（二）归一化

　　为什么不拿着用户的搜索词，直接去查询(keyword, ad)的索引呢？因为用户的搜索词千变万化，由于计算机性能的限制，我们不可能对所有的搜索词建立到竞价的广告的倒排索引。很多搜索词，虽然形式不一样，但是他们代表的用户意图可能是一样的。用户输入的查询多种多样，在搜索引擎有限的计算能力和存储资源下，不可能对每一个原始的用户查询串建立倒排索引。

　　为了解决这种问题，就引出了归一化的方法，归一化原本是统计学中概念,这里是指把用户搜索词(查询串)和广告主的买词(竞价词)，转化到一个搜索引擎内部的检索词典里。归一化是一个多对一的关系，即好几个搜索词，对应的归一化词可能是同一个。查询改写后产出的所有词，都是经过归一化后的词。广告搜索引擎中是用归一化后的词去检索广告。而用户的竞价词，也是通过归一化后建立的倒排索引。

　　归一化的好处是能够帮助我们减少搜索引擎需要处理的词的数量，帮助我们降低问题的规模，但是也是坏处，可能会丧失掉一些语义信息的精度。搜索词和买词往往是人操作产出的，更具有可读性，而归一化是一种数学方法，归一化后的词可读性差一些。

　　（三）查询改写的输出

　　可以这样简单理解查询改写的：

　　它就是搜索引擎进行匹配(Match)的大脑，用来揣测出用户的搜索意图，这些搜索意图是有权重区分的，来指导检索模块进行检索，排序模块进行排序

　　对于搜索广告，一般的查询改写输出，包含以下几个部分：

　　改写出的查询(rewritten query)。每个查询都会包含如下的信息：

　　查询词：最终用来查询倒排索引的查询词

　　权重：刻画跟原始搜索词的相关性

　　对于电商环境的查询改写(例如淘宝和京东)，还会预测出当前query的类目和属性

　　关于类目属性，可以看看鬼脚七的浅谈淘宝类目属性体系

　　关于query改写，有这篇诙谐幽默的文章可以看看：

　　从狄仁杰的测字占卜到一淘网的Query分析之大结局

　　（四）检索

　　倒排索引和正排索引

　　查询改写是query->bidword的映射,而检索过程是bidword->ad的映射，即找到所有购买了这个竞价词的广告。查询的时候是用检索词去查广告，为了加快速度，就建立了一份竞价词到购买了此竞价词的广告的倒排索引: bidwordx->(adi, adj, adm, adn)。这个跟网页搜索引擎中的倒排索引(inverted index)的作用是一样的，都是为了加快检索速度，类似于书籍中的目录页。这样对于一次检索，遍历此次所有查询词的倒排数据，把宝贝取出来，就能得到广告的候选集合。