opensearch-function-scoring-algorithms

在 OpenSearch/Elasticsearch 上实现双边市场的搜索相关性与排序，涵盖以下技术与方法： - 候选检索（混合 BM25 + kNN、RRF、双塔 EBR） - 基础相关性（BM25F、multi_match、LambdaMART） - 质量信号（Wilson 下限、贝叶斯平均、rank_feature 饱和/sigmoid 函数） - 个性化（房源/用户/会话嵌入向量） - 时空衰减（高斯/指数衰减） - 市场平衡（转化率加权排序、供给公平性、帕累托多目标优化） - 偏差校正（IPS、点击模型、汤普森采样） - 实证评估（判断集、NDCG、消融实验、A/B 测试样本量计算、CUPED、回归测试套件） - 多样性（MMR、DPP、单主机最大展示限制） 触发条件包括：function_score、rank_feature、script_score、kNN、混合查询、学习排序（learning-to-rank）、双边排序、曝光公平性、NDCG、A/B 测试、判断集构建、排序消融实验，或“为什么我的 OpenSearch 排序效果差”等问题。 同样适用于 Elasticsearch —— 两者 API 一致。

存档时间线

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本