搜索

补充不同检索场景、用户满意度与离线代理指标之间的区别；构造会话对比，不能把NDCG当满意度。

• 王树森 · 搜索引擎技术 ↗基础第1–2讲

边界: 人工会话不代表真实满意度；NDCG是离线代理。

增加分级相关性、标注分歧与pooling；手算gain/discount；旧SciFact读取将正标签二值化，不冒充分级标签实验。

• 王树森 · 搜索引擎技术 ↗相关性第1–2讲

边界: 构造分级判断；SciFact保持二值与不完整qrels。

做字典切分、歧义与OOV的可运行对照；解释神经子词与词切分的不同，不把手写词例称真实业务评估。

• 王树森 · 搜索引擎技术 ↗目录：查询词处理 → 分词

边界: 人工词例、双向字典匹配与候选计数；没有中文神经切词模型训练。

从词权重出发学习标题/正文、必选词与软权重，比较改权重后的候选和误召；不能将IDF覆盖等同完整query理解。

• 王树森 · 搜索引擎技术 ↗相关性第3讲：文本匹配分数

边界: 四文档字段线性机制，不是BM25F或生产词权重学习。

先定义可检验标签与任务，再实现小样本训练或清楚标注规则机制；数据类别不能伪称电商类目或中文用户意图。

• 王树森 · 搜索引擎技术 ↗目录：查询词处理 → 类目与意图识别

边界: 主题/动作人工标签与规则拒识，无真实用户意图准确率。

建立同义/拼写/约束词改写与原查询对照；评估漏召与误召、改写失败和原查询回退；不以生成流畅代替检索正确。

• 王树森 · 搜索引擎技术 ↗目录：查询词处理 → 查询词改写

边界: 固定纠错同义规则和故意失败改写，无生成模型收益。

补AND/OR、短语与位置、字段约束；建小索引并用穷举核验。增量/删除作为工程拓展，不包装成分布式引擎。

• 信息检索导论 · Manning / Raghavan / Schütze ↗第1–2章：布尔检索、词项与倒排
• 王树森 · 搜索引擎技术 ↗目录：召回 → 倒排索引

边界: 四文档位置索引、穷举核验与重建换代，不是分布式增量引擎。

复用现有章节；放在查询分析与倒排之后，补与前序词权重及误差的连接。

• 信息检索导论 · Manning / Raghavan / Schütze ↗第11章：概率信息检索
• 王树森 · 搜索引擎技术 ↗相关性第3讲

边界: 26章原真实BM25实验；已见测试只作诊断。

保留冻结编码器教学；明确并未完成召回编码器训练或工业embedding系统。

• 王树森 · 搜索引擎技术 ↗目录：召回 → 向量召回

边界: 27章冻结MiniLM，不是召回编码器训练。

保留机制验收，不标成HNSW/FAISS完整复现；图索引、压缩等列进阶选修，可按资源补最小对照。

• 王树森 · 搜索引擎技术 ↗目录：向量召回；Lab展开候选预算

边界: 28章12簇教学索引，不是HNSW/FAISS全实现。

模拟缓存命中、TTL、陈旧文档与回退；统计成本和结果差异，区分特征缓存、候选缓存与结果缓存。

• 王树森 · 搜索引擎技术 ↗目录：召回 → 缓存召回

边界: 逻辑时钟与loader调用成本，不是实测线上缓存收益。

补交叉编码/双编码的输入和复杂度、pair截断与batch推理；真实打分与候选上限对照。

• 王树森 · 搜索引擎技术 ↗相关性第4讲：BERT推理
• BERT 原论文 ↗第3节：BERT

边界: 42章真实TinyBERT成对输入、截断/batch/预算对照只用训练分区；29章另保留已见测试查询的诊断。

显式做小预算相关性模型训练/微调和冻结对照，按query切分与train-only负例策略；只报教学select，新run隔离，不替换正式服务。

• 王树森 · 搜索引擎技术 ↗相关性第5讲：BERT训练
• Passage Re-ranking with BERT ↗成对输入与重排训练

边界: 32/8训练/选择query，128弱监督pair、2 epoch；无盲测或效果提升结论。

补pointwise/pairwise/listwise区别、训练目标与排名指标不一致；至少一个可运行目标对照，弱负例边界写清。

• 王树森 · 搜索引擎技术 ↗目录：排序 → 融合模型训练

边界: 构造分档三loss真优化；真实融合沿用29章弱负例。

在明确构造的查询候选上比较相关性与约束目标；讨论指标冲突、曝光偏差和线上实验边界，不声称商业增益。

• 王树森 · 搜索引擎技术 ↗基础第2讲：用户满意度；约束实验为Lab扩展

边界: 人工质量/主题与已知propensity机制；不推线上收益或真实IPS。

按前缀建议、相关查询与会话需求分别定义任务，做候选生成/排序/离线评估；合成query日志需显著标识。

• 王树森 · 搜索引擎技术 ↗目录：查询词推荐 → 场景、召回、排序

边界: 构造会话、模板重合显式披露；RR与前缀precision/recall仅机制。

补查询处理→多路召回→缓存→重排的可追溯链路、空结果和故障回退；新模块仍同一服务。

• 王树森 · 搜索引擎技术 ↗基础第4讲：搜索链路

边界: 构造教学API独立标识；原真实API与性能诊断沿用30章。

以S01–S17语义路径导航；17作为综合实验参考而非所有课程前置。每节标来源、先修、证据类型和覆盖状态。

• 王树森 · 搜索引擎技术 ↗六模块课程目录；综合复盘由Lab设计

边界: 课程语义顺序与来源/先修/证据导航；工业规模和进阶选修不在核心验收。