关键词命中后,再判断内容是不是目标意图
同一关键词在不同笔记里意思可能完全不同。自动薯在关键词命中后再做一层语义判断,避免在场景不对的笔记下互动。
它解决的问题
用关键词"敏感肌"举例:可能匹配到的笔记包括产品推荐、皮肤测试、过敏吐槽、医美记录、卸妆分享等。如果只看关键词,容易出现"评论内容与笔记场景完全不匹配"的情况。
语义层要做的事,就是在关键词命中后,判断这条笔记是否真的处于"我要找的目标意图"中,而不是字面命中但场景不对。
工作流程
关键词→
初筛→
语义理解→
意图判断→
符合 → 继续·
不符合 → 跳过
与普通关键词截流的关系
语义层是关键词截流的"第二道闸门"。前者挑词,后者挑意图。两者配合,可以降低跑题互动概率。
- 如果只用关键词,匹配数量多但意图分散,容易显得"啥都评论"
- 如果只用语义,关键词宽泛时召回不够,容易错过机会
- 两者串行使用,先关键词缩范围,再语义判断挑意图,通常更稳
用户搜索意图模板
为了让语义判断更接近你的真实意图,自动薯支持配置意图模板。例:
- 产品推荐型:用户准备买什么 / 在对比什么产品
- 经验求助型:用户遇到什么问题 / 想找解决方案
- 评测对比型:用户在几个选项之间犹豫
- 行业讨论型:用户在聊某个话题或观点
选错模板会直接影响结果。模板描述越具体,语义判断越聚焦。
边界与不能保证的事
- 语义判断基于现有模型能力,不能保证所有场景都准确
- 小语种、方言、新词、品牌缩写可能识别不稳
- 建议把语义筛选作为兜底,而非替代人工复核
- 对于全新行业或细分场景,需要先观察一段时间再加大自动化强度