Search Systems

搜索是一个从显式 query 出发的决策系统。它与推荐共享 retrieval + ranking 的骨架，但需要更强地处理词项匹配、意图理解、相关性和结果可解释性。

Intent → Candidates → Relevance → Results

Turn a short query into a ranked set of useful results.

完整链路包括 query understanding、indexing、retrieval、ranking、result composition 和 evaluation。

System Map

Intent

Query Understanding

分词、纠错、改写、suggestion 和实体理解，减少用户表达与索引之间的落差。

Storage

Indexing

倒排索引、向量索引和增量更新决定候选能否被快速找到。

Candidates

Retrieval

词项、语义和规则路径共同保证相关性、覆盖与时效性。

Ordering

Ranking

融合文本相关性、质量、时效、个性化和业务约束。

Search vs Recommendation

维度	Search	Recommendation
意图来源	显式 query	历史行为与上下文
候选基础	索引与 query match	多路召回与用户表示
主要目标	relevance + satisfaction	long-term utility + engagement
失败感知	用户通常立即发现不相关	反馈可能延迟且更隐式
探索需求	相对较低，但仍需处理长尾	常需要探索新内容和新兴趣

Reading Path

1. 先理解 Recommender Retrieval 与 Ranking 的通用框架。
2. 对照 Computer Networks 和 System Design 理解索引服务的延迟与可用性约束。
3. 用 query reformulation、hybrid retrieval 和 learning-to-rank 补上搜索特有部分。