后端搜索算法优化开发简历模板

• 负责电商搜索召回与排序服务，重构倒排索引分片策略，P99查询延迟由180ms降至98ms。
• 主导查询改写与同义词扩展模块，长尾query点击率提升12%，无效召回率下降18%。
• 搭建A/B实验与离线评测体系，支撑每周20+组排序策略迭代，线上指标回归周期缩短至1天。

• 参与短视频搜索服务开发，基于Elasticsearch构建多字段检索，支撑日均3亿次查询。
• 优化缓存与批量合并策略，集群CPU使用率下降25%，单机QPS提升约1.6倍。
• 负责搜索日志埋点与数据链路，为排序模型提供稳定特征样本，样本延迟控制在5分钟内。

• 引入双塔向量召回与倒排召回混排，补充语义召回能力，类目搜索无结果率下降30%。
• 设计多路召回融合与截断策略，在延迟增加不超过10ms前提下，Top10相关性人工评估提升15%。
• 完成灰度发布与降级方案，上线后搜索GMV贡献提升约6%，服务稳定性保持99.99%。

• 基于拼音与编辑距离实现query纠错，纠错准确率达92%，人工干预量减少40%。
• 重构查询意图识别服务，采用规则与轻量模型结合，单次推理耗时降至3ms以内。

研究方向为信息检索与分布式计算，参与实验室搜索引擎相关课题。

主修数据结构、算法设计与数据库系统，GPA 3.6/4.0。