基礎排序即是海選，從檢索結果中快速找到質量高的文檔，取出TOP N個結果再按照業務排序進行精細算分，最終返回最優的結果給用戶。由此可見，基礎排序對性能影響比較大，業務排序對最終排序效果影響比較大。因此，基礎排序要求盡量簡單有效，只提取業務排序中的關鍵因子即可。同時，基礎排序與業務排序目前均通過排序表達式的方式進行配置。下文將介紹基礎排序中支持的排序特征函數項。

1. 詳細用法static_bm25()

2. 參數無

3. 返回值float，值域為[0,1]

4. 適用場景1：在基礎排序的表達式中指定文本分；表達式中設置：static_bm25()

5. 注意事項

   • 默認基礎排序default中即會生效static_bm25()

1. 詳細用法exact_match_boost()

2. 參數無

3. 返回值int，值域為[0, 99]

4. 適用場景：查詢為query=default:’開放搜索’^60 OR default:’opensearch’^50，希望按照實際匹配詞boost權重來排序。如果文檔A包含“開放搜索”，文檔B包含“opensearch”，則文檔A排到文檔B前面。基礎排序表達式為：exact_match_boost()

5. 注意事項

   • 函數參數依賴字段需創建為索引

   • 如果對于沒有指定boost的查詢詞默認boost值為99。

   • 獨享型應用，exact_match_boost函數配置在基礎排序中，可支持 [‘sum’, ‘max’]二種參數配置：

1. 詳細用法timeliness(pubtime)

2. 參數pubtime：要評估的字段，類型必須為int，單位為秒。

3. 返回值float，值域為[0,1]，值越大表示時效性越好。若大于當前時間則返回0。

4. 適用場景：在基礎排序中指定create_timestamp字段的時效性；表達式中設置：timeliness(create_timestamp)

5. 注意事項

   • pubtime字段必須配置為屬性字段。

1. 詳細用法timeliness_ms(pubtime)

2. 參數pubtime：要評估的字段，類型必須為int，單位為毫秒。

3. 返回值float，值域為[0,1]，值越大表示時效性越好。若大于當前時間則返回0。

4. 適用場景：在基礎排序中指定create_timestamp字段的時效性；表達式中設置：timeliness_ms(create_timestamp)

5. 注意事項

   • pubtime字段必須配置為屬性字段。

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

函數描述：返回參數中指定的類目字段與類目預測query的類目匹配分

1. 詳細用法

   category_score(cate_id)

2. 參數

   cate_id：訓練時作為類目ID的字段，類型必須為int。

3. 返回值INT，值域為[0,2]。

4. 適用場景：可以參考類目預測功能使用場景；表達式中設置：category_score(cate_id)

5. 注意事項

   • 需要與類目預測算法功能配合使用