Query Expansion 查询扩展
Query Expansion（查询扩展）是一种信息检索技术，通过自动补充用户原始搜索词的相关词汇（如同义词、近义词、相关概念），提高搜索结果的相关性和召回率。它能让搜索引擎在用户输入“苹果”时，不仅搜到水果，还考虑“Apple”“iPhone”等含义。
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。
本文内容用于 AI 热词解释和概念整理，仅供学习和理解参考。若涉及表述偏差或内容修正，欢迎联系站点进行更新。
相关热词法院AI应用是指人工智能技术在司法领域的落地实践，包括智能辅助办案、类案自动推送、裁判文书生成、庭审语音识别等，旨在提升审判效率与公平性，减轻法官事务性负担。
法院AI部署是指将语音识别、文书生成、类案推送等人工智能技术集成到法院办案流程中，旨在提升审判效率、降低人为差错，并推动司法透明化。近年来，各地智慧法院试点加速，AI从辅助工具逐渐嵌入核心业务环节。
法院AI训练指利用裁判文书、法律法规等数据，训练机器学习模型以辅助司法工作，如案件分类、证据分析、量刑建议等。它并非替代法官，而是通过技术手段提升效率与一致性，正成为智慧法院建设的核心环节。
法院AI仿真利用人工智能技术对法庭场景、审判程序、辩论逻辑进行数字化模拟，用于法律教学、案件预演、证据推演等场景，帮助法官、律师和法学院学生更直观地理解司法过程。
法院AI建模是指运用人工智能技术，尤其是大语言模型和机器学习算法，对案件的事实要素、法律条文和历史判例进行结构化建模，辅助法官完成证据审查、量刑参考和文书生成的技术方案。