算法能力的建设。。。。
ner
crf++：
1.生成实体标注数据（人工标注或者挖掘，cp数据）；
2.query根据实体自动标注或者人工打标；
3.配置模板或根据query生产模板；
5.生产训练数据。
排序
模型汇总：lightGBM 、xgb、ranknet、lambdarank、lambdamart、pointwise、pairwise、listwise
特征工程
单边特征：
1.user意图id，ner、纠错，语言模型
2.doc是否有ner特征，意图特征；
双边特征：
1.语言模型相似度
2.编辑距离，cqr，ctr，BM25，距离比例
3.共现session数，共现query session数，共现query PV UV，共现次数排名，共现拼音数，共现字符数
4.是否品牌，型号，系列，产品，意图匹配
评估标准:
1.正逆序
2.正确顺序比值
3.ngcd
分析问题能力
对于badcase分类：
1.应该有结果，却没有结果
2.应该没有结果，却有结果
3.有结果但是结果不相关
4.有结果排序不是最优
分析：
1.对于第一种，首先判断有无资源，如果有判断是切词，改写，纠错，意图无召回还是ner错误导致的没有结果；如果没有资源直接跳过；
2.对于第二种，是意图判断错误；
3.对于第三种，看是是否需要改写，纠错。ner，切词导致的拼串有错误;
4.类似第三种分析思路。
