LinkedIn 搜索语义化改造拆解：双塔召回+两级排序

博主 jaydeepkarale 于 11 月 6 日连续发文，以 LinkedIn 官方工程资料为蓝本，完整拆解其内容搜索从关键词匹配向语义匹配改造的方案。改造动因是团队发现纯关键词搜索的两大痛点：要么查无结果（没有帖子包含全部关键词），要么返回的帖子虽含全部关键词却答非所问；内容分析显示索引里其实常有能正确回答查询的帖子，只是不含全部关键词，这促使团队引入语义匹配。

已确认

• 搜索整体验证分两层：召回层（Token 召回 + Embedding 双塔召回）与多级排序层，需从数十亿帖子中筛出最终结果。
• Embedding 召回器与排序器均采用双塔架构（文本 embedding 模型 + MLP），查询与帖子分别编码。
• 多级排序由 L1、L2 两个 ranker 组成，架构基本相同，仅规模与输入特征不同；L1 之后候选从数千缩到数百。
• 每个排序阶段输出 on-topicness（内容与用户意图的相关度）与 long-dwell（停留时长）两个分数，经多目标分数融合决定排序。
• 帖子质量只用这两个指标衡量，不看点赞。

为什么重要

该案例展示了大型平台如何以「语义召回 + 多级排序」的系统工程解决关键词搜索的召回率与相关性短板，且质量评估聚焦相关性与停留时长而非社交互动信号，对搜索与推荐系统的设计有直接参考价值。

2026-11-06 ~ 2026-11-06 · 6 条相关

• 【源头】LinkedIn AI 搜索改造案例：数十亿帖子经召回+两级排序筛出最终结果 — _jaydeepkarale · 2026-11-06
• 【源头】LinkedIn 为何给搜索加语义匹配：纯关键词召回漏掉了能答对的帖子 — _jaydeepkarale · 2026-11-06
• LinkedIn 排序双塔架构：L1/L2 两级 ranker 输出相关率与停留分 — _jaydeepkarale · 2026-11-06
• 【源头】LinkedIn 搜索质量指标曝光：不看点赞，只看相关率与停留时长 — _jaydeepkarale · 2026-11-06
• LinkedIn 搜索架构拆解：双塔召回+两级排序如何筛选海量帖子 — _jaydeepkarale · 2026-11-06

另有 1 条近重复转述:_jaydeepkarale