11｜精准 Top K 检索：搜索结果是怎么进行打分排序的？
搜索引擎排序核心在于打分与Top K检索。本文详解三种打分算法：经典TF-IDF衡量词频与区分度；BM25在此基础上引入文档长度、词频饱和等优化，支持参数调节；机器学习则融合上百因子自动学习权重，提升排序精度。最后通过堆排序高效实现Top K结果返回，兼顾性能与效果。适合搜索、推荐等场景。
15 | 最近邻检索（上）：如何用局部敏感哈希快速过滤相似文章？
在搜索引擎与推荐系统中，相似文章去重至关重要。通过向量空间模型将文档转为高维向量，利用SimHash等局部敏感哈希技术生成紧凑指纹，结合海明距离与抽屉原理分段索引，可高效近似检索相似内容，避免重复展示，提升用户体验。该方法广泛应用于网页去重、图像识别等领域。
最近邻检索（上
在搜索引擎与推荐系统中，相似文章去重至关重要。本文介绍基于向量空间模型的近邻检索方法，将文档表示为TF-IDF加权的高维向量，通过计算向量间相似度识别重复内容。为提升检索效率，引入局部敏感哈希（LSH）技术，快速筛选潜在相似文章，有效优化用户体验。
精准 Top K 检索
本文介绍搜索引擎中Top K检索的打分排序机制，重点解析TF-IDF与BM25算法。TF-IDF通过词频与逆文档频率衡量词语重要性，而BM25在此基础上引入非线性增长与文档长度归一化，提升排序准确性，是现代搜索系统的核心技术之一。（238字）
11｜精准 Top K 检索：搜索结果是怎么进行打分排序的？
搜索引擎排序核心在于打分与Top K检索。本文详解三种打分算法：经典TF-IDF衡量词频与区分度；BM25引入文档长度、词频上限等优化，效果更优；机器学习则融合数百因子自动学习权重，适应复杂场景。最后通过堆排序高效实现Top K结果返回，提升性能。
15 | 最近邻检索（上）：如何用局部敏感哈希快速过滤相似文章？
在搜索引擎与推荐系统中，相似文章去重至关重要。通过向量空间模型将文档转化为高维向量，利用SimHash等局部敏感哈希技术生成紧凑指纹，结合海明距离与抽屉原理分段索引，可高效检索近似重复内容，在百亿网页中快速过滤雷同结果，提升用户体验。该方法适用于文本、图像等多种对象的相似性检测。
极致体验无小事：Weex购物车基础优化实践
手机淘宝购物车团队在完成Weex技术升级后，聚焦基础体验精细化治理，覆盖暗黑模式适配、热区对齐、皮肤样式优化、适老化改造与多终端兼容。通过舆情、数据与用户视角三轨驱动，实现从功能交付到体验交付的思维升级，打造更流畅、包容、个性化的购物体验。
