当前检索能力在检索范式中的定位：

检索后处理算子 是 VikingDB 提供的一种检索后处理能力（PostProcess），用于在检索召回和标量过滤之后，对候选数据进行进一步的过滤和优化，确保最终返回的搜索结果更加精准、高效。
在 VikingDB 中，后置处理算子可用于：

• 标量权重融合：​基于业务需求结合数据时间/空间的信息进行融合排序，融合多个自定义的业务指标得分，从而生成一个更贴合业务需求的最终排序分数，确保召回排序结果符合业务预期。
• 结果精准筛选：基于业务需求通过正则匹配设定筛选规则，如筛选包含某种特征文字信息的商品，确保用户获得有效的检索结果。
• 数据质量提升：使用正则匹配对检索结果进行格式校验，过滤包含特殊字符、非法内容或广告信息的数据，确保返回内容符合标准，提高数据规范性。
• 检索结果均衡：对特定字段设置出现频率限制，防止某些值占据过多搜索结果，如热门品牌、热门作者或特定分类过度曝光，保证检索结果的多样性和公平性。

在向量检索请求的基础上，您可以在 search 请求参数中指定 **post_process_ops、post_process_input_limit**子参数设定后置处理算子。

{
        "op": "score_fusion",
        "fusion_by": "add",
        "addition_score_weight": 0.6,  //附加score的权重为0.6   ann score的权重为1-0.6=0.4
        "addition_score": [
            {
                "factor": 1.0,
                "base_value_from": "scalar_field",
                "field": "f_sales"
            },
            {
                "factor": -10.0, // 投诉多的商品，score应该降低
                "base_value_from": "scalar_field",
                "field": "f_complain"
            }
        ]
{

{
   "op": "string_contain",
   "field": "name",
   "pattern": "bar"
}

{
   "op": "string_match",
   "field": "name",
   "pattern": "^[0-9A-Za-z_]+$"
}

{
  "op": "enum_freq_limiter",
  "field": "city"
  "threshold": 5
}

分数加权融合（Score Fusion）是一项强大的检索后处理能力，允许在向量检索（ANN）分数的基础上，融合多个自定义的业务指标得分，从而生成一个更贴合业务需求的最终排序分数，search结果最终的排序和分数都是以此来计算。该功能通过一个灵活的加权公式，将向量相似性与业务逻辑紧密结合。

核心公式

最终分数的计算遵循以下核心公式：
final_score = origin_score * (1 - weight) + addition_score * weight

• origin_score: 原始的向量检索（ANN）分数。
• addition_score: 额外加分项，由一组自定义的业务指标得分加总而成，允许注入如时效性、热度、权威性、用户评分等多维度的业务逻辑。
• weight: 用于调节 addition_score 影响力的权重，其取值范围在 (0, 1) 之间。默认值0.5
• 另外需注意，默认会打开归一化函数，将 origin_score 和addition_score缩放到 (0,1) 区间内。当需要将不同分布的原始分数与业务分数进行融合时，建议开启此功能以获得更稳定和可预期的结果。归一化后的score计算公式如下：

final_score = normed1(origin_score) * (1 - weight) + normed2(addition_score) * weight

addition_score的计算方式

addition_score 是一个累加值，由一个或多个 addition_item_score 相加得出：
addition_score = Σ (addition_item_score)
每个 addition_item_score 代表一个独立的业务加分项，其计算方式为：
addition_item_score = factor * base_value

• factor: 因数，用于缩放或反转 base_value 的影响。可以将其设置为正数以实现加分，或设置为负数以实现降权或惩罚。默认为1.
• base_value: 基础分，是业务指标的原始数值。它的来源有两种方式：
  1. 直接取值 (scalar_field): 直接使用文档中标量字段的数值作为 base_value。适用于如“点赞数”、“销量”等可以直接量化业务价值的场景。
  2. 衰减函数 (decay_func): 根据标量字段的数值，通过衰减函数（高斯、指数、线性）计算出一个 (0,1) 区间内的 base_value。适用于如“发布时间”这种与某个“中心点”的接近程度相关的场景。

