搜索排序的核心是判断文档和查询的相关性。传统方法看词项匹配，比如查询词在标题出现比在正文出现权重更高，再用 BM25 这类公式平衡词频和文档长度。
但字面匹配不够。用户搜手机推荐，希望看到评测和选购建议，而不是只含手机两个字的页面。于是语义匹配模型被引入，把查询和文档映射到向量空间比较相似度。
实际系统通常多路召回再统一排序。召回阶段用倒排索引快速筛出候选，排序阶段用 learning to rank 模型综合相关性、质量、时效、点击率等特征打分。
排序模型训练依赖人工标注和用户行为日志。标注数据质量决定上限，行为数据量大但有偏，比如位置靠前的结果点击天然更多，需要做偏差校正。
所以搜索排序不是单一算法，而是召回、特征、模型、评估共同作用的工程体系，任何一环短板都会影响最终体验。
