如何将Azure Search返回的@search.score转换为百分比相似度？

Azure Search 返回的 @search.score 没有固定取值范围，不存在跨查询场景通用的、可以直接把原始分数映射为绝对相似度百分比的官方换算方式。
这个分数是BM25/TF-IDF检索算法、自定义评分配置文件加权计算出的相对值，分数高低仅代表同一次查询内结果的匹配优先级，不同搜索词、不同索引数据分布下，同数值的分数代表的匹配度没有可比性，无法直接对应固定的相似度比例。

单次结果集内归一化（改造成本最低，适配绝大多数展示场景） #

这是业务端实现相似度百分比展示最常用的方案，计算逻辑仅针对同一次搜索请求返回的结果集生效，不需要改动搜索服务配置：

• 提取当前请求返回所有结果中的最高 @search.score 记为 maxScore
• 单条结果的相似度百分比直接按比例折算：(当前条目@search.score / maxScore) * 100%，计算后可以按业务需要取整，就能实现你示例中最高匹配结果对应100%、其余结果按匹配度折算为70%、40%的展示效果
• 如果你的结果集末尾存在匹配度极低的内容，可以先过滤掉分数低于阈值的结果再做归一，避免低匹配内容拉低整体比例的参考性

注意：这个方案计算出的是同次搜索下的相对匹配度，不支持跨搜索词对比，但完全满足前端给用户展示"结果匹配程度高低"的需求，开发成本几乎为零。

利用语义重排序分数直接换算 #

如果你已经开启了Azure Search的语义搜索能力，不需要用原始的@search.score，直接取返回结果中的@search.rerankerScore即可：

• 这个分数是语义重排序模型输出的结果，取值范围固定为0到4
• 直接用 (当前条目@search.rerankerScore / 4) * 100% 就能得到0-100区间的相似度百分比，分数稳定性比原始检索分高很多，跨查询的参考性也更强。

自定义语义相似度计算（适配需要绝对相似度的场景） #

如果你需要真正跨查询可比的语义相似度百分比，不要依赖搜索服务返回的原生评分，拿到结果后做二次计算即可：

• 提取用户搜索关键词、结果中需要参与匹配的字段内容（比如title、description拼接后的文本）
• 调用文本向量模型分别生成关键词和文档内容的嵌入向量
• 计算两个向量的余弦相似度，余弦相似度取值范围固定在0-1之间（文本匹配场景下几乎不会出现负值），直接乘100就是标准的语义相似度百分比。

自定义评分规则锁分数区间 #

如果不想做后处理，可以提前在搜索索引中配置评分配置文件，人为把所有可能的匹配场景的分数加权后控制在固定区间（比如0-5）：比如给标题完全匹配加固定权重、描述匹配词条数按个数加分，之后直接按比例折算百分比即可。这个方案维护成本很高，索引数据更新、搜索规则调整后都需要重新校准权重，一般不推荐使用。

• 不要尝试用固定系数（比如直接给原始分乘20、减固定值）做全局换算：不同查询的分数分布差异极大，搜生僻词时最高匹配分可能不到2，搜高频通用词时最高分可能超过10，固定系数换算出的结果完全没有参考价值。
• 面向普通用户展示的相似度百分比本质是参考提示，不需要追求学术层面的绝对精确，只要保证同一次搜索下结果排序和百分比高低对应、最匹配的结果显示为100%，就符合用户的使用认知。

内容的提问来源于stack exchange，提问作者angelmaria