混合检索：后处理

更新时间：2026-09-11

本文介绍如何在 Doris 混合检索中使用后处理（post_process），包括分数过滤、长文本降权、Fusion 与 Reranker 分数融合、字段衰减、MMR 多样性选择和候选截断。

概览

后处理在 Fusion 或 Reranker 产出候选分数后，对候选结果进行二次调整。后处理只作用于已经生成的候选集，不改变召回、Fusion 或 Reranker 的候选生成方式。未配置 post_process 时，查询行为与原有 Fusion 或 Reranker 完全一致。

Plain Text

1Fusion 结果 / Pure Rerank 候选
2        ↓ candidates
3模型精排 Reranker（可选）
4        ↓ __RANK
5后处理 Post-Process
6        ↓ __RANK
7SQL ORDER BY / LIMIT
8        ↓
9查询结果

前提条件

使用后处理前请确认：

查询能够从 Fusion 或 Reranker 获得主分数。
JSON 顶层的 post_process 不是空对象。
只要配置 post_process，就同时配置 topn_post。
candidates >= topn_post；使用 MMR 时，还需要满足 candidates >= mmr.top_n >= topn_post。
length_norm.field、decay.field 和 mmr.vector_column 能在当前查询作用域中解析。
仅在 Fusion + Rerank 模式下使用 blend。

适用场景

后处理适合在相关性分数之上叠加业务策略，例如：

按发布时间、距离、价格做新鲜度或距离衰减
对过长文本降权
丢弃低于阈值的低相关结果
融合 Fusion 分数与 Reranker 分数
用向量相似度做 MMR 去重和多样性选择

三种检索模式都可以配置后处理：

模式	后处理主分数	`blend`
Fusion only	内部 Fusion 分数	不支持
Pure Rerank	Reranker 原始 `__RANK`	不支持
Fusion + Rerank	Reranker 原始 `__RANK`	支持

使用示例

Fusion + Rerank + Post-Process

该模式先融合多路召回结果，再调用 Reranker 进行模型精排，最后执行完整的后处理流程。由于同时存在 Fusion 分数和 Reranker 分数，因此可以使用 blend。

SQL

1SELECT id, title, content, publish_time
2FROM documents
3ORDER BY hybrid_search(
4    '{
5        "rerank": "RRF",
6        "c": 60,
7        "candidates": 50,
8        "reranker": {
9            "model": "jina-reranker-v2-base-multilingual",
10            "query": "苹果公司市值",
11            "text_columns": ["title", "content"]
12        },
13        "post_process": {
14            "min_score": 0.35,
15            "length_norm": {
16                "field": "content",
17                "min_length": 50
18            },
19            "blend": {
20                "fusion_weight": 0.3,
21                "reranker_weight": 0.7
22            },
23            "decay": {
24                "function": "gauss",
25                "field": "publish_time",
26                "origin": "2026-04-20",
27                "scale": "7d",
28                "offset": "1d",
29                "decay": 0.5
30            },
31            "mmr": {
32                "lambda": 0.7,
33                "vector_column": "vec",
34                "distance_type": "cosine",
35                "top_n": 10
36            },
37            "topn_post": 10
38        }
39    }',
40    ann_distance(vec, [0.1, 0.2, 0.3, 0.4]),
41    bm25_score(content, 'any', '苹果公司市值')
42)
43LIMIT 10;

Pure Rerank + Post-Process

Pure Rerank 的候选集来自上游查询，Reranker 完成模型精排后再执行后处理。由于没有 Fusion 分数，因此不能配置 blend。

SQL

1SELECT id, title, content, publish_time
2FROM (
3    SELECT d.id, d.title, d.content, d.publish_time, d.vec, a.name AS author_name
4    FROM documents d
5    JOIN authors a ON d.author_id = a.id
6    WHERE d.tenant_id = 100
7    ORDER BY d.publish_time DESC
8    LIMIT 200
9) t
10ORDER BY hybrid_search(
11    '{
12        "candidates": 100,
13        "reranker": {
14            "model": "jina-reranker-v2-base-multilingual",
15            "query": "苹果公司市值",
16            "text_columns": ["title", "content", "author_name"]
17        },
18        "post_process": {
19            "min_score": 0.2,
20            "decay": {
21                "function": "exp",
22                "field": "publish_time",
23                "origin": "2026-04-20",
24                "scale": "7d",
25                "decay": 0.5
26            },
27            "topn_post": 20
28        }
29    }'
30)
31LIMIT 10;

