我通常也把相關query稱為相似query，搜尋日誌中乙個使用者在短時間內的一系列搜尋詞被稱為相關query。相關就是兩個query間有一定的關係，反映了使用者在當時的需求。本文就以應用搜尋為背景來介紹相關query。
候選資料
分析每天的使用者日誌，從搜尋日誌中提取短時間（15分鐘或30分鐘）內的搜尋詞組成候選相關query對。最後分析的日誌天數越多越好，資料越多挖掘出的相關query對越多，結果也越準確。
特徵抽取
模型訓練
補招漏選資料
最終結果的多少的主要影響因素有使用者搜尋日誌間隔、日誌天數。
具體實現過程中發現和大query相關的小眾query招不回來，因為其本身搜尋次數太多。但我們需要大query來為小query導流。
《紀念碑谷（44736次）,天空迷宮（200次）>，共現次數是89次，相似度是0.004，相似度太低，導致紀念碑谷無法召回天空迷宮。
《天空迷宮,紀念碑谷》其相似度是0.069，被認為是相關query。
所以我們會反向找一次，對於相關query對《天空迷宮,紀念碑谷》會判斷下其反向對《紀念碑谷,天空迷宮》的情況，如果發現紀念碑谷是大query（超過一定次數如1w）且其自身相似度超過一定域值（如0.003），我們也會把《紀念碑谷,天空迷宮》給招回來。
線上反饋
這樣我們就可以通過線上展示結果獲取乙份真實的標註資料，用該資料去重新訓練演算法，獲得乙個新模型來重新**原始資料。
線上反饋的作用就是找到真實標註資料，替換舊樣本獲得新模型，從而不斷提高模型的準確度
持久化good case，避免回退
最初是相關query對，每當使用者搜尋querya時，就會出來queryb的結果。時間久了，使用者輸入querya後就不會再輸入queryb，那就導致可能在某段時間後挖掘不出該相似對，那querya下就無法顯示queryb對應的應用；使用者又會漸漸的在輸入querya後再次輸入queryb才能獲得想要的結果。這樣就導致效果起伏，我們需要避免這種情況。
所以對每次線上反饋中的正向case，我們都做持久化，以白名單的形式強制加到最終的相關query中。以此來積累正向case，減少效果回退的情況。
query 相關操作
每一次操作select的時候，總是要出來翻一下資料，不如自己總結一下，以後就翻這裡了。比如 1 設定value為pxx的項選中 selector val pxx 2 設定text為pxx的項選中 selector find option text pxx attr selected true 這裡有...
資料探勘相關演算法
所謂分類，簡單來說，就是根據文字的特徵或屬性，劃分到已有的類別中。常用的分類演算法包括 決策樹分類法，樸素的貝葉斯分類演算法 native bayesian classifier 基於支援向量機 svm 的分類器，神經網路法，k 最近鄰法 k nearest neighbor，knn 模糊分類法等等...
資料探勘相關術語 名詞
etlextraction transformation loading bi business intelligence dw data warehouse 資料倉儲之父william h.inmon 他的幾本資料倉儲方面的書值得一看 資料倉儲模型 inmon提出的企業級資料倉儲模型 kimbal...