首先介绍一下搜索的物理逻辑：用户输入信息，系统根据输入的信息匹配相对应的内容，再按照特有的rank逻辑进行排序展示。这个表述只是简单的介绍，如果想要知道具体的原理，还需要深入到搜索词库的建立。每个搜索系统都有一个词库和一个索引库，他们之间是可以进行快速的关联匹配的，词库就好比一本书，索引库就好比目录，当你心里有具体想翻阅的某个内容时，就可以根据目录找到页码，匹配到相关内容。实际上「查书」这样的动作就已经构成一个简单的搜索过程了。那么，机器检索复杂在哪里?这边要介绍一个新的概念：分词。

　　给大家看个幽默图片轻松一下，这位老母亲也是为自己的崽崽操碎了心。在图片中，用户输入检索内容时，你会发现，这个文本结构非常的口语化，「女儿高高胖胖穿什么好看」这更像是一个问句，很明显用户对于内容没有明确的预期。如果用这样口语化的描述性文本在淘宝中进行搜索，会出现什么样的结果呢?结果将会是没有匹配。

　　既然这样搜不到，那我们换个思路来吧，「女儿高高胖胖穿什么好看」，是不是可以换成「高个的女孩穿显瘦服装」这样的文本进行检索呢?我们来试试看。

　　咦，还是没有，那我们干脆再简化字段扩大搜索范围吧，换成「高个女显瘦」来搜索呢?

　　结果匹配到了很多漂亮时尚的衣服，搜索完成。

　　回头再梳理一遍过程，我们从「女儿高高胖胖穿什么好看」这样的非结构化文本到「高个的女孩穿显瘦服装」再到「高个女显瘦」的简化过程，就是一次人工分词操作。如果在足够智能的搜索引擎上，这些都可以自动完成。分词，简单表述为：拆分滤用字符串。例如，三国的军事家司马懿。可以拆分为「三国」、「的」、「军事家」、「司马懿」这些词组。那在分词系统中，「的」、「是」、「在」是常见的停用词，通常会被直接pass掉，词组进一步拆分为「三国」、「军事家」、「司马懿」。经过这样的处理，非结构化的内容就会转化成结构化的，可匹配度高的词库，可以轻易的匹配到想了解的内容。说了 这么多搜索原理，那优化思路在哪呢?这里说两点自己的看法。

　　词条归一

　　这是针对词库的优化，说到这个，得介绍一下搜索系统匹配关键词的规则「TF-IDF算法」。假如用户在百度上搜索「苹果」，那苹果有很多相关的信息文档，怎么才能准确匹配呢?系统需要提取这些信息文档的关键词，感兴趣的小伙伴可以百度公式。系统计算出文档里每个词的TF-IDF值后，然后按降序排列，取排在最前面的几个词与搜索词匹配就可以得到准确的匹配结果，不会出现我搜的是苹果，出来的是青苹果乐园。进一步的还有Lucene的打分系统，让好的，召回率高的内容优先展示。说了这么多，词条归一到底是什么?其实就是将同一词义的词组归为同一个词，比如苹果的别称有「蔷薇科苹果属果实」、「柰」、「滔婆」、「apple」、「りんごちゃん」等等，这些词组说的都是同一个意思，所以词条归一就是将这些词组归为同一类别，扩大匹配范围，提高关键词召回率。

　　更符合业务目标的rank逻辑

　　我们在搜索完成后，会看到搜索结果会按照特定的顺序排序，再进行展示。有些产品中，展示的顺序是否能够切合业务目标，会直接影响到产品的收益。所以，制定展示逻辑的算法要高度理解业务内容，实时回归业务进行规则的更新。