Query在开放搜索的执行流程
开放搜索排序表达式配置
场景1：关键词重复堆砌导致排序分数较高问题
案例：电商商家作弊问题：关键词重复堆砌导致排序分数较高,排序结果靠前
开放搜索解决方案：业务排序函数field_term_match_count,获取文档中某个字段与查询词匹配的词组个数,根据不同个数做不同的处理;
场景2：衡量商品时效性
开放搜索解决方案: 可以用在粗排和精排的timeliness函数,计算时效分，用于衡量文档/商品的新旧程度, 单位为秒,返回值:float，值域为[0,1],值越大表示时效性越好;
场景3：不同维度归为同一区间（综合分值）去排序
案例：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，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
开放搜索解决方案：归一化函数normalize根据不同的算分将数值归一化至[0, 1]；
场景4: 对符合用户标签喜好的商品加权
案例: 年轻女用户搜索"鞋子",对应商品排序需求满足用户特性标签"年轻""女性";对符合用户标签喜好的商品加权,从而实现个性化搜索排序;
开放搜索解决方案: 商品可以具有多个属性标签,例如1表示年轻人（年龄）、2表示中年人（年龄）、3表示小清新（风格）、4表示时尚（风格）、5表示女性（性别）、6表示男性（性别)等等, 应用标签匹配tag_match 函数,实现对匹配到的商品做排序加权
场景5：某时间段的指定搜索需求
例如：
- 查询下午14点到15:30点营业的店铺
- 查询下午14点到15:30之间，库存>10的店铺有哪些
- 查询明天晚上能服务3-5个人的店铺
开放搜索解决方案： 运用功能函数bit_struct将INT_ARRAY字段值进行自定义分组并允许对分组值进行指定operation计算。
场景6：基于位置、距离搜索
案例：查找距离用户10公里内的【外婆家】餐厅，并按照距离由近及远排序
开放搜索解决方案：运用distance函数, 获取两个点之间的球面距离,一般用于LBS的距离计算。
以上就是阿里云开放搜索电商/O2O行业"排序表达式及特征函数”的应用案例，如果您对搜索与推荐相关技术感兴趣，欢迎加入钉钉群内交流~
【开放搜索】新用户活动：阿里云实名认证用户享1个月免费试用https://free.aliyun.com/product/opensearch-free-trial
