特征函數可以用到排序表達式中（大部分僅支持精排表達式），可以通過各種語法及語句的組合得到強大的排序功能。

其中特征函數參數出現的文檔字段需根據對應函數文檔提示，創建為索引或屬性.

1.場景概述：

相關性計算過程中，一篇doc的好壞需要從不同的維度衡量。而各個維度的分數值域可能不同，比如網頁點擊數可能是成百上千萬，網頁的文本相關性分數在[0, 1]之間，它們之間沒有可比性。為了在公式中使用這些元素，需要將不同的分數歸一化至同一個值域區間，而normalize為這種歸一化提供了一種簡便的方法。normlize支持三種歸一化方法：線性函數轉化、對數函數轉化、反正切函數轉化。根據傳入參數的不同，normalize自動選擇不同的歸一化方法。如果只指定value參數，normalize使用反正切函數轉化，如果指定了value和max參數，normalize使用對數函數轉化，如果指定了value、max和min，normalize使用線性函數轉化。

2.詳細用法：

normalize(value, max, min)

3.參數：

• value：需要做歸一化的值，支持double類型的浮點數，該值可以來自文檔中的字段或者其他表達式

• max：value的最大值，可選，支持double類型的浮點數

• min：value的最小值，可選，支持double類型的浮點數

4.返回值：

double，[0, 1]之間的值。

5.適用場景：

場景1：對price字段做歸一化，但是不知道price的值域，可以使用如下公式進行歸一化 normalize(price)

場景2：對price字段做歸一化，但是只知道price的最大值為100，可以使用如下公式進行歸一化 normalize(price, 100)

場景3：對price字段做歸一化，并且知道price的最大值為100，最小值為1，可以使用如下公式進行歸一化 normalize(price, 100, 1)

場景4：將distance函數的結果歸一化至[0, 1] normalize(distance(longitude_in_doc, latitude_in_doc, longtitude_in_query, latitude_in_query))

6.注意事項：

• 函數參數需創建為屬性

• 使用反正切函數進行歸一化時，如果value小于0，歸一化后的值為0

• 使用對數函數進行歸一化時，max的值要大于1

• 使用線性函數進行歸一化時，max要大于min