搜狗搜索 · 一次输入，全网答案

搜狗搜索的智能排序：从关键词匹配到意图理解

过去十年，搜索的核心逻辑经历了三次明显的迁移：从关键词字面匹配，到链接权重排序， 再到今天的语义理解与答案生成。每一次迁移背后，都是用户提问方式的变化—— 人们不再输入两三个词，而是直接写下一整句困惑。

一、意图识别：先理解问题，再检索

当用户输入「适合通勤看的短剧推荐」时，系统需要同时识别出场景（通勤）、 内容形态（短剧）与行为目的（推荐），而不是简单匹配「短剧」两个字。 搜狗搜索在查询理解阶段引入多任务模型，把意图、时效与地域信号拆开处理， 再合并成一个可执行的检索计划。

• 场景识别：判断用户处于工作、通勤还是休闲状态
• 时效判断：区分「最新」与「经典」两类需求
• 地域修正：结合当前位置给出可用结果

二、多源聚合：把散落的结果拼成一张网

同一个问题，答案可能分散在网页正文、视频字幕、问答社区与学术论文里。 聚合的意义不是把结果堆在一起，而是让它们互相印证，形成层次清晰的阅读顺序。

三、答案摘要：让用户少点三次

AI 摘要的目标是减少无效点击。系统会先阅读多个来源，抽取出共识部分， 把存在分歧的观点单独标注出来，并附上每一条结论的出处链接，方便核对。

四、可信度加权：来源、时效与交叉验证

排序模型会综合来源权威度、发布时间、内容完整度与跨源一致性四个维度打分。 当多个独立来源指向同一结论时，该结论的权重会被显著提升； 反之，孤立的、无法交叉验证的说法会被降权处理。

• 来源权威度：机构、专业媒体与个人博客区别对待
• 时效权重：新闻类查询优先近期内容
• 交叉验证：多源一致的结论优先展示

这套机制的最终目标只有一个：让用户用更少的点击，得到更可靠的答案。