一、候选 sug 词数据来源：
商品侧：query 召回的商品数、query 召回的订单数
query侧：QV、QV_CTR、QV_CXR
从这两个角度选出的 query 作为 sug 词候选集
二、数据处理（分析）
规则挖掘、FP算法挖掘、商品标题NER标签提取：功效/品牌/适用群体/适用场景+简名
三、sug 词召回
query:商品侧 vs query侧
query处理：原始query(未处理) vs 改写query
原始query/改写query-->分词-->基于分词结果从候选集中进行前缀召回
原始query/改写query-->拼音前缀匹配召回
原始query/改写query-->连续子串匹配召回
四、排序
query 侧召回的词 > 商品侧召回的词
搜索PV
固定指标：QV_CTR/QV_CXR
五、评价指标
sug 词点击率
搜索框点击跳出率
相关产品功能的转化指标等
六、工程技术方案
https://github.com/hankcs/AhoCorasickDoubleArrayTrie 双数组字典树，key 是查询词，value 支持对象(sug结果词+各种指标(搜索 uv、QV_CTR、QV_CXR))
标签：sug,方案,QV,--,搜索,召回,query From： https://www.cnblogs.com/hapjin/p/15816935.html