如何基于Algolia的getRankingInfo计算搜索结果匹配置信度

首先明确核心前提：Algolia原生返回的字段里没有直接提供0-100%区间的“匹配置信度”指标，返回值里的userScore是综合了自定义业务排序、文本匹配、地理权重等多维度规则的排序总分，不能直接用来代表搜索词和结果的匹配程度——你给出的示例数据里第三条结果userScore高达7801、远高于其他结果，但它的proximityDistance（匹配词邻近度）反而更差，就是因为这条命中了你配置的高优先级业务排序规则（比如内容热度、商品销量、发布时间这类非文本匹配规则），计算匹配度的时候要完全忽略这个字段。 #

具体计算步骤 #

1. 筛选和匹配质量强相关的字段 #

计算置信度时只保留和搜索词匹配质量直接相关的rankingInfo字段，排除所有业务排序、地理距离类的干扰项：

• 负向指标（值越高匹配质量越差）：nbTypos（匹配的拼写错误数）、proximityDistance（查询词在结果文本中匹配位置的间隔距离）、firstMatchedWord（首个匹配词在结果文本中的位置）
• 正向指标（值越高匹配质量越好）：nbExactWords（和查询词精确匹配的词数量）
• 兜底过滤指标：如果filters值大于0且nbExactWords为0，说明结果完全是靠配置的过滤规则召回、没有命中任何搜索词，直接判定为最低置信度

2. 计算单条结果的基础匹配分 #

参考Algolia原生文本排序的优先级给各指标分配权重，单条结果基础分满分100，计算逻辑可以直接复用下面的规则：

/**
 * 计算单条结果的基础匹配分
 * @param {object} rankingInfo - 接口返回的rankingInfo对象
 * @param {number} totalQueryWords - 本次搜索的查询词总数量，对应rankingInfo里的words字段
 * @returns {number} 0-100的基础匹配分
 */
function calcBaseMatchScore(rankingInfo, totalQueryWords) {
  let score = 0;
  // 精确匹配词占比，权重40：精确匹配词数/总查询词数 * 40
  const exactWordRatio = rankingInfo.nbExactWords / totalQueryWords;
  score += exactWordRatio * 40;
  // 拼写错误权重25：0错拼拿满，1个错拼得10分，2个及以上错拼得0分
  if (rankingInfo.nbTypos === 0) {
    score += 25;
  } else if (rankingInfo.nbTypos === 1) {
    score += 10;
  }
  // 词邻近度权重25：邻近度距离≤总查询词数拿满，每超出3个单位扣5分，扣完为止
  const proximityGap = rankingInfo.proximityDistance - totalQueryWords;
  if (proximityGap <= 0) {
    score += 25;
  } else {
    const deductScore = Math.floor(proximityGap / 3) * 5;
    score += Math.max(0, 25 - deductScore);
  }
  // 首词位置权重10：首个匹配词在文本前10个位置拿满，每往后20个位置扣2分，扣完为止
  if (rankingInfo.firstMatchedWord <= 10) {
    score += 10;
  } else {
    const deductScore = Math.floor((rankingInfo.firstMatchedWord - 10) / 20) * 2;
    score += Math.max(0, 10 - deductScore);
  }
  // 兜底规则：纯filter召回的结果直接给0分
  if (rankingInfo.filters > 0 && rankingInfo.nbExactWords === 0) {
    score = 0;
  }
  return Math.round(score);
}

3. 同查询内做置信度归一化 #

注意：匹配置信度是同一次查询下的相对值，不能跨查询用固定绝对值当阈值，不同查询的词长度、结果分布差异极大，固定阈值会出现判定不准的问题。
归一化操作逻辑：

• 查询时不要设置过低的返回条数上限，先拉取当前查询下最多1000条结果（可以根据自己业务的最大可接受结果量调整）
• 对拉取到的所有结果逐条计算基础匹配分
• 取本次查询结果里的最高基础分作为满分基准
• 单条结果最终置信度 = (单条基础匹配分 / 本次查询最高基础分) * 100，结果取0-100的整数
• 最后用你预设的置信度阈值（比如90%）过滤即可，整个判定逻辑完全不依赖结果的返回排序位置。

针对你给出的示例数据的计算验证 #

你提供的示例查询总词数为5，所有结果nbTypos=0、firstMatchedWord=0、filters=0，代入计算：

• 前2条结果proximityDistance=6：精确匹配占比100%得40分，0错拼得25分，邻近度仅比总词数多1、拿满25分，首词位置拿满10分，基础分100
• 后3条结果proximityDistance=8：邻近度比总词数多3，扣5分得20分，其余项满分，基础分95
  本次查询最高基础分为100，因此前2条结果置信度为100%，后3条为95%。如果设置90%的阈值，这5条结果都符合展示要求；如果设置98%的阈值，就只返回前2条。

补充说明：如果你的业务对匹配精度要求更高，可以调整各指标的权重占比，比如给精确匹配词占比分配更高权重、给错拼设置更严格的扣分规则，权重调整后重新做归一化即可。

内容的提问来源于stack exchange，提问作者Theuno de Bruin