如何在Azure Cognitive Search中为Collections(Edm.ComplexType)字段添加Freshness评分函数？

要实现按最新TimeSlot排序搜索结果，核心是给每个文档新增一个存储最新Slot时间的单个DateTimeOffset字段，再基于该字段配置Freshness评分函数，具体步骤如下：

1. 修改索引结构，新增单个时间字段 #

在现有索引中添加一个类型为Edm.DateTimeOffset的字段（比如命名为LatestTimeSlot），并确保该字段开启以下属性：

• filterable: true
• sortable: true
• searchable: false（可选，无需搜索该字段时可关闭）
• retrievable: true（可选，需返回给前端时开启）

示例索引字段定义片段：

{
  "name": "LatestTimeSlot",
  "type": "Edm.DateTimeOffset",
  "filterable": true,
  "sortable": true,
  "searchable": false
}

2. 填充LatestTimeSlot字段 #

有两种可靠方式填充该字段，可根据数据导入流程选择：

方式一：数据预处理（推荐，性能更优） #

在将文档推送至Azure Cognitive Search前，自行计算每个文档TimeSlots数组中的最大Slot时间，赋值给LatestTimeSlot字段。

比如Python处理逻辑示例：

def get_latest_slot(time_slots):
    if not time_slots:
        return None
    slots = [slot["Slot"] for slot in time_slots]
    return max(slots)

# 处理单个文档
document = {
    "TimeSlots": [
        {"Slot": "2020-11-23T08:00:00-08:00"},
        {"Slot": "2020-11-23T09:00:00-08:00"},
        {"Slot": "2023-11-23T10:00:00-08:00"}
    ]
}
document["LatestTimeSlot"] = get_latest_slot(document["TimeSlots"])

方式二：使用Azure Cognitive Search技能集（适合无法修改数据源的场景） #

若无法在数据源端预处理，可通过搜索服务的自定义技能计算最新Slot时间：

• 创建自定义技能（如用Azure Function实现），接收TimeSlots数组，遍历返回最大Slot值。
• 在索引器的技能集中添加该自定义技能，将输出映射到LatestTimeSlot字段。
• 重新运行索引器完成字段填充。

3. 配置Freshness评分函数 #

在搜索配置中，基于LatestTimeSlot字段创建Freshness评分函数，设置合适的衰减参数（如衰减周期、衰减量），让最新时间的文档获得更高评分，实现排序效果。

示例评分配置片段：

{
  "scoringProfiles": [
    {
      "name": "FreshnessScoring",
      "functions": [
        {
          "type": "freshness",
          "fieldName": "LatestTimeSlot",
          "boost": 5,
          "freshness": {
            "boostingDuration": "P365D" // 1年内的文档获得衰减提升
          }
        }
      ],
      "functionAggregation": "sum"
    }
  ]
}

之后在搜索请求中指定使用该评分配置，或直接按LatestTimeSlot降序排序，即可实现按最新Slot时间排序的需求。

内容的提问来源于stack exchange，提问作者Vadiraj Rao