电商运营之站内搜索的全面指南（七）( 五 )_：电商运营之站内搜索的全面指南（七）

目前从训练集上来看，收集的方式主要有两种，第一种是人工中心词收集，第二种则是机器分析与训练。

人工中心词收集

这个方案其实是比较讨巧的，基于规范的词典词语来进行收集，主要收集物品词&品牌词。

之所以要选定物品和品牌词收集还是基于上一章提过的app购物行为假设，即用户在购物app中始终是以搜索物品或者品牌的型号/物品为最终目的。

如果用户进入app不进行物品词或者品牌词搜索，这个用户对该app而言的价值显然会大打折扣，也许有的人会说，每天搜索的人那么多，保不齐会有人搜索比较范范的词，那不算吗。其实是算的，但是我们现在讲得是基于统计概率来说，如果95%的人都搜索物品和品牌，那么你现在纠结5%的人不是这样的情况显然是没有意义的。还是那句话，越是想两全，越是两遍都不全。好了，言归正传。收集的流程如下图：

道理很简单，即通过收集站内每个类目所售卖的物品，同时通过拓展这些物品词的同义词和上下位词，来对应这些类目。同时机器也可以通过算法来进行收集，对所有商品标题进行ngram统计切分，统计出每个类目出现频率最多的词和词组等，与人工收集的相对照进行检验和补充。这样我们就得到了一个物品词-类目的对应表。一个简单高效的训练集就诞生了。