智联招聘如何利用Nebula Graph实现高效长尾词推荐功能？

本文共计5652个文字，预计阅读时间需要23分钟。

如何让用户在搜索某个JD或招聘者时快速浏览到更符合需求的候选人，是智能招聘需要解决的一大问题。在本文中，你将了解到智能技术团队是如何利用图数据库和各类索引实现召回、排序等功能的。

如何让用户在搜索某个 JD 或者招聘者快速浏览到更匹配要求的候选人，是智联招聘需要解决的一大问题。在本文你将了解智联技术团队是如何用图数据库和各类索引实现召回、排序等功能。

本文首发于 Nebula Graph Community 公众号

本文整理自智联招聘资深工程师李世明在「智联招聘推荐场景应用」的实践分享

搜索推荐架构

在讲具体的应用场景之前，我们先看下智联招聘搜索和推荐页面的截图。
这是一个简单的智联搜索页面，登录到智联招聘 App 的用户都能看到，但是这个页面背后涉及到的推荐、召回逻辑以及排序概念，是本文的重点。

功能矩阵

从功能上来说，从矩阵图我们可以了解到做搜索和推荐时，系统分为 Online 和 Offline 两个部分。

在 Online 部分，主要涉及到实时操作，例如：搜索某个关键词、实时展示个人推荐。而这些功能性操作需要其他功能支持，比如：热词联想，以及根据特定的输入进行实体识别、意图理解，或是个人用户画像的绘制。