百度音乐搜索的容错技术

[sam408130]

一直很好奇百度音乐的容错搜索到底是怎么做的，例如在搜索‘七里乡’，‘天蜜蜜’，搜索引擎会自动容错为‘七里香’，‘甜蜜蜜’。本人能想到是：首先计算搜索query与库中歌曲的相似度（编辑距离），得到一批候选集，然后结合百度庞大的搜索log，算是一种热度吧，最终给出容错结果。

我本人想做音乐领域，语音搜索识别结果的容错，百度音乐的容错结果是很好的，不知道他们用了什么更好的技术，求指点~~ - -!

[xdeng]

直接调用它的接口不就行了

[binux]

+ 根据用户行为

[sam408130]

@xdeng 如果可以掉api，我就不用这么苦恼了

[sam408130]

@binux 我这边没有那么多用户数据，目前自己构建一个音乐数据的本题库，使用pagerank计算了节点的重要性，结合百度音乐自带的热度，给每首歌曲，每个歌手一个得分吧，拿这个得分当歌曲歌手最终热度

[xdeng]

@sam408130 直接 抓取网页不行吗？ 就想采集一样？

[sam408130]

@xdeng 抓网页肯定不行，用户量上去了，得考虑到自身网络被封的危险性呀，被封了不就gg了

[SkyTodInfi]

最简单的,建一个大的歌曲名库,来一个词匹配最近的几个展示,可以按一个字一个字匹配.
刚开始不用搞得那么复杂,先糙快猛用上看效果,再慢慢改进

[11]

其实，一种启发式就是，把输入的汉字转成拼音，然后每首中文歌会有个pinyin字段，然后匹配这个字段就可以了。

所以，你搜索 qilixiang 也会搜到「七里香」的。

[sam408130]

@SkyTodInfi 嗯，我现在用的是倒排表，在门限以内的相似歌曲中，构建前缀树，计算编辑距离，然后结合之前算好的歌曲得分，给出最终结果。其实我的方法效果也不错，就是不知道改怎么提高了。

[sam408130]

@11 嗯，这个我也考虑进去了，在计算编辑距离的时候，如果拼音相同，我就不扣分了