Fusion only + Post-Process

没有 Reranker 时，后处理基于内部 Fusion 分数。此时 decay、mmr、topn_post 最有价值；min_score 可用，但阈值要按 Fusion 分数尺度设置；blend 必须禁止。

SQL

1SELECT id, title, content
2FROM documents
3ORDER BY hybrid_search(
4    '{
5        "rerank": "RRF",
6        "c": 60,
7        "candidates": 50,
8        "post_process": {
9            "decay": {
10                "function": "gauss",
11                "field": "publish_time",
12                "origin": "2026-04-20",
13                "scale": "7d"
14            },
15            "mmr": {
16                "vector_column": "vec",
17                "top_n": 20
18            },
19            "topn_post": 10
20        }
21    }',
22    ann_distance(vec, [0.1, 0.2, 0.3, 0.4]),
23    bm25_score(content, 'any', '苹果公司市值')
24)
25LIMIT 10;

查看后处理分数

在 SELECT 列表中增加虚拟列 __RANK，可以查看后处理后的最终排序分数：

SQL

1SELECT id, title, __RANK
2FROM documents
3ORDER BY hybrid_search('{...}', bm25_score(content, 'any', '苹果公司市值'))
4LIMIT 10;

虚拟列	说明
`__RANK`	最终排序分数。未配置 `post_process` 且存在 Reranker 时，为 Reranker 原始相关性分数；配置 `post_process` 时，为后处理后的最终分数。

Fusion 原始分数不作为输出列暴露。最终 SQL 仍按 ORDER BY hybrid_search() 对应的 __RANK DESC 排序，再由外层 LIMIT 截断。

执行完成后，应重点核对：

__RANK 是否按从高到低的顺序排列。
min_score 是否过滤了低于阈值的候选。
时间、距离或价格等字段是否按照 decay 规则影响排序。
MMR 是否降低重复结果，并保留与查询相关的候选。
最终条数是否同时受到实际候选数、topn_post 和外层 LIMIT 的限制。

执行顺序

后处理按固定顺序执行，与 JSON 字段书写顺序无关。用户只需选择启用哪些阶段。

顺序	阶段	作用
1	`length_norm`	按文本长度修正当前分数
2	`blend`	融合 Fusion 分数与当前分数
3	`decay`	按时间、距离、价格等字段衰减
4	`min_score`	丢弃当前分数低于阈值的候选
5	`mmr`	按相关性和向量多样性选择候选
6	`topn_post`	截断进入最终 SQL 排序的候选数

设计要点：

length_norm、blend、decay 先把分数调整成可排序的业务相关性。
min_score 过滤的是衰减后的分数，而不是原始模型分。
mmr 基于最终相关性做多样性选择。
topn_post 必须最后执行，避免过早截断影响过滤和多样性。

有 mmr 时，__RANK 仍是进入 MMR 前经过分数调整和 min_score 过滤后的分数。topn_post 先截断 MMR 选出的集合，最终 SQL 再按 __RANK DESC 排序，因此不同 topn_post 的结果不保证前缀关系。

参数选择建议

业务目标	建议配置	说明
减少长文本因词项较多而获得的额外优势	`length_norm`	按照文本长度降低当前分数
同时保留 Fusion 和模型精排的信号	`blend`	仅适用于 Fusion + Rerank
优先展示较新、较近或价格更合适的结果	`decay`	根据连续值字段对当前分数进行衰减
去掉相关性过低的候选	`min_score`	阈值需要按照当前模式的分数尺度设置
减少内容重复、提高结果多样性	`mmr`	需要指定可用的向量列
限制后处理输出规模	`topn_post`	配置 `post_process` 时必填

