当前位置：首页 > news >正文

Elasticsearch搜索排序实战：时间衰减函数(Decay Function)评分优化全解析

news 2026/4/27 12:59:16

@[TOC](Elasticsearch搜索排序实战：时间衰减函数(Decay Function)评分优化全解析)

🌺The Begin🌺点点关注，收藏不迷路🌺

前言

在内容搜索、电商推荐、新闻资讯、短视频、社区帖子等几乎所有搜索业务中，都有一个共同的排序需求：
在匹配关键词的前提下，越新的文档权重越高，旧文档逐步降权。

但直接按时间倒序排序会忽略相关性，而单纯靠关键词评分又会让老旧热帖排在前面。
Elasticsearch 提供的衰减函数（Decay Function）就是专门解决这个问题的神器，能实现新内容加权、老内容平滑降权的效果。

本文将从原理、流程图、核心参数、实战代码、业务场景全方位讲解，带你彻底掌握时间衰减评分，让搜索结果更符合用户习惯。

一、什么是时间衰减（Decay Function）？

1.1 定义

衰减函数是 Elasticsearch 内置的评分函数，用于根据数值字段（如时间、距离、价格）让文档评分随着数值偏离中心点而逐渐下降。

时间衰减 = 越新得分越高，随时间推移得分平滑降低

1.2 适用业务场景

新闻/文章：最新发布优先
电商商品：新品加权
帖子/短视频：新内容权重高
招聘/公告：最新优先
任何“新内容比旧内容好”的业务

1.3 时间衰减评分流程（可视化）

二、ES 支持的 3 种衰减函数

函数	曲线特点	适用场景
gauss（高斯衰减）	平滑缓慢下降，最自然	时间衰减首选
exp（指数衰减）	下降极快	需要快速降权
linear（线性衰减）	直线下降	简单业务

结论：时间衰减 99% 场景使用 gauss（高斯）

三、高斯时间衰减函数完整语法

3.1 基础模板

GET/article/_search{"query":{"function_score":{"query":{"match":{"title":"Elasticsearch"}},"functions":[{"gauss":{"publish_time":{"origin":"now","scale":"7d","offset":"1d","decay":0.5}}}],"boost_mode":"multiply"}}}

3.2 四大核心参数（必须理解）

origin：中心点
时间中心点，now代表现在
离它越近得分越高
scale：衰减规模
衰减速度
- 7d= 7天
- 30d= 30天
  scale 越大，衰减越慢
offset：偏移量（保护期）
在偏移时间内不衰减，得满分
- 1d= 24小时内不衰减
  保护新内容不被降权
decay：衰减系数
超过 scale 后的得分倍率
默认 0.5
越小衰减越快

四、参数含义直观解释（秒懂）

origin: "now" → 以现在为最优时间 offset: "1d" → 1天内发布的内容：得满分 scale: "7d" → 从第1天到第8天，开始衰减 decay: 0.5 → 7天后得分变为原来的 0.5

时间得分曲线：

0~1天：得分 1.0（满分）
8天：得分 0.5
16天：得分 0.25
越老越低

五、时间衰减实战场景（直接复制使用）

场景 1：新闻/文章（24小时内不衰减）

"gauss":{"publish_time":{"origin":"now","offset":"1d","scale":"7d","decay":0.5}}

场景 2：电商新品（7天内加权）

"gauss":{"create_time":{"origin":"now","offset":"7d","scale":"30d","decay":0.4}}

场景 3：短视频/帖子（快速衰减）

"gauss":{"post_time":{"origin":"now","offset":"6h","scale":"2d","decay":0.3}}

六、时间衰减 + 关键词匹配 + 业务评分（生产最强模板）

企业级最常用搜索模板：
关键词匹配 + 时间衰减 + 销量/热度加权

GET/shop/_search{"query":{"function_score":{"query":{"multi_match":{"query":"手机","fields":["title^3","desc^1"],"type":"best_fields","tie_breaker":0.3}},"functions":[{"gauss":{"publish_time":{"origin":"now","offset":"1d","scale":"7d","decay":0.5}}},{"field_value_factor":{"field":"sales","modifier":"log1p"}}],"boost_mode":"multiply","score_mode":"sum"}}}