通过以上分层设计，分数加权融合功能提供了一个高度灵活且强大的工具，用以优化检索结果的排序，使其不仅相关，而且更具业务价值。

score_fusion参数配置

• Normalize参数结构

什么是衰减函数？

主要有3种：线性衰减函数、指数衰减函数、高斯衰减函数，但它们的入参和输出形式是完全一致的。

输入参数

衰减特性

计算公式介绍

import numpy as np

def gaussian_decay(origin, scale, decay, offset, distance):
    """高斯衰减函数"""
    adjusted_dist = max(0, abs(distance - origin) - offset)
    sigma_square = (scale ** 2) / (-2*np.log(decay))
    exponent = -(adjusted_dist ** 2) / (2 * sigma_square)
    return np.exp(exponent)


def exp_decay(origin, scale, decay, offset, distance):
    """指数衰减函数"""
    adjusted_dist = max(0, abs(distance - origin) - offset)
    lambda_val = np.log(decay) / scale
    return np.exp(lambda_val * adjusted_dist)


def linear_decay(origin, scale, decay, offset, distance):
    """线性衰减函数"""
    adjusted_dist = max(0, abs(distance - origin) - offset)
    slope = (1 - decay) / scale
    return max(0, 1 - slope * adjusted_dist)

# 地理距离衰减函数：
# 与上述基本相同，abs(distance - origin)部分，变为 地理坐标点到中心坐标点的距离。

示例1：按销售/投诉数量进行融合

假设数据集是商品，有“销量”字段f_sales（int64类型）、“投诉”字段f_complain（int64类型）
场景：我希望召回时，销量数越多的越优先召回，投诉量越少的越优先召回。
销量配置：​以标量大小线性排序即可，因此 base_value_from 设置为 scalar_field；
投诉配置：​以标量大小线性排序即可，因此 base_value_from 设置为 scalar_field，同时因是负相关，因此factor应该设计为负数；
对应的post_process_ops检索设置如下：

[
        "op": "score_fusion",
        "fusion_by": "add",
        "addition_score_weight": 0.6,  //附加score的权重为0.6   ann score的权重为1-0.6=0.4
        "addition_score": [
            {
                "factor": 1.0,
                "base_value_from": "scalar_field",
                "field": "f_sales"
            },
            {
                "factor": -10.0, // 投诉多的商品，score应该降低
                "base_value_from": "scalar_field",
                "field": "f_complain"
            }
        ]
    ]

例如，​有一条数据，f_sales=100，f_complain=2，假设ANN score是0.111。
现在设置addition_score_weight=0.6
计算执行如下：
origion_score = 0.111，假设归一化后为0.7
addition_score = (1.0 * 100) + (-10.0 * 2) = 80，假设归一化后为0.8
则总得分是 score = (0.7 * 0.4) + (0.8 * 0.6) = 0.76

示例2：按发布时间/点赞数进行融合

场景：​假设数据集是短视频，有“点赞数”字段f_like（int64类型）、“作品发布时间”字段f_publish_date_time（date_time类型），场景希望召回时，点赞数越多的越优先召回，作品发布时间距离当前时间越近的越优先召回。
点赞数的权重配置：​以标量大小线性排序即可，因此 base_value_from 设置为 scalar_field；
发布时间的权重配置：​会有业务逻辑设计，因此 **** base_value_from 设置为 decay_func；认为距离当前时间24小时以内的，都希望视为最新数据，因此时间因素视为相同；离当前10天的权重可以衰减为一半，因此scale设置为9d、decay设置为 0.5 ；
对应的post_process_ops检索设置如下：

[
        "op": "score_fusion",
        "fusion_by": "add",
        "addition_score_weight": 0.6,
        "addition_score": [
            {
                "factor": 1.0,
                "base_value_from": "scalar_field",
                "field": "f_like"
            },
            {
                "factor": 2.0,
                "base_value_from": "decay_func",
                "field": "f_publish_date_time",
                "func": "gauss",       // 高斯衰减函数
                "origin": "2025-10-01T00:00:00+08:00",  // 基准时间。
                "offset": "1d",       // 1天。距离当前时间1天以内的，时间因素视为相同。
                "scale": "9d",     // scale和decay参数共同刻画了衰减函数的坡度。这里表示：当时间距离为10天时，衰减函数取值为0.5。
                "decay": 0.5,          
            }
        ]
    ]

例如，有一条数据，f_like=100，f_publish_date_time="2025-10-22T11:23:48+08:00"(当时的时间)，假设ANN score是0.111
现在设置addition_score_weight=0.6
计算执行如下：
origion_score = 0.111，假设归一化后为0.7
addition_score = (1.0 * 100) + gauss_decay()，假设归一化后为0.8
则总得分是 score = (0.7 * 0.4) + (0.8 * 0.6) = 0.76