一年多来，百度开放平台已经和400多家合作伙伴实现了合作，覆盖了人们出行、娱乐、商务、工作等方方面面。面对每天超过一亿次的海量搜索请求，如何精确地理解用户需求，将最优质恰当的资源用最优的样式展现给用户，这都需要一个优秀的检索架构来支撑。

对于一次检索请求，搜索框需要完成以下三步：

1.需求识别、精准分析

茴香豆的“茴”字有四种写法，而一个简单的天气查询需求却有上百种不同的表达形式，可见要准确的识别出用户的需求是一项很有挑战性的工作。

通过每天海量的检索请求，我们可以通过机器学习的方法将用户的各种表达方式，包括各地惯用的表达习惯和一些生僻的表达进行分析和学习。

百度框计算的需求分析，是通过对query的语义分析和户行为分析实现的。在拿到了大量的机器学习结果之后，通过语义模板、规则匹配等等方式实现了用户需求的精确识别。

2.从大量站长提交数据中取回用户所需

目前与框计算合作的站点已经达到了400多家，每天有上百个新资源提交申请。面对大量的站长数据，如何审核、配置、线上展示这些都有开放平台来管理。站长数据会经过抓取、分析、入库等环节然后被索引，等待用户检索。

对于用户的一次检索请求，经过了需求分析识别后，我们就能够根据分析找到满足需求的站长资源。从特定的索引库中取回检索结果后，可能会遇到同时有多个资源能够满足用户需求。我们还会对这些资源进行一个评价，将最为优质的资源放在最前面。

3.不同类型的数据用最恰当的方式展现给用户

针对不同类型的资源，我们用有针对性的样式展现给用户。我们来看一下几个特殊展现的例子：