如何在Solr中兼顾排序规则与文本相关性优化电商商品搜索结果？

你遇到的是电商搜索里非常典型的「业务规则和文本相关性冲突」问题——直接用sort参数会让搜索引擎彻底忽略默认的文本匹配得分（_score），完全按指定字段排序，自然就丢失了搜索词的相关性。下面以电商常用的Elasticsearch为例，给你一套实用的解决思路（其他搜索系统逻辑通用）：

核心思路：混合排序（相关性得分 + 业务字段权重） #

我们需要构建一个综合排序得分，把文本相关性（用户搜索词和商品标题/描述的匹配度）和你的业务规则（新品、销量、库存）结合起来，而不是完全替换排序逻辑。

方案1：用script_score自定义综合得分 #

通过脚本直接计算每个商品的综合得分，既保留原始相关性，又给业务字段赋予合理权重：

{
  "query": {
    "function_score": {
      // 第一步：先执行搜索关键词匹配，确保文本相关性基础
      "query": { "match": { "title": "足球靴" } },
      "script_score": {
        "script": {
          "source": """
            // 原始文本相关性得分
            double baseRelevance = _score;
            // 新品权重：新品额外加5分（可根据业务调整数值）
            double newItemBoost = doc['new'].value ? 5 : 0;
            // 销量权重：用销量除以100归一化，避免高数值盖过相关性（系数可调整）
            double salesBoost = doc['sold_units'].value / 100.0;
            // 库存权重：同理归一化库存数值
            double stockBoost = doc['available_units'].value / 200.0;
            
            // 综合得分 = 相关性 + 新品权重 + 销量权重 + 库存权重
            return baseRelevance + newItemBoost + salesBoost + stockBoost;
          """
        }
      },
      "boost_mode": "replace" // 用自定义的综合得分替换原始得分
    }
  },
  // 最后按综合得分降序排序
  "sort": [ { "_score": { "order": "desc" } } ]
}

方案2：用field_value_factor简化权重计算 #

如果不想写复杂脚本，可以用内置的field_value_factor函数处理业务字段的权重映射，同样结合相关性得分：

{
  "query": {
    "function_score": {
      "query": { "match": { "title": "足球靴" } },
      "functions": [
        // 新品权重：给所有新品乘以5倍得分权重
        {
          "filter": { "term": { "new": true } },
          "weight": 5
        },
        // 销量权重：用对数函数（log1p）压缩高销量的影响，避免完全压制相关性
        {
          "field_value_factor": {
            "field": "sold_units",
            "modifier": "log1p", // log(1+x)，避免x=0时得分0
            "factor": 0.1 // 调整系数控制权重占比
          }
        },
        // 库存权重：同理用对数处理
        {
          "field_value_factor": {
            "field": "available_units",
            "modifier": "log1p",
            "factor": 0.05
          }
        }
      ],
      "boost_mode": "sum" // 将原始相关性得分和所有业务权重相加
    }
  },
  "sort": [ { "_score": "desc" } ]
}

关键调整技巧 #

• 权重系数调试：根据你的实际业务数据调整数值，比如如果新品优先级极高，可以把newItemBoost调到10；如果销量是核心指标，就增大销量的系数。
• 数值归一化：如果sold_units或available_units的数值很大（比如上万），一定要用对数、除法等方式压缩数值范围，避免完全覆盖文本相关性得分。
• 优先级分层：如果想严格保证「新品>销量>库存」的层级，可以给不同字段设置差异明显的权重（比如新品加10分，销量按1/50计算，库存按1/100计算）。

通用逻辑（不限于Elasticsearch） #

不管你用什么搜索系统，核心逻辑都是：不要完全抛弃文本相关性得分，而是把业务排序字段作为权重因子融入综合得分计算，这样既能让用户搜到匹配的商品，又能符合你的业务展示规则。

内容的提问来源于stack exchange，提问作者Fabio B.