在當(dāng)今互聯(lián)網(wǎng)時代，搜索功能已成為連接用戶需求與海量信息的關(guān)鍵橋梁。對于美團這樣的本地生活服務(wù)平臺而言，搜索體驗的優(yōu)劣直接關(guān)系到用戶的決策效率和平臺的商業(yè)價值。面對用戶輸入簡短、模糊、口語化甚至包含錯誤的查詢詞，如何精準(zhǔn)理解其真實意圖并返回相關(guān)結(jié)果，是搜索技術(shù)面臨的核心挑戰(zhàn)。查詢改寫技術(shù)（Query Rewriting）應(yīng)運而生，旨在將原始查詢轉(zhuǎn)化為更能表達(dá)用戶意圖、更匹配系統(tǒng)文檔的查詢形式，從而提升搜索的相關(guān)性和召回率。

一、查詢改寫技術(shù)的核心價值與挑戰(zhàn)

在美團搜索場景下，查詢改寫技術(shù)的價值尤為凸顯。用戶搜索“附近好吃的火鍋”，其潛在意圖可能包括尋找高評分、有優(yōu)惠、特定品牌或適合聚會的火鍋店。原始查詢的模糊性可能導(dǎo)致結(jié)果不全面或偏差。通過改寫技術(shù)，系統(tǒng)可以生成如“海底撈 優(yōu)惠套餐”、“重慶老火鍋 評分4.5以上”、“多人包間火鍋店”等一系列擴展或精煉的查詢，從不同維度滿足用戶需求。

實踐之路充滿挑戰(zhàn)：

1. 意圖多樣性：同一查詢在不同上下文（如地理位置、時間、用戶歷史）下意圖可能不同。
2. 語義鴻溝：用戶自然語言表達(dá)與系統(tǒng)內(nèi)結(jié)構(gòu)化數(shù)據(jù)（如商戶標(biāo)簽、菜品名稱）之間存在差異。
3. 效率與實時性：改寫需要在毫秒級內(nèi)完成，不能影響搜索的整體響應(yīng)速度。
4. 評估難度：如何準(zhǔn)確衡量改寫查詢對最終業(yè)務(wù)指標(biāo)（如點擊率、轉(zhuǎn)化率）的提升效果。

二、技術(shù)探索：從規(guī)則到深度學(xué)習(xí)

美團搜索團隊在查詢改寫技術(shù)的演進(jìn)上，大致經(jīng)歷了三個階段：

1. 基于規(guī)則與詞典的初級階段
早期主要依賴人工的規(guī)則、同義詞詞典和熱門查詢模板。例如，將“火鍋”關(guān)聯(lián)到“四川火鍋”、“涮羊肉”，或?qū)ⅰ昂贸缘摹睒?biāo)準(zhǔn)化為“高評分”。這種方法直觀可控，但覆蓋范圍有限，難以應(yīng)對層出不窮的新表達(dá)和復(fù)雜語義，維護成本高昂。

2. 基于傳統(tǒng)機器學(xué)習(xí)的演進(jìn)
隨著數(shù)據(jù)積累，開始采用統(tǒng)計機器學(xué)習(xí)方法。例如，通過分析海量搜索日志，挖掘查詢詞之間的共現(xiàn)關(guān)系、會話關(guān)聯(lián)，構(gòu)建查詢擴展模型。隱式反饋數(shù)據(jù)（如點擊、購買）被用來學(xué)習(xí)查詢與文檔的相關(guān)性，從而指導(dǎo)改寫。這類方法數(shù)據(jù)驅(qū)動，覆蓋能力更強，但對特征工程的依賴較大。

