刷百度相关搜索和下拉框的技术原理

　　如果我们把每一行数据的result想象成一篇文档，result里面的每个结果集想象成一个词语，那么这其实就是求两个文档之间的相似性了，从头到尾过一遍就可以找到每一行数据和它最相似的数据了，而每一行可以用当行的搜索词表示，这么一算下来数据就变成这样子了，后面的括号里面是两个词的相似度，如果想知道文本的相似性如何计算，可以参考我之前的文章，本文最后有链接。

　　key：搜索词Asucceed：搜索词B(0.8)搜索词C(0.6).....

　　key：搜索词Bsucceed：搜索词A(0.8)搜索词E(0.7).....

　　有了上面这个数据，拍一个阈值(比如0.7)卡一下，就得到最后的相关搜索的结果了。

　　这个计算相似性的方法的计算量比较大，而且阈值没有卡好的话容易出现不相关的结果，在实际工程应用中使用得不多，下面这个方法使用得更多点，相当于这个的加强版。

　　从用户搜索结果集考虑

　　如果某个搜索结果(比如一个网页或者一个商品)出现在了不同的搜索词的结果集中，那么这些个搜索词很可能是相关的，如果这个搜索结果在不同的搜索词下都被点击了，那么这些个词的相关性就更高了。

　　点击的加成是很强大的，而且在数据量巨大的情况下，我们可以只考虑点击的情况，还是拉出搜索日志，不过这次是搜索点击日志了，拉出来处理一下就变成下面这个样子，每行就是某个搜索词下点击的商品

　　key：搜索词Aclick:结果A结果B结果C

　　这个样子和上面第二种方法最后出来的样子基本一样，不过这次是点击数据，相关性可比直接的搜索结果要好很多了，因为搜索结果取决于你的搜索算法，而这种点击数据是来自用户的，人的可靠性可高了不少，所以说这个是上一个的加强版。

　　我们可以按照上一个的方法按文本相似性的方法进行处理，但是计算量也比较大，如果再仔细看看这个数据的样子，如果我们把相关搜索系统想象成豆瓣，搜索词看成豆瓣的用户，搜索结果集看成是豆瓣的电影，那么相关搜索就变成了一个豆瓣的猜你感兴趣的人，也变成了一个协同过滤的推荐系统了(协同过滤算法可以参考文章最后的链接)，上一节的协同过滤算法的数据是词和后继词，这里是词和点击结果，虽然数据集不同，但是可以用一样的算法，所以，搜索和推荐技术其实是密不可分的，既然这样，完全可以用协同过滤算法进行推荐了。

　　协同过滤的算法，简单版本整体不会超过200行，很容易实现的。

　　通过这样的方式，容易推出意思相近的词，同样也容易推出看似完全不相关但仔细想想还是靠谱的词，就像下面这样，他们虽然不见得近义词，但是很可能会点击到同一个结果上。

　　分形：分形理论|分形图像|分形数学

　　机器学习：吴恩达|数据挖掘|机器学习周志华

　　林心如：霍建华|任重|何润东.......

　　机器学习

　　既然上面提到了一下机器学习，其实还有更高端一点的算法，就是用机器学习了，呵呵。我们如果把上面的结果key：搜索词Aclick:结果A结果B结果C处理一下，变成下面的样子，表示每个结果集对应的搜索词。

　　结果A：搜索词A搜索词B搜索词C....

　　结果B：搜索词B搜索词A搜索词D.....

　　变成上面这个样子难度不大吧，就是做个倒排就行了，好了，我们把一行看成一篇文档，每个搜索词看成一个词，不就是求各个词的相似性嘛，祭出神器Word2Vec，直接计算每个搜索词的词向量，然后计算各个词向量之间的相似性，就可以算出每个词应该推荐的词了。

　　在这里，我们使用了当前最火的机器学习哦，如果用word2vec的库来实现的话，代码同样不超过20行，呵呵，word2vec我之前的文章也有说过，可以看看底部的链接

　　模型MIX

　　上面说了四种模型，如果使用呢?呵呵，相关搜索不是有很多词嘛，很简单拉，每个模型分几个词，看看哪个模型效果好，哪个模型出来的词用户点得多再调整呗，我们看看京东，搜索资治通鉴的时候他们的相关搜索如下。

　　我估计啊资治通鉴中华书局，资治通鉴柏杨这种就是第一种模型推出来的，就是后继词部分推荐出来的，而史记，二十四史这类应该就是通过协同过滤推荐出来的，至于是哪种协同过滤就不好推测了。

　　二，刷搜索刷下拉框和百度分享原理

　　刷搜索刷下拉框原理

　　搜索引擎下拉框：当用户在搜索框中输入一个词的时候，搜索引擎搜索框会智能匹配出与搜索词相关的，并且达到一定搜索量的后继词。通常有10个以内的后继词推荐出现。

　　百度搜索下拉框：又叫百度联想区，百度推荐词，百度下拉菜单。

　　搜索引擎下拉框原理：

　　搜索引擎会从自有词典和用户行为产生的巨大搜索词中，生成搜索引擎推荐词库，当用户搜索的关键词在推荐词库中有匹配词的时候，就会动态的生成后继词的推荐菜单，并且按搜索量从高到低依次排序，最大数量为十条。

　　刷搜索引擎下拉框注意几个关键点：MAC地址，IP地址，浏览器COOKIES，搜索行为多样性，做到从设备，软件，到用户的模仿

　　真实用户的搜索行为。

　　关键词和后继词搜索量十分大的时候，基本没有办法完成成本很高，所以只有刷本身流量比较少的关键词。

　　刷百度分享原理

　　百度分享的官方定义和作用：

　　第一：引入社会化流量，用户将网站内容分享到第三方网站，第三方网站的用户点击专有的分享链接，从第三方网站带来社会化流量。

　　第二：提升网页抓取速度，使用了百度分享的网页可以更快地被百度爬虫发现，从而帮助网站的内容更快地被百度抓取。

　　第三：展示网页分享量，使用了百度分享的网页被用户分享后，可以使该网页被分享的次数展示在百度的搜索结果页中，辅助用户判断网页质量，提高点击率。

　　刷百度分享的方法：

　　第一：加入互刷群，这样就可以保证分享IP的广泛性。

　　第二：提高分享的真实性，需要从搜索引擎搜索相应关键词进入网站，停留时间，浏览量要自然，每个访客的独特性，然后再分享。

　　第三：注意分享之后的回流，也就是说当你收藏分享之后，最好在从分享页面经常回来浏览网站。

　　第四：注意分享的频率，要稳定，程序渐渐的增加。

　　第五：用软件刷分享。

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!