下拉框提示詞（如圖1所示），在淘寶搜索中，稱為Suggestion(查詢詞提示)，已經是淘寶搜索引擎必備的一個功能了，當你在搜索框進行輸入時，搜索框會打開下拉的提示框，動態地向你提示一些與你已經輸入內容相關的查詢串。如果在提示框中看到所希望輸入的查詢串，直接用鼠標點擊或鍵盤選擇后，即可進行搜索，減少你的輸入字符數。如果大家有一定的數字媒體檢索和搜索引擎的基礎知識，應該能聯想到高頻查詢統計是如何運用在這當中的了吧。
一個基本的模型是：統計查詢串中可能出現的各個前綴子串，然后統計以各個前綴子串開頭的查詢串的頻率。對各個子串，取以其作為前綴的對應K個最高頻查詢串。再以各子串為KEY，建立倒排索引。定期更新倒排索引，即可依據查詢頻率給出一個比較合理的提示內容。
模型並不復雜，但這么做有什么好處，其中包含的頻率統計信息有什么意義呢?
來做個簡單分析，比如淘寶搜索引擎，一天接收到的查詢次數為1000萬次，不同的查詢串有100萬個。通常而言，按查詢頻率來統計，頻率較高的前10%查詢詞，其被查詢的次數會占到總查詢次數的近50%。下面用二分圖模型來說明這個過程，如圖2所示。
對於用戶和具有相同前綴的查詢串，分別以上圖中的u和q來表示。對於用戶ui查詢qi串的行為，以在ui與qi間連邊來表示。假設各次查詢之間是相互獨立的，則一次查詢命中查詢串q的概率與q的度數成正比。如果將已有的查詢記錄作為先驗模型，那么當某用戶發起一次查詢時，度數高，即查詢頻率高的串被命中的概率就大，所以會優先出以用戶輸入為前綴的高頻查詢串。
而具體到一個查詢串，按上述思路來推測，當用戶輸入第一個字之后，所提示的字串中包含用戶希望輸入查詢串的概率可以這樣計算：提示字串在所有以該字開頭的查詢串中查詢次數所占的比例。一個合理的假設是，以某串P作為前綴的查詢串Q，其數目會隨着P的串長增長而快速下降。這個速度通過統計公共前綴查詢串的數目可以推斷，用戶也能夠查找到相關的統計資料，這里不再舉具體數據。
按這樣的方法，隨着用戶主動輸入字串的長度增長，提示詞命中用戶真實查詢詞的概率將不斷增加，因而需要用戶主動輸入的字串長度將縮短。整體上講，能有效地降低用戶使用搜索引擎的復雜度。這對於廣大的中文搜索引擎用戶，無疑是有吸引力的。因為大多數用戶使用的是拼音輸入法，需要不斷地在同音字中選取自己所需要的字、詞，現在搜索引擎有了這樣一個功能，大家使用起來會方便很多。
根據以上介紹的Suggestion，我們還可以引入淘寶搜索點擊日志，可以進一步利用點擊信息來度量查詢間的相似性，從而改進Suggestion。
以二分圖作為分析工具，對於查詢qi，用戶點擊的結果URL為uj，則在於之間連一加權邊，eij其權重對於qi的所有查詢中，uj被點擊的次數wij。如圖3所示。
對於查詢qi則可以用這些與之相連的加權邊表示。其形式為：
基於這種表示，就可以度量兩個查詢之間的相似度：
這種做法就是利用點擊作為聯系查詢與結果的橋梁，將結果集作為表達查詢的一個特征空間，並在這個特征空間中度量查詢的相似度，從而找到相近的查詢作為Suggestion結果，由此可見，淘寶點擊日志的作用是多么的重要！