查询扩展及其在视频搜索召回率中的作用
查询扩展是搜索系统中用于增强用户原始查询的技术，通过添加相关术语、同义词或上下文变体来实现。其目标是解决简短或模糊搜索词的局限性，这些词语通常无法捕捉相关内容的完整范围。例如，搜索“赛车”的用户可能会从扩展的查询中受益，该查询包括诸如“一级方程式”、“纳斯卡”或“赛车运动”等术语。在视频搜索中，这特别有用，因为视频元数据（标题、描述、标签）可能不一致或稀疏。通过扩展查询，系统增加了匹配使用替代术语描述相同概念的视频的可能性。
通过更广泛的匹配提高召回率 搜索中的召回率是指系统检索所有相关内容的能力。如果没有查询扩展，搜索“自行车特技”可能会遗漏标记为“BMX特技”或“自由式自行车”的视频，因为关键词不完全匹配。通过自动添加同义词或相关短语，搜索范围涵盖更广泛的元数据，从而捕获原本可能被忽略的视频。例如，将“AI 教程”扩展到包括“机器学习指南”或“深度学习讲座”可确保包含使用这些术语的视频。这在视频平台中至关重要，因为创作者可能会使用非正式或小众术语（例如，“开箱”对比“产品评测”）。查询扩展弥合了词汇差距，通过撒下更广泛的语义之网，直接提高了召回率。
实现方法和权衡 开发者可以使用同义词列表（例如，WordNet）、基于嵌入的模型（Word2Vec、BERT）或伪相关反馈（分析顶部结果以提取附加术语）等方法来实现查询扩展。例如，系统可以使用预训练的语言模型为“足球”生成上下文相似的术语（例如，“英式足球”、“英超联赛”）。然而，这存在一个权衡：过度扩展查询可能会通过包含不相关的结果而降低精确率。为了缓解这种情况，可以使用加权术语提升（优先考虑原始关键词）或基于共现统计量进行过滤等技术。Elasticsearch 等工具提供了内置的查询扩展功能，允许开发者试验同义词加权等参数。虽然主要优势在于提高了召回率，但仔细调整可以确保覆盖范围与相关性之间的平衡对用户来说是实用的。