JSON 参数

顶层参数

参数	类型	必填	默认值	说明
`rerank`	string	Fusion 模式必填	-	Fusion 方式，取值 `RRF` / `WEIGHT`
`c`	int	否	`60`	RRF 参数
`weights`	array	WEIGHT 模式必填	-	WEIGHT 模式各路权重
`candidates`	int	否	`10`	进入 Reranker 或后处理的最大候选行数，必须写在 JSON 顶层
`reranker`	object	使用模型精排时必填	-	Reranker 模型精排配置
`post_process`	object	否	-	后处理配置；存在时必须能从 Fusion 或 Reranker 获得主分数

candidates 范围是 [1, max_candidates]。默认值和上限分别由 hybrid_search_reranker_default_candidates、hybrid_search_reranker_max_candidates 控制，上限默认 4000。不要把 candidates 写进 reranker 对象。

post_process 参数

参数	类型	必填	默认值	说明
`min_score`	double	否	-	过滤低于当前后处理分数的文档，必须为有限数值
`length_norm`	object	否	-	文档长度归一化
`blend`	object	否	-	Fusion 分数与 Reranker 分数融合；仅 Fusion + Rerank 可用
`decay`	object	否	-	字段衰减
`mmr`	object	否	-	MMR 多样性选择
`topn_post`	int	存在 `post_process` 时必填	-	后处理输出给最终 SQL 排序的候选条数，范围 `[1, candidates]`

post_process 不能是空对象。只要配置了后处理，就必须显式写 topn_post；其余阶段可按需组合。

length_norm 参数

参数	类型	必填	默认值	说明
`field`	string	是	-	文本列名，必须为 `VARCHAR` / `CHAR` / `TEXT` / `STRING`
`min_length`	int	否	`1`	归一化下限，范围 `[1, 1000000]`

计算公式：

Plain Text

1normalized_score = current_score / sqrt(max(text_length, min_length) / min_length)

text_length 按 UTF-8 字节长度计算。
NULL 按空串处理。
文本越长，当前分数降权越多；短于 min_length 的文档按 min_length 计算，不再额外放大。

Fusion only 模式下，它修正的是 Fusion 分数，更适合 BM25 占比较高、长文本更容易命中的场景。

blend 参数

参数	类型	必填	默认值	说明
`fusion_weight`	double	是	-	Fusion 分数权重，范围 `[0, 1]`
`reranker_weight`	double	是	-	Reranker 分数权重，范围 `[0, 1]`

计算公式：

Plain Text

1blended_score = fusion_weight * normalize(fusion_score) + reranker_weight * current_score

仅 Fusion + Rerank 可用。Fusion only 或 Pure Rerank 配置 blend 会报错。
fusion_weight + reranker_weight 必须大于 0。
normalize(fusion_score) 在当前候选集内做 min-max 归一化到 [0, 1]；若所有 Fusion 分数相同，归一化值统一为 1.0。
current_score 是执行到 blend 时的当前分数，通常已经过 length_norm。

decay 参数

参数	类型	必填	默认值	说明
`field`	string	是	-	连续值列名，支持 DATE / DATETIME / INT / BIGINT / FLOAT / DOUBLE / DECIMAL
`origin`	string	是	-	衰减基准值，必须能转换为 `field` 对应类型
`scale`	string	是	-	衰减尺度，必须为正值。时间字段支持 `d` / `h` / `m` / `s` 后缀，数值字段为数字字符串
`offset`	string	否	`0`	无衰减偏移量，必须非负；单位规则同 `scale`
`function`	string	否	`gauss`	衰减函数，取值 `gauss` / `exp` / `linear`
`decay`	double	否	`0.5`	`distance == scale` 时的衰减因子，范围 `(0, 1)`

衰减距离：

Plain Text

1distance = max(abs(field_value - origin) - offset, 0)

衰减函数：

function	公式	适用说明
`gauss`	(\mathrm{decay}^{(distance / scale)^2})	平滑渐降，适合通用搜索
`exp`	(\mathrm{decay}^{distance / scale})	近处衰减更明显，适合时效性内容
`linear`	(\max(1 - (1 - \mathrm{decay}) \times distance / scale,\ 0))	线性下降，超过 `scale` 后继续降到 0

