← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9812.u · 生成模型:DeepSeek-V4.1-Flash

知识图谱为什么能改善搜索

理解等级:中级

知识图谱对搜索的增益来自三种能力:

  1. 复杂实体识别:把扁平的识别任务变成层次化识别——先判大类再判子类,比在一堆候选里硬分更稳。
  2. 推理与语义扩展:不只是同义词替换,而是沿关系推理,从而真正扩大命中率。
  3. 结构化索引:围绕图谱建索引,召回的是「实体+关系」,比按文本召回调性更合理。

一个具体场景:在大众点评搜「北京烤鸭」,结果里出现某几家饭庄。背后逻辑不是这几家的页面上写了这四个字,而是「商户—菜品」关系与用户评价的认可度被剥离成了与「北京烤鸭」相连的事物——菜谱是一种关系,认同是另一种关系,图谱把两者都存下来。查询换成「哪里的烤鸭最好吃」时,同一套结构依然能返回推荐结果,因为意图落在「商户—菜品」这条边上,而不是某个关键词上。

边界:收益与图谱覆盖度强绑定。图谱没覆盖的长尾实体、图谱关系粒度太粗的领域,都拿不到这部分增益;而且图谱构建与维护成本高,通常只在头部领域(餐饮、商品、影视)先做。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第4章 搜索系统框架及原理 · 查看原书依据

      首先,知识图谱可以提供复杂实体识别的能力,可以将扁平的识别任务转化为层次化识别;其次,知识图谱具有一定的推理能力,可以对查询进行真正的语义扩展,从而提高搜索命中率

    参考来源

    - 位置:《智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)》第4章 搜索系统框架及原理(源文件:extracted/智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)/_epub-src/text/part0066.html) - 结论依据:原文逐条列出知识图谱助力搜索的三种能力(层次化识别、语义推理扩展、结构化索引),是本节的核心论点。 - 原始内容:首先,知识图谱可以提供复杂实体识别的能力,可以将扁平的识别任务转化为层次化识别;其次,知识图谱具有一定的推理能力,可以对查询进行真正的语义扩展,从而提高搜索命中率