本文将为您详细介绍基础排序中支持的排序特征函数项。
功能概述
基础排序即是海选，从检索结果中快速找到质量高的文档，取出TOP N个结果再按照业务排序进行精细算分，最终返回最优的结果给用户。由此可见，基础排序对性能影响比较大，业务排序对最终排序效果影响比较大。因此，基础排序要求尽量简单有效，只提取业务排序中的关键因子即可。同时，基础排序与业务排序目前均通过排序表达式的方式进行配置。
排序特征函数项
static_bm25 : 静态文本相关性，用于衡量query与文档的匹配度
详细用法请参见static_bm25。
参数：无。
返回值：float，值域为[0,1]。
适用场景：在基础排序的表达式中指定文本分；在表达式中设置：static_bm25()。
注意事项：默认基础排序default中即会生效static_bm25()。
static_bm25()得分超过1的情况：
如果用户查询时同时配置了查询分析，比如同义词，默认的查询是query=index:'苹果'，配置同义词之后的查询是query=index:'苹果' OR index:'apple'。那么如果有文档内容同时命中了苹果和apple，此时static_bm25()的得分会被累加，即最后的基础排序分将大于1。
exact_match_boost ：获取查询中用户指定的查询词权重最大值
详细用法请参见exact_match_boost。
参数：无。
返回值：int，值域为[0, 99]。
适用场景：查询为query=default:‘开放搜索’^60 OR default:’opensearch’^50，希望按照实际匹配词boost权重来排序。如果文档A包含“开放搜索”，文档B包含“opensearch”，则文档A排到文档B前面。基础排序表达式为：exact_match_boost()。
注意事项：
函数参数依赖字段需创建为索引。
如果对于没有指定boost的查询词默认boost值为99。
独享型应用，exact_match_boost函数配置在基础排序中，可支持 [‘’, ‘sum’, ‘max’]三种参数配置：
timeliness : 时效分，用于衡量文档的新旧程度
详细用法：timeliness(pubtime)，更多详情请参见timeliness。
参数pubtime：要评估的字段，类型必须为int，单位为秒。
返回值：float，值域为[0,1]，值越大表示时效性越好。若大于当前时间则返回0。
适用场景：在基础排序中指定create_timestamp字段的时效性；在表达式中设置timeliness(create_timestamp)。
注意事项：pubtime字段必须配置为属性字段。
timeliness_ms : 时效分，用于衡量文档的新旧程度
详细用法：timeliness_ms(pubtime)，更多详情请参见timeliness_ms。
参数pubtime：要评估的字段，类型必须为int，单位为毫秒。
返回值：float，值域为[0,1]，值越大表示时效性越好。若大于当前时间则返回0。
适用场景：在基础排序中指定create_timestamp字段的时效性；在表达式中设置：timeliness_ms(create_timestamp)。
注意事项：pubtime字段必须配置为属性字段。
normalize ：归一化函数，根据不同的算分将数值归一化至[0, 1]
场景概述：相关性计算过程中，一篇doc的好坏需要从不同的维度衡量。而各个维度的分数值域可能不同，比如网页点击数可能是成百上千万，网页的文本相关性分数在[0, 1]之间，它们之间没有可比性。为了在公式中使用这些元素，需要将不同的分数归一化至同一个值域区间，而normalize为这种归一化提供了一种简便的方法。normlize支持三种归一化方法：线性函数转化、对数函数转化、反正切函数转化。根据传入参数的不同，normalize自动选择不同的归一化方法。如果只指定value参数，normalize使用反正切函数转化，如果指定了value和max参数，normalize使用对数函数转化，如果指定了value、max和min，normalize使用线性函数转化。
详细用法：normalize(value, max, min)，更多详情请参见normalize。
参数value：需要做归一化的值，支持double类型的浮点数，该值可以来自文档中的字段或者其他表达式max：value的最大值，可选，支持double类型的浮点数min：value的最小值，可选，支持double类型的浮点数
返回值：double，[0, 1]之间的值。
适用场景：
场景1：对price字段做归一化，但是不知道price的值域，可以使用如下公式进行归一化normalize(price)。
场景2：对price字段做归一化，但是只知道price的最大值为100，可以使用如下公式进行归一化normalize(price, 100)。
场景3：对price字段做归一化，并且知道price的最大值为100，最小值为1，可以使用如下公式进行归一化normalize(price, 100, 1)。
场景4：将distance函数的结果归一化至[0, 1]normalize(distance(longitude_in_doc, latitude_in_doc, longtitude_in_query, latitude_in_query))。
注意事项：
函数参数需创建为属性。
使用反正切函数进行归一化时，如果value小于0，归一化后的值为0。
使用对数函数进行归一化时，max的值要大于1。
使用线性函数进行归一化时，max要大于min。