SEO 百科

查询解析

本页目录

查询解析 指切词与标注的一组动作：把用户输入的一句话切成一个个词，把这些词转成索引里能查找的形式，再标出词性，标出词与词之间的关系。查询解析排在查询理解的最前面，是后续改写和匹配的基础。

分词

分词是第一步，把连续的字符切成词。英文按空格和标点切，中文没有空格，要按词典和统计来判断边界。同一个字串，切法不同，检索结果就不同。

Elastic 把这一步叫分词，处理工具叫分词器，“简单的分词器遇到空格或标点就把文本切成词”^[1]。中文站点的常见问题就出在这里，切错的词在索引里根本不存在。

切出词之后，还要把形态统一。大小写、变音符号、全角与半角这些差异，如果不统一，同一个词会被当成两个词存进索引。

Elastic 说明，归一化是“去掉本相同的词之间的无关差异，例如大写与小写”，有时还要“去掉有意义的差异，让 esta、ésta、está 都能按同一个词检索”^[2]。归一化决定了输入形态不同、含义相同的一批字能不能汇到一处。

解析不只切词，还要判断词的类别和搭配关系。引擎需要知道哪个词是主语、哪个词修饰哪个词，才能把查询和文档匹配起来。

这一步的产物通常不对外公开，站长看到的是结果，看不到中间标注。它影响的是匹配的精度，尤其是长查询和带修饰的查询。

Elastic 说明，建立索引时完整文本字段会被分析成词，用于建立倒排索引；搜索同一个字段时，查询字符串“要通过同一套分析过程”，检索用的词才能和索引里的词形态一致^[1]。倒排索引指从词反查文档的一张表。

两边不一致，匹配就会落空。站长把关键词放进标题和正文，引擎在文档侧才切得出这些词，查询侧也才有东西可对。

关键词要写在引擎切得出来的位置。标题、正文、alt 文本这些地方有实际文字，引擎才能切词；写在图片里或脚本里的词，切不出来。

Google 这样描述索引编制：“分析网页上的文本、图片和视频文件，并将信息存储在大型数据库中”^[3]。分析的对象是文字本身，站长要让文字以可读的形式出现在页面上。

生造词和错别字要在页面里写成一个正常说法。百度把搜索概括为提取的过程^[4]，也就是从海量数据中找出对用户有价值的内容，提取的前提是文字能被正确切分。

解析在改写之前。先把词切开、统一形态，再谈换说法和纠错。顺序反了，改写的对象就不存在。

解析也在意图判断之前。引擎要先知道用户的查询由哪些词组成，才谈得上判断用户想干什么。

无。