站内搜索如何提升用户的体验？(1)(图)

　　站内搜索如何提升用户的体验？(1)(图)

　　转载：

　　站内搜索一级优化

　　php1>。概述：

　　顾名思义，网站上的搜索引擎就是网站中的信息搜索引擎。随着互联网的发展，网站已成为企业或机构最重要的公共形象门户。每天都有大量的潜在客户、合作伙伴、投资者、分析师等登录公司的网站，网站给他们带来的感受将直接影响他们对公司的评价。根据IDC的调查：当用户登录网站时，如果一开始无法快速检索到他需要的信息，50%的用户会立即离开这个网站，60%的用户将不再光顾这个网站 意味着公司将永远失去 30% 的潜在客户。

　　当然，我没有验证以上数据的准确性，但可以看出，网站上显示的搜索结果质量的准确性对用户体验非常重要。

　　注：以下搜索引擎特指本站内搜索

　　php2>。搜索引擎的修养：

　　优秀的站点搜索除了有醒目的漂亮的搜索框外，还能快速准确地提供用户检索到的结果。此外，还有一些附加功能可以改善用户体验：

　　1.自动提示：不仅可以减少错误输入，还可以帮助我们推荐产品和产品类别；

　　2. 自动纠错：与“无搜索结果”相比，结果的显示总是会减少跳出的访问者数量。但这是一把双刃剑。如果推荐词的质量太低，搜索会显得不专业；

　　3. 相关搜索：基于同义词推荐的能力可以给访问者一些意想不到的搜索提示，增加覆盖率，增加用户点击率。

　　4.过滤结果或在结果中搜索：给用户更精准的搜索体验；

　　5. 排序方式：如果搜索有多个属性，比如下载次数、点击次数、或者表单站的评分，这样可以让用户在顶部找到他的关注；

　　6. 高级搜索.....

　　此处未列出

　　php3>。搜索引擎核心技术：

　　这涉及到的技术有：分词技术（幸好我们不做中文网站）、页面爬取分析（全文搜索）、索引、搜索匹配和排序算法、搜索关键词算法用于统计数据、关联和建议。

　　php4>。常用的网站搜索方法：

　　使用大型商业搜索引擎提供的界面：

　　例如google、yahoo、国内百度API

　　优点：简单省事，申请账号，使用API​​；

　　缺点：1.无法理解具体的搜索排序机制，无法控制显示结果，不利于调整；

　　2. 免费版有影响体验的广告。

　　自己实现：

　　2.1)sql 的喜欢查询：

　　代码实现比较简单，需要完全匹配搜索字符串，否则搜索不会产生结果，多关键字搜索结果显示效果不佳；

　　2.2)基于分词的搜索：

　　有一些开源项目： Lucene，在Java中比较有名，口碑不错，还有很多其他基于它的项目，可以支持大数据量的项目，速度快非常快。 Java项目也可以借鉴和集成在项目中，因为是Java写的，而且前期还需要嵌入表单站，所以只能忍痛割爱；

　　review的第二个开源项目是Sphinx，C++写的，比较主流，速度快，索引量大，搜索准确率不如Lecence。我试过它编译的exe文件。速度确实很快。听说它搜索到十亿数据级别的时间也是毫秒级别的，索引时间也是小时级别的，以后可以考虑使用；

　　但是他们都有的问题是，很厉害，但是项目比较大，封装了接口给我们调用。我们需要修改内部算法。可能有更多代码需要跟踪。考虑到时间因素，我们选择了一个轻量级搜索框架sphider，整个项目代码量不到300K，估计死了10000行，基于mysql和php。看完后，简直是高了。这就是我们需要找到的，跟踪它的代码后，就可以大致了解一个搜索引擎整体的工作原理了。我们下面展示的搜索是对其搜索功能的移植和微调：

　　步骤 1>

　　获取源数据：如果要检索一个网页的内容，我们需要搭建一个爬虫来抓取需要检索的网页内容，并存入数据库，但是我们转换过来的html pdf其实不是很正规，搜索到的关键词大部分都是猫名或者帖子名，所以我们省略了这一步，直接取数据库中的字段作为元数据；

　　步骤 2>

　　分词，提取关键词，创建索引，代码见：SearchindexController.class.php

　　1）新增数据表：keywords表，keyword_post多个，keyword_cat多个

　　2）接口：indexallpost(), indexallcat()

　　注意：分词速度较慢。后来跳出thinkphp框架，用纯SQL写了一个加速版。索引 400,000 条数据大约需要 4-5 分钟。当然和aphinx等还是有很大差距的，有机会再次Release

　　代码逻辑：

　　->indexPost() & indexCat()：获取数据源内容

　　->unique_word_array()：根据多条规则（分隔符、忽略词、提取词干）对每条数据进行切分

　　->计算权重（因为描述等都是自动生成的，没有意义，所以权重只是简单计算关键词在数据源中出现的次数）

　　->save_post_keywords()：插入数据库的关键字表，（keyword only一）

　　->save_post_keywords()：然后插入多个关系表（delete_post_keywords_relation()：提前删除关系表中的post数据，多表的存在可以缓解单表的压力）

　　至此，分词完成！

<p>