本次查询：Query Expansion
中文解释：查询扩展
常见场景：搜索引擎 / 推荐系统 / 智能问答
一句话解释
查询扩展是在用户原始查询词的基础上，自动添加与其语义相近的词汇，从而让搜索引擎匹配到更多相关结果的技术。例如，用户搜“轿车”，系统会自动加入“汽车”“家用车”等词，避免漏掉文档。
为什么会被关注
用户输入的搜索词通常很短，且存在词汇差异（比如有人用“笔记本”，有人用“笔记本电脑”）。传统关键词语义匹配容易漏掉同义表达，导致召回率低。查询扩展通过扩充查询，显著提升覆盖范围，尤其在长尾查询和冷门领域效果明显。
随着语义检索和大模型的兴起，查询扩展与嵌入向量搜索配合使用，成为提升搜索质量的基础设施之一。搜索引擎、电商推荐、企业知识库等场景的从业者，都在用该技术减少用户“搜不到”的挫败感。
核心逻辑
查询扩展的核心思路是“用更多相关词覆盖更多可能匹配的文档”。实现方式主要有三种：基于同义词词典的静态扩展（如WordNet）；基于统计的全局扩展（利用用户点击日志或共现频率）；基于语言模型的动态扩展（通过伪相关反馈从初次搜索结果中提取高频词）。
现代方法常结合词向量或大语言模型，例如利用BERT将查询句嵌入语义空间，然后找出相近的词汇或短语。关键挑战是平衡扩展的广度和精度——扩展太少达不到效果，扩展太多会引入噪声，导致搜索结果偏离用户意图。
常见场景
搜索引擎：用户搜“新冠疫苗副作用”，系统自动加入“不良反应”“接种后症状”等词，提升结果覆盖。电商平台：搜“手机壳”时，扩展“保护套”“手机套”“背壳”等，减少零结果情况。
企业知识库：处理内部文档时，员工用词不统一（如“报销” vs “费用申报”），查询扩展可统一检索口径。智能客服：用户说“退货”，系统自动匹配“退换货”“退款流程”等FAQ条目。
容易混淆的点
查询扩展 ≠ 查询改写：改写通常是通过语法纠错或同义替换直接修改原句，而扩展是在原词之外额外增加词汇（原词保留）。例如，“苹果手机”改写成“iPhone”是改写，而增加“Apple手机”是扩展。
查询扩展 ≠ 语义匹配（向量检索）：语义匹配用嵌入直接计算查询与文档的相似度，不显式增加词汇。扩展仍然依赖字面匹配，但通过扩充词库弥补语义鸿沟。两者常结合使用。