🗡️ 扩展与重写：搜索意图的“放大镜”与“定准星”

查询扩展 (Expansion) 重在“加料”，查询重写 (Rewriting) 重在“正本清源”。 它们共同解决了用户表达与系统索引之间的“语义鸿沟”。

🎯 为什么需要？

• 语义不匹配：用户搜“西红柿”，文档写“番茄”。
• 查询过短：用户搜“苹果”，无法判断是想买手机、找水果还是看电影。
• 长尾查询：生僻的表达导致词法检索零召回。

---

🧭 系统链路中的位置

扩展与重写发生在意图识别之后，召回之前。它将原始的输入信号转化为丰富的检索指令。

---

🧩 方法谱系与直觉

一、查询重写 (Query Rewriting)

重写的目标是将“非标准”转化为“标准”。

方法	描述	示例
纠错重写	修正拼写错误	jave -> java
别名归一	将别名转换为标准实体名	ip14pm -> iphone 14 pro max
去噪/精简	去除冗余的语气词或修饰语	我想买好吃的苹果 -> 苹果
结构化重写	提取属性并转化为 DSL	红色连衣裙 -> color:red, cat:dress

二、查询扩展 (Query Expansion)

扩展的目标是增加“相关信号”，提升召回率。

1. 同义词扩展 (Synonym)：基于人工维护的同义词典或知识图谱。
2. 派生/近义扩展：基于 Embedding（如 Word2Vec, BERT）寻找空间邻居。
3. 上下位扩展：从具体到抽象（如“宝马” -> “德系车”），或从抽象到具体。
4. 生成式扩展 (Generative)：利用 LLM 根据上下文生成相关的改写描述（如 RAG 场景下的 HyDE 策略）。

---

⚙️ 工程实现：核心逻辑

下面是一个结合“词典”与“语义相似度”的极简扩展原型。示例依赖 sentence-transformers，用于说明思路，生产系统需要把模型加载、向量缓存和阈值配置做成稳定服务。

import jieba
from sentence_transformers import SentenceTransformer, util

class QueryExpander:
    def __init__(self):
        # 基础同义词典
        self.synonyms = {"退烧": ["解热", "降温"], "手机": ["智能机", "移动电话"]}
        # 加载轻量级语义模型
        self.model = SentenceTransformer('paraphrase-multilingual-MiniLM-L12-v2')
        self.knowledge_base = ["iPhone", "安卓手机", "退烧药", "感冒灵"]

    def expand(self, query: str):
        tokens = jieba.lcut(query)
        expanded = set(tokens)

        # 1. 词典扩展
        for t in tokens:
            if t in self.synonyms:
                expanded.update(self.synonyms[t])

        # 2. 语义搜索扩展 (仅做演示)
        query_emb = self.model.encode(query)
        kb_embs = self.model.encode(self.knowledge_base)
        hits = util.semantic_search(query_emb, kb_embs, top_k=1)[0]

        for hit in hits:
            if hit['score'] > 0.8:
                expanded.add(self.knowledge_base[hit['corpus_id']])

        return list(expanded)

# 使用示例
expander = QueryExpander()
print(expander.expand("退烧药")) # ['退烧', '解热', '降温', '退烧药', ...]

---

📊 效果评估与风险控制

核心指标

• 扩展覆盖率：有多少查询被成功扩展。
• 召回率提升 (Recall Gain)：引入扩展后，正确答案出现的概率提升。
• 精确度损失 (Precision Drop)：扩展是否引入了无关的噪音（Query Drift）。

风险管理 (Guardrails)

1. 置信度阈值：语义模型分数低于 0.8 时不进行扩展。
2. 黑名单过滤：禁止扩展敏感词或引发歧义的词。
3. 分层召回：将原始 Query 与扩展后的词分两路召回，给予原始词更高的权重（Must Match）。
4. A/B 测试：严格观察 NDCG、点击率以及用户侧的“bad case”反馈。

---

🤔 思考题

1. 为什么“无脑”增加扩展词可能会导致搜索质量下降？
2. 在 RAG（检索增强生成）系统中，查询重写（Query Rewrite）扮演了什么角色？
3. 面对“土豆”和“马铃薯”这种同义词，你会选择在召回阶段扩展，还是在索引阶段就做归一化？

🎉 章节小结

扩展与重写是搜索系统的“放大镜”与“定准星”。扩展负责“广撒网”，确保不漏掉相关信息；重写负责“定准星”，确保搜索方向不偏。在生产实践中，必须平衡召回的增益与精度的损耗，通过多层风控机制确保系统的稳定性。