完整题目
在搜索排序系统中，如何设计和衡量内容的时效性特征？可以举例说明常用的量化方法。
本文目录
核心设计思路
时效性特征设计要解决两个关键问题：内容有多新（绝对时效性）和用户有多在意新（相对时效性）。
常用量化方法
1. 绝对时效性特征
| 方法 | 公式/说明 | 适用场景 |
|---|---|---|
| 时间差 | now - publish_time | 基础特征，需配合归一化 |
| 指数衰减 | score = e^(-λ·Δt) | 新闻、热点，衰减快 |
| Sigmoid衰减 | score = 1/(1+e^(k(Δt-t₀))) | 有一定保鲜期的内容（如评测） |
| 周期性特征 | 提取小时、星期、是否节假日 | 捕捉周期性用户行为 |
2. 相对时效性（意图感知）
- Query时效性分类：用模型判断query是否含时效意图（如"最新"、"2024"）
- 动态权重融合：
final_score = α(t)·时效分 + (1-α(t))·相关分，其中α根据意图强度动态调整
3. 行业特例
- 手机/数码：发布会前后7天权重陡增，用分段函数或事件时间对齐
- 医疗/法律：需反向降权，优先权威来源而非最新
衡量方法
离线指标
- 时效性NDCG：按时间新鲜度重新标注后的排序评估
- 时效性覆盖率：Top-K结果中近N天内容占比
在线实验
- 短周期指标：点击率、首条满足率（时效Query）
- 长周期指标：用户留存、搜索频次（验证是否"追新"过度）
一句话总结
时效性不是越新越好，而是**"在对的时间给对的人看对的新旧程度"**——核心是建模用户意图与内容生命周期的匹配关系。
学习建议
建议系统学习该知识点
换一种问法，检查是否真正理解
场景切入
假设你在做电商搜索，用户搜“iPhone 15”，你觉得新发布的评测应该排前面，还是半年前的评测？具体怎么设计特征来让系统自动区分这种时效需求？
层层追问
搜索排序里你一般怎么处理时间这个信号？…那如果用户搜的是“最新款手机”和“经典老歌”，时间权重应该一样吗？…具体你用什么公式来量化这种差异？
直球架构
设计搜索排序系统的时效性特征，你会选哪些量化方法？比如时间差、衰减函数，还要考虑用户意图。另外，线上怎么衡量这些特征有没有效？
练习口述回答 · 约4分钟
- 点题：时效性的本质是意图与生命周期的匹配
- 绝对时效性的几种衰减函数及适用边界
- 相对时效性的意图感知方法
- 业务落地中的特例与风险
- 衡量指标与离线在线关注点
- 总结与延伸可延伸点
这道题其实问的是，在搜索排序里，我们怎么把时间这个维度加进去。我觉得核心不是简单算内容有多新，而是 要建模用户意图和内容生命周期的匹配关系。说白了，就是“什么时候该给用户看多新的内容”。
先说绝对时效性，也就是内容本身的新旧。最基础的就是算时间差，但直接放进去不行，得归一化。我一般会看业务场景选衰减函数。比如新闻、热点，用户就是要最新，我会用指数衰减，衰减系数λ调得大一点，比如设定半小时后分数就掉到一半以下。但有些内容有保鲜期，比如数码评测，发布后一周内都有价值，太新反而没意义，这时候用Sigmoid衰减更合适，设定一个阈值t₀，过了这个点再快速衰减。还有周期性特征，比如电商大促期间的搜索，小时和星期几会有明显波动，这个也得单独抽出来。
但光有绝对时效性不够，因为用户对时效的敏感度不一样。这就是相对时效性，或者说意图感知。比如用户搜“iPhone 16 评测”，明显是时效Query；搜“iPhone 屏幕碎了怎么办”，就不那么在意时间。我会用模型给query打一个时效性得分，然后动态融合到最终排序里。这里有个关键点：这个权重α(t)不能是固定的，得根据意图强度动态调。比如检测到query里带“最新”“2024”这些词，α就调高，让时效分占主导；如果是长尾知识类query，α就调低，甚至归零。
接下来是落地时常见的坑。不同行业差异很大。比如手机数码，发布会前后7天权重可以陡增，这时候用分段函数或者事件时间对齐效果很好。但医疗、法律领域恰恰相反，用户要的是权威和准确，最新的可能还没经过同行评议，所以得反向降权，优先权威来源。所以时效性不是越新越好，这个边界一定要划清楚。
衡量方面，离线我会看时效性NDCG，就是按时间新鲜度重新标注一遍，再算NDCG。在线的话，对时效Query我会重点监控点击率和首条满足率，看用户是不是点到了最新结果。但这里有个风险：如果一味追新，用户留存可能会下降，因为新鲜内容质量不一定高。所以长周期指标也得看，比如用户7日留存，验证是不是过度追新了。
我特别想提一点，就是时效性和权威性冲突时怎么处理。比如医疗领域，最新研究和权威指南矛盾，排序上我会倾向权威，但会在结果页加一个“最新动态”的tab，把时效内容单独呈现。这个其实引出了多目标排序中如何平衡多个信号的问题。
总的来说，我会把时效性看作一个意图感知的调节器，而不是一个独立的排序因子。核心就是 在对的时间给对的人看对的新旧程度。