本文讲搜索引擎处理问句的通用流程,不涉及任何具体引擎的实现细节,也不评价其效果。文中步骤为便于理解的简化模型。
第一步:分词,问句被切成零件
中文没有空格,引擎先要把句子切成词。“海角社区网址是多少”可能被切成“海角”“社区”“网址”“是”“多少”,也可能把“是多少”整体识别为一个疑问结构。切法不同,后续检索的方向就不同。这一步丢失的是语序与语气:“是多少”里的急切、“现在”这个隐含的时间,都在切分中蒸发了。你能做的应对很有限,但有效:把关键限定写成独立、常见的词,别让它藏在介词短语里。
第二步:意图判定,猜你要哪一类答案
引擎会根据问法、历史点击与页面类型,判断这次检索属于“要入口”“要解释”还是“要确认”。判断依据不是你的真实想法,而是与你相似的问法过去点开了什么。这一步丢失的是个体差异:你可能是那百分之一想读解释的人,但只要多数人点的是结论页,你收到的就是结论页。改写问句之所以有用,是因为它改变了这个判定的输入。
第三步与第四步:召回与片段抽取
召回是从索引里捞出可能相关的页面,靠的是词与页面的匹配程度,因此措辞比你想象的更重要:同一个意思换个说法,召回的集合可能完全不同。片段抽取是从某个页面里截一段话放进答案框,截取依据通常是“这段话包含问句里的词且结构完整”。问题就在这里:结构完整不等于语义完整,一句被截出来的结论常常丢掉了它原本的条件句。答案框答非所问,多数时候是这一步造成的。
可执行检查单
- 01把你的问句拆成两三个核心词,确认每个词都是常见写法,不含生造缩写。
- 02看答案框里的句子是否是完整条件句;缺条件的,回到原页面读上下文。
- 03同义改写一轮,对比召回结果差异,判断措辞对结果的影响有多大。
常见问题
加引号有用吗
对精确短语有用,对问句通常没用。引号要求整段连续匹配,而问句里的虚词、语气词几乎不会原样出现在页面里。更实用的做法是给关键名词加引号,其余部分保持自然语序。
为什么答案框经常答非所问
因为抽取逻辑偏向“包含问句词的完整句”,而不是“回答了问题的句子”。一页在讲别的事,只要某句同时出现了那几个词,就可能被抽出来。判断方法:看答案框里的句子有没有主语和条件;缺这两样的,基本可以忽略。
知道这四步之后,能改的是什么
分词改不了,意图判定只能影响,召回可以引导,片段抽取完全不受你控制。所以实用的着力点只有两个:一是把问句写成“常见词 + 明确限定”,让分词和召回少出错;二是不把答案框当结论,只当索引——它指向哪一页,你就去那一页读完整段落。把答案框当前提,等于把四步里损耗最大的那一步当成了终点。