排序 是什麼？
Ranking：排序 的完整解釋
排序是信息檢索系統的核心功能，指根據相關性、質量、流行度等指標，將檢索結果按優先級排列，使用戶最快找到需要的信息。
核心概念
信息檢索中的排序涉及多個維度的考慮：
相關性排序：衡量文檔與查詢的關聯程度，是排序的基礎。
質量信號：不同文檔的質量不同，例如專業來源的文檔通常被認為質量更高。
流行度/權威性：如 PageRank 等指標反映文檔在網路中的重要性。
新鮮度：對時間敏感的查詢，更新的文檔往往更有價值。
多樣性：避免返回高度相似的結果，提供覆蓋不同角度的信息。
個性化：根據用戶的偏好和搜索歷史調整排序。
運作原理
現代排序系統通常採用分層架構：
第一層：檢索階段（Retrieval）
- 使用簡單而高效的算法（如 BM25）從龐大的文檔集合中快速找出可能相關的候選文檔。
- 目標是在保證召回率的前提下進行快速篩選。
第二層：粗排序（Coarse Ranking）
- 使用比較簡單的機器學習模型（如決策樹集成）對候選文檔進行初步排序。
- 減少進入精排序的文檔數量。
第三層：精排序（Fine Ranking/Learning to Rank）
- 使用複雜的深度神經網路模型（如神經排序模型）對少量候選文檔進行精確排序。
- 考慮數百個相關性、質量、新鮮度等信號。
實際應用
- 搜索引擎：Google、Bing 等搜索引擎的核心技術
- 推薦系統：按用戶可能的興趣程度排序推薦項
- 信息流推送：社媒平台根據相關性和互動預測排序內容
- 電商搜索：按相關性、銷量、評分等因素排序產品
- 問答系統：返回與提問最匹配的答案
- 廣告競價：在多個廣告主中選擇並排序廣告
常見誤區
許多人認為排序只是「相關性」的問題，但現代排序系統考慮的因素遠超相關性，包括質量、新鮮度、多樣性、用戶滿意度等多個維度。同時，排序並非一成不變的，而是根據不同的查詢意圖、用戶特徵和時間等因素進行動態調整的。