框計算的目的是為用戶供給基於搜索框的一站式搜索服務。舉例來說，當用戶在搜索框中輸入非誠勿擾時，系統就能明確該query有征求電視節目視頻文件、電影視頻文件、查尋影評、參加商議及檢查有關新聞等需要，而後將這些個不一樣的需要分配售最優的內部實質意義資源或應用施行處置，最後精准高效地將滿意這些個需要的最後結果展出給用戶。圖1展覽了框對query非誠勿擾的滿意事情狀況。從上頭的剖析中，我們不不好看出，框計算的第1步，就是辨別出一個query具備哪一些需要，而這正是需要剖析要完成的擔任的工作。
圖1 非誠勿擾的框計算最後結果
需要剖析是框計算的入口，由於只有剖析出query的需要，能力更好地展出出相應的最後結果來滿意用戶的需要。因為這個對query的需要剖析得越正確、遮蓋的query准多，用戶的滿足度則越大。需要剖析是框計算中最關緊也是困難程度最大的地方之一。
辨別query的需要，最容易想到的辦法是查詞表。譬如將全部的電影、電視劇名都事前使聚在一起起來，放到詞表中，只要用戶輸入該詞表中的詞，就能辨別出一個query是否有尋覓視頻文件的需要。這種辦法的長處是快，但欠缺十分表面化：首先，這種辦法只能將query區分清楚為2個維度，要不有視頻文件需要，要不沒有視頻文件需要。但眾多視頻文件的姓名，具備各方面的涵義，在視頻文件上頭只是那裡面一個微弱的涵義，假如直接出視頻文件需要，則會莫大地損害用戶。譬如，有一個廣告片的姓名叫百度一下子，這個廣告片有可能60百分之百以上的用戶都人地生疏，假如這60百分之百以上的用戶輸入百度一下子，直接給出一個名為百度一下子的視頻文件特意的看最後結果，則這60百分之百以上的用戶會感受十分困惑。其次，這種辦法不可以美好地滿意大多用戶的需要。用戶在尋覓視頻文件時，述說辦法是多端的，譬如：軍人突擊全集、軍人突擊 高清、軍人突擊全集在線特意的看等，這3個query都具備猛烈的尋覓視頻文件需要，但經過查表的辦法，卻沒有辦法辨別出該需要。再次，這種辦法對電影、電視劇外的視頻文件需要沒有辦法滿意。有視頻文件需要的往往繼續不停電影、電視劇，流行或新聞時間性的眾多物品，都具備猛烈的視頻文件需要。譬如：西單女孩、中關村男孩、垂釣島撞船、朝韓炮火轟擊等，大多數用戶往往都有檢查有關視頻文件的需要。最終，這種辦法匱缺預先推測性，辨別出的query數目有限。即對於詞表中的詞目，能夠辨別出視頻文件需要，但詞表外詞目，沒有辦法辨別出視頻文件需要。因為這個，假如詞表的規模為N，則最多只能辨別出N個query具備視頻文件需要。
從上頭的剖析中，我們可以總結概括出，一個好的需要剖析辦法，至少要滿意如下所述需要：1)具備頎長的正確率以及召回率，即能在辨別出90百分之百以上query需要的同時，又能保障辨別出來的需要，95百分之百以上都是准確沒有差錯的;2)具備令人滿意的預先推測有經驗，即能夠正確地預先推測出未知query的需要;3)具備辨別需要與解析字段功能，即在辨別出query需要的同時，還能高效地從其中解析出所需信息。
下邊是幾個典型的例子。經過這些個例子，大家就能對需要剖析要完成的擔任的工作有一點大體的理解了。
在圖2中，需要剖析需求完成的擔任的工作就是解析出query具備匯價改換的需要，並解析出一定的數目56.7，以及源金錢為美圓，目的金錢為我國法定貨幣。
圖2 直接展出匯價最後結果
在圖3中，需要剖析需求辨別出該query具備查尋火車時候表的需要，並解析出起點站為北京，盡頭站為上海。繼續往前直接為用戶展出出從北京到上海的火車時候表，莫大地便捷了用戶取得有關信息。
圖3 直接展出火車車次有關信息
圖4、圖5作別展覽了需要剖析怎麼樣經過辨別出query具備查尋不常見的字以及單位換算的需要，並直接給出解答的過程。這個過程對用戶而言是不可以見的，不過對系統而言，卻需求施行一系列復雜的辨別、解析與展出。
圖4 滿意不常見的字查問需要
圖5 滿意單位換算需要
圖6顯露了需要剖析辨別出了用戶的query具備征求誠聘官位信息的需要，並解析出企業名，官位2個字段，然後系統直接從有關數值源中檢索出所需官位展覽給用戶的舉出例子。
圖6 滿意用戶搜索誠聘官位需要
從上面所說的剖析與舉出例子中可以曉得，query需要剖析的目的是辨別出query的意向或有興致的領域，並從其中抽抽取所需字段。要完成這項擔任的工作，是一件十分有挑戰性的辦公。首先，用戶query述說形式的多樣性給需要剖析帶來了不少艱難。譬如，關於尋覓氣象這一種需要，用戶就有上百種不一樣的表現形式。其次，相近query有可能具備迥然不一樣的需要。譬如：從北京到上海車距與從北京到上海車票，前者具備較強的自駕需要，然後者具備較強的火車時候查問需要。而一樣為名人，王菲、張學友，都具備猛烈的視頻文件、圖片等需要，而李開復、張亞勤等科學技術名人，從用戶的需要來看，最猛烈的需要是尋覓各種學科信息，而非視頻文件、圖片。最終，用戶輸入的query往往運用天然語言施行述說，有時候還裡面含有縮略與拼音書寫不正確，譬如：5新加坡元=?美圓、5人名幣等於若乾美圓等。這些個客觀存在的問題，都加大了需要剖析的困難程度。
為更好地滿意用戶各式各樣的需要，堅強雄厚的需要剖析是務必具備的。百度框計算的需要剖析，是經過對query的語義剖析，接合用戶行徑剖析以及海量計算技術成功實現的。經過各種手眼評估，到現在為止已經達到達美好的效果。舉例來說，經過對一天幾百億次用戶檢索query的剖析，運用機器學習的辦法，我們就能半自動從其中學習出用戶的各種慣於使用或冷僻的述說形式，再接合語義剖析、信息取出等技術，就能正確高效地實時辨別出query的需要並解析出所需信息，為廣大網民供給最方便的搜索服務以及搜索體驗認識。