2.2 需求的满足
识别出query有哪些需求，下一步的工作就是提供相应的资源。
2.2.1 资源的挖掘
如何获得满足需求的资源，是需求满足的另一个核心问题。在资源上，通过某一个或者几个特征组合，能够把满足要求的资源和不满足要求的资源区分开，找到用户需求需要的资源，去掉不满足要求的资源，是主要的工作。
内容属性特征
对内容属性维度来说，可以分为底层的物理特征，中层的物体识别和高层的语义特征。
对于底层的物理特征，相对比较简单，包括尺寸，颜色，格式，清晰度饱和度等，中层特征，有人与非人的，色情图片的，整车的识别，手机图片的识别等；对于高层的语义特征，包括场景的识别，图片风格的识别，情感的识别，比如是室内还是室外，是否非主流风格等，都可以作为资源筛选的特征。
话题属性维度
话题属性维度，是指动物，植物，帅哥，美女，军事，体育等等各种不同的话题，我们希望把图片能按照这样一个分类进行一个划分。
比如，通过这个分类，我们可以知道哪些图片是头像类的，哪些是壁纸的，哪些是足球体育相关的。用户在搜索“章鱼 保罗”时，可以推荐足球相关的资源。
时效性资源的收录
时效性资源，可以很容易的通过收录时间来判断，和非时效性资源区分开。时效性资源的来源一般包括新闻站点，各大论坛，bbs等社区类网站。
2.2.2 需求调权
明确了query的需求，挖掘了满足需求的资源，那么如何把满足需求的资源rank到前端呢？
对于各种不同的需求维度，都有自己的调权的策略。比如“章鱼 保罗 壁纸”，我们识别出有尺寸方面的需求，那么可以把尺寸比较大的图片，进行加权；又比如时效性的需求，可以直接在前三页插入的时效性库的结果，这是因为时效性需求是一个强需求维度，简单的加权，不能保证结果调整到前三页。
目前这种策略直接叠加的调权方式，优点是简单，直接，缺点也比较多，最大的是不可控，一个维度上的调权，会对最后结果造成多大的影响，他说的话分量有多大，不知道。
三、结语
对于需求满足未来，要向智能化，自动化，多样化的方向持续发展。我们最终的目标是把需求满足这个方向做没了，需求挖掘，资源满足全部自动化，做到“手中无剑 心中有剑”。
