梳理梳理。 在DNN上线之前， 用户搜索“ghibli车头任何放置车牌”时由于相关信息hen少，没有什么页面是以这个查询词为标题或者页面出现这些关键词的，所以搜索后来啊质量不高，传统搜索算法只Neng按关键词匹配返回一些ghibli相关信息，却几乎没有“车头任何放置车牌”的信息。

长尾查询的挑战

这种长尾查询数量hen大，每天Google收到的查询里有15%是以前dou没出现过的这个。这种查询要靠关键词匹配就比较难以找到高质量页面 数量太少， 被割韭菜了。 甚至没有，但理解了查询的语义和意图，就Neng找到满足用户需求的、关键词并不完全匹配的页面。

DNN训练的示意图

简单说 就是对同一个查询词，模型分析了真实用户点击了的页面的标题，和没有点击的页面标题，从而geng深入理解哪些标题是满足了用户需求的。经常出现的情况是 页面标题并不包含查询词，用户却geng愿意点击这些页面说明这些页面满足了用户需求，这些页面的标题，即使不包含查询词，也是与查询词语义相关的。这是经典的页面-关键词相关性算法无法计算出来的，白嫖。。

百度的DNN模型

演讲里提到了百度XX年上线的DNN模型， 极大提高了语义相关性的判断范围和准确性，XX年百度相关性提高的34%来自于DNN模型，XX年全年相关性提升的25%来自DNN模型。 我明白了。 DNN模型使用的就是深度学习方法，通过XX亿的用户点击数据训练模型，有超过XX亿个参数。

Google RankBrain的启示

挖野菜。 XX年RankBrain上线时 XX%的查询词，XX年所有查询词dou要后来啊RankBrain处理。

长尾关键词的挖掘

在传统SEO实际操作中， 长尾关键词的挖掘往往受限于人工经验与工具效率，难以精准捕捉细分领域的流量机会。智Neng算法通过整合自然语言处理与...，结果你猜怎么着？

AI赋Neng的搜索和对话交互

前几个月kan到了百度朱凯华的一篇《AI赋Neng的搜索和对话交互》演讲报道。数年前和朱凯华还Zuo过一次访谈， 那时候他还是Google的主任架构师，是著名的熊猫算法的主要参与者之一，现在他是百度的首席架构师了。演讲内容hen多，感兴趣的搜索标题就Neng找到全文，hen值得深入读一下，太魔幻了。。

AI技术的应用前景

但我想，人工智Neng大规模应用于搜索算法是早晚的事。据说以前百度大搜索部门和人工智Neng/深度学习部门之间是有些矛盾的， 现在吴恩达离开了百度，陆奇对百度又进行了hen多人事调整，搜索部门对人工智Neng的排斥也许就大大降低了。

AI搜索算法的基本原理

文章浏览阅读3k次点赞25次收藏9次。AI搜索算法的基本原理是多方面的， 它们、数据结构、搜索策略、问题建模、优化技术、适应性学习跨领域应用、性Neng评估以及与其他AI技术的融合，形成了一套复杂而高效的解决方案寻找机制，开倒车。。

通过深度学习和自然语言处理等技术， AINeng够分析大量的数据，包括用户搜索行为、内容相关性和竞争对手的关键词策略。这不仅提高了关键词选择...