向量空间求出的结果顺序是基于文本的统计信息。当商品名包含的关键词过少而描述包含的关键词过多，这种相关性就更多的反映了描述的相关性，而描述中的词汇不如文章中的词汇有代表性，还反映了卖家卖出货物的意愿，信息的准确度大打折扣。为了解决这个问题，在查询结果的排序中优先显示和查询类别一致的结果。为了让类别信息优先处理，需要构建查询到商品类别的映射，这个映射可以通过贝叶斯模型来处理，也就是求出查询为条件，各个类别出现的概率，这种方法对于商品数据分布不均匀的情况下会有不少误差。还可以观察用户行为，构建查询到商品类别的映射，这种方法动态实时高效，缺点是没有历史数据的情况下如何处理。可以综合这两者来加权处理。用户数据量少的时候，贝叶斯模型权重大，用户数据量大的时候，基于用户行为的模型权重大。