最终分数：

Plain Text

1score_after_decay = current_score * decay_factor

当 distance == scale 时，三种函数的 decay_factor 都等于 decay。默认 decay = 0.5，表示在 scale 处把当前分数降到 50%。调小 decay 会强化降权，调大则放缓降权。字段值为 NULL 时不衰减，decay_factor = 1.0。

mmr 参数

参数	类型	必填	默认值	说明
`lambda`	double	否	`0.7`	相关性与多样性权重，范围 `[0, 1]`
`vector_column`	string	是	-	向量列名，必须为 `ARRAY<FLOAT>` 或当前向量检索支持的向量列类型
`distance_type`	string	否	`cosine`	本期仅支持 `cosine`
`top_n`	int	是	-	MMR 输出条数，范围 `[1, candidates]`，且必须 `>= topn_post`

选择公式：

Plain Text

1argmax doc_i: lambda * relevance_score_i - (1 - lambda) * max_similarity(doc_i, selected_docs)

cosine_distance = 1 - dot(a, b) / (norm(a) * norm(b))
max_similarity 使用 1 - cosine_distance
lambda 越大越偏向相关性，越小越偏向与已选文档不相似
候选行数小于 top_n 时，输出实际候选行数
任一候选向量为 NULL、零向量或维度不一致时查询报错

数量约束

约束	说明
`candidates >= topn_post`	后处理输出不能超过进入后处理的候选上限
`candidates >= mmr.top_n >= topn_post`	先由 MMR 选出 `top_n` 个候选，再由 `topn_post` 截断
SQL `LIMIT` 不参与约束	外层 `LIMIT` 在最终排序后再截取

实际候选数小于配置值时，以实际数量为准，不报错。需要稳定的 Pure Rerank 输入顺序时，应在子查询中显式 ORDER BY / LIMIT。

字段解析

length_norm.field、decay.field、mmr.vector_column 按 hybrid_search() 所在查询作用域的输出列名解析，规则与 reranker.text_columns 相同。

支持子查询、JOIN、CTE、UNION 的输出列。
存在同名列时，应在子查询中使用别名消歧。
字段可以不出现在最终 SELECT 列表中，但仍会参与后处理计算。
找不到列时报错：Unknown column 'xxx' in post_process.<field>。

常见问题

配置了 post_process 但没有生效

确认 JSON 顶层存在非空 post_process，并且已经设置 topn_post。可用 EXPLAIN 查看后处理概要，例如：

Plain Text

1VHYBRID_SEARCH_RERANK_NODE
2  mode: fusion_rerank
3  candidates: 50
4  reranker: model=jina-reranker-v2-base-multilingual, text_columns=[title, content]
5  post_process: min_score, length_norm(field=content), blend, decay(field=publish_time,function=gauss), mmr(vector_column=vec,distance_type=cosine,top_n=10), topn_post=10

blend 报错

blend 只适用于 Fusion + Rerank。Fusion only 会报缺少 Reranker 分数，Pure Rerank 会报缺少 Fusion 分数。

min_score 过滤后结果为空

这是正常行为，不会报错。请按当前模式的分数尺度调整阈值：Reranker 分数和 Fusion 分数的范围不同。

MMR 查询报错

检查 vector_column 是否存在、是否为向量类型，以及候选向量是否为 NULL、零向量或维度不一致。distance_type 目前只能是 cosine。

最终条数不是 topn_post

topn_post 只控制进入最终 SQL 排序的候选数。外层 LIMIT 还会再次截断；min_score 过滤后实际候选数也可能更少。

能力速查

能力	Fusion only	Pure Rerank	Fusion + Rerank
`length_norm`	支持	支持	支持
`blend`	不支持	不支持	支持
`decay`	支持	支持	支持
`min_score`	支持	支持	支持
`mmr`	支持	支持	支持
`topn_post`	必填	必填	必填

评价此篇文章

有帮助没帮助

混合检索：重排序Reranker

地理检索

百度智能云

百度胜算

百度胜算

混合检索：后处理

概览

前提条件

适用场景

使用示例

Fusion + Rerank + Post-Process

Pure Rerank + Post-Process

Fusion only + Post-Process

查看后处理分数

执行顺序

参数选择建议

JSON 参数

顶层参数

post_process 参数

length_norm 参数

blend 参数

decay 参数

mmr 参数

数量约束

字段解析

常见问题

配置了 post_process 但没有生效

blend 报错

min_score 过滤后结果为空

MMR 查询报错

最终条数不是 topn_post

能力速查