架，需要多维度进行判断。

3
围棋中人工智能的应用

大量的数据分析，使得google和百度这样的公司，基于大数据进行了新的思考。

如2016年，阿尔法围棋比赛，AlphaGo人工智能成为了围棋界的一颗新星，且战绩不菲。AlphaGo为何取得如此傲人的成绩，有一点可以确定，并不是机器本身想出来的棋招，而是学习了人类高手成千上万的棋局，记录下每个局面，并且比对记录中胜率比较高的位置点进行落子，所以前提是AlphaGo需要大量的数据以供自己读取参考。

之后，根据历史纪录选择一个最优落子点，系统根据蒙特卡洛树形搜索对下一步棋的落脚点进行穷尽。（蒙特卡洛树形搜索可以简单理解为，通过一个节点，进行棋局仿真模拟，给出最佳选择。）

举个简单的例子，围棋有黑棋、白棋。

当对方落子（黑）后，系统根据历史纪录筛选三个落脚点，A、B、C，分别会模拟三个点下一步会如何走。假设从A点出发，总共有100万步，而最终只有30万步到达终点，从B点出发的有50万步到终点，C点出发有40万步到达终点，系统就会认为B点的胜率更高，就会选择B点。这就是概率学的取样法，而走的步数模拟数量，取决于计算机的运算能力。当然这个例子只是把电脑分析的方法极简化了而已，实际运用中更为复杂。

4
搜索和推荐解决了信息过载

搜索是用户有明确搜索需求的时候，通过关键词搜索来查找与之匹配的内容。

搜索相对于智能推荐，展示结果相对稳定，但其个性化程度比较低。目的是快速帮助用户找到标准答案，首页呈现的结果往往是优质内容。

反之，当用户意图不够明确的时候，智能推荐系统可以很好地满足用户当下难以用文字表达的需求。例如，如果用户在搜索“推荐电影”这个词，智能推荐系统可以推荐与用户偏好相关的电影，或者推荐与用户正在观看的电影相似的其他电影。

推荐系统个性化程度比较高，因为推荐没有一个标准答案。可以根据每位用户历史观看的行为生成一个当下用户最感兴趣的内容，这也就是为什么看短视频的时候，一刷就会刷很长时间，系统根据你的兴趣推荐，吸引力自然会很强。

推荐系统本身也希望用户被推荐的内容吸引，能够停留更长的时间，对用户兴趣挖掘越精准，推荐的成功率就越高。

搜索和智能推荐两者从用户需求角度可以互相替补。

比如，你有时需要主动找信息，有时候需要朋友推荐，有时候需要系统猜测你的喜好推荐给你。如果在阅读一篇文章的时候，阅读过程有些地方不太理解，又会重新进行搜索。

人的需求是有周期性的，不可能一直对同个话题感兴趣，当需求迁移的时候，或者推荐信息热度过了的时候，再想了解之前的信息又得重新回去搜索。

所以现在搜索场景越来越多元化。今日头条里有搜索，小红书里有搜索，看过他们的数据报告可以看到，平台本身的搜索数据一直在递增。

人类产生了大量的数据，但每个人接受信息的数量是有限的，面对信息过载，搜索和智能推荐都是为用户解决信息过载的手段。

参考来源：
[1]智能革命：迎接人工智能时代
[2]智能搜索和推荐系统：原理、算法与应用

百度进化论（二）：搜索系统的一些原理

相关动态

our news

如何获取小红书站内排名

中小企业微博如何做优化？

回顾广告发展历史，感知如何做广告

搜索引擎优化（SEO）2024年综合指南：目标、必要性与未来实践

让内容种草不再玄学,小红书运营

内容营销5A模型

业务咨询tongmiaoad@esecond.cn