3. 基于深度學(xué)習(xí)的深化應(yīng)用
當(dāng)前，深度學(xué)習(xí)已成為主流。美團探索并實踐了多種先進(jìn)模型：

• 序列到序列（Seq2Seq）模型：將原始查詢作為輸入，直接生成改寫后的查詢。通過引入注意力機制，提升生成質(zhì)量。
• 預(yù)訓(xùn)練語言模型（如BERT、ERNIE）的應(yīng)用：利用其在語義理解上的強大能力，進(jìn)行查詢意圖分類、查詢對相關(guān)性判斷以及生成式改寫。例如，通過微調(diào)預(yù)訓(xùn)練模型來識別“附近口碑好的川菜館”中的核心意圖（菜系：川菜）、屬性（口碑好）和范圍（附近）。
• 融合知識圖譜：將美團豐富的本地生活知識圖譜（包含商戶、菜品、地點、屬性等實體及關(guān)系）融入改寫過程。例如，當(dāng)用戶搜索“星巴克新品”，系統(tǒng)能識別“星巴克”為品牌實體，并關(guān)聯(lián)知識圖譜中該品牌當(dāng)前季度的實際新品名稱進(jìn)行精準(zhǔn)改寫或補充。
• 強化學(xué)習(xí)優(yōu)化：將整個搜索排序環(huán)節(jié)作為環(huán)境，以最終的用戶滿意指標(biāo)（如下單率）作為獎勵，訓(xùn)練改寫模型，使其生成能導(dǎo)向更優(yōu)最終結(jié)果的查詢。

三、工程實踐：系統(tǒng)架構(gòu)與效果評估

在工程落地上，美團構(gòu)建了高效、穩(wěn)定的查詢改寫系統(tǒng)。其核心架構(gòu)通常包括：

• 實時分析模塊：對用戶原始查詢進(jìn)行快速解析、分詞、實體識別。
• 多路召回策略：并行觸發(fā)基于規(guī)則的改寫、基于模型（深度學(xué)習(xí)模型）的改寫以及基于實時熱點（如突發(fā)新聞、新上架商品）的改寫。
• 融合與排序模塊：對多路產(chǎn)生的候選改寫查詢進(jìn)行去重、相關(guān)性打分和排序，選取最可能提升搜索體驗的Top N個改寫查詢，送入后續(xù)的召回與排序引擎。
• 在線學(xué)習(xí)與更新：系統(tǒng)能夠根據(jù)線上實時反饋數(shù)據(jù)，快速調(diào)整模型或策略，適應(yīng)變化。

效果評估體系分為離線評估和在線A/B測試：

• 離線評估：使用人工標(biāo)注的測試集評估改寫的準(zhǔn)確性、相關(guān)性和流暢度；計算改寫查詢與點擊文檔之間的語義相關(guān)性指標(biāo)。
• 在線A/B測試：這是黃金標(biāo)準(zhǔn)。通過對比實驗，直接觀察引入或優(yōu)化改寫技術(shù)后，對核心業(yè)務(wù)指標(biāo)如查詢滿意度、點擊率、轉(zhuǎn)化率、交易金額等的影響。只有在線實驗證明有顯著正向收益的技術(shù)迭代才會被全量發(fā)布。

四、未來展望

查詢改寫技術(shù)的探索永無止境。美團搜索將繼續(xù)在以下方向深化實踐：

1. 多模態(tài)與跨模態(tài)理解：結(jié)合用戶上傳的圖片、語音進(jìn)行查詢改寫。例如，用戶拍攝一種菜品圖片搜索，系統(tǒng)能準(zhǔn)確識別并改寫為對應(yīng)的菜名及相關(guān)查詢。
2. 個性化與上下文感知：更深層次地融合用戶畫像、實時地理位置、歷史行為乃至當(dāng)前會話的上下文，提供“千人千面”的精準(zhǔn)改寫。
3. 可解釋性與可控性：讓深度學(xué)習(xí)模型不再是“黑箱”，使改寫結(jié)果對運營和產(chǎn)品人員更可理解、可干預(yù)，平衡算法的智能與業(yè)務(wù)規(guī)則的控制。
4. 端到端聯(lián)合優(yōu)化：將查詢改寫與文檔召回、結(jié)果排序等下游任務(wù)進(jìn)行更緊密的端到端聯(lián)合建模與優(yōu)化，追求全局最優(yōu)的搜索體驗。

###

美團搜索中的查詢改寫技術(shù)，是從簡單規(guī)則到復(fù)雜AI系統(tǒng)不斷演進(jìn)的縮影。它不僅是自然語言處理技術(shù)的應(yīng)用舞臺，更是深刻理解用戶、連接線下豐富服務(wù)的關(guān)鍵一環(huán)。通過持續(xù)的技術(shù)探索與扎實的工程實踐，美團致力于讓每一次搜索都更智能、更貼心，最終實現(xiàn)“幫大家吃得更好，生活更好”的使命。這背后，是計算機信息技術(shù)咨詢服務(wù)所倡導(dǎo)的以技術(shù)驅(qū)動業(yè)務(wù)、以數(shù)據(jù)賦能決策的核心理念的生動體現(xiàn)。