学习排序 (LTR): 解释排序特征的分类。

Core Concept: 查询特征、文档特征、查询-文档交互特征、上下文/用户特征；交互特征是核心（但计算成本高）。

数学机理：<strong>排序特征的四类</strong>——(1) <strong>查询特征（query-only）</strong>——(a) 查询长度、词数；(b) <strong>查询类型</strong>（导航型/信息型/事务型）；(c) 是否含专有名词/数字/引号（精确匹配需求）；(d) 查询的'时效需求'（是否含'最新'、'今天'）；(e) 查询的'语言'。<strong>作用</strong>——(i) 用于'查询分类'（决定检索策略）；(ii) 作为排序特征（如'精确型查询更依赖词面匹配'）。(2) <strong>文档特征（doc-only）</strong>——(a) 文档长度；(b) <strong>质量分</strong>（PageRank/权威性/内容质量模型）；(c) <strong>历史行为</strong>（CTR、停留时长、转化率）；(d) <strong>时效</strong>（发布时间）；(e) <strong>类型</strong>（标题/正文/问答/商品页）；(f) 文档的'语言'与'可读性'。<strong>作用</strong>——'质量/权威/时效'是相关性之外的独立信号。(3) <strong>查询-文档交互特征（query-doc）</strong>——<strong>核心特征</strong>：(a) <strong>词匹配</strong>（查询词在文档中出现的次数、位置、是否在标题）；(b) <strong>BM25 分</strong>（稀疏检索分）；(c) <strong>嵌入相似度</strong>（稠密检索分）；(d) <strong>语义匹配特征</strong>（cross-encoder 的输出、BERT 的相似度）；(e) <strong>查询词的覆盖度</strong>（多少查询词被满足）；(f) <strong>短语匹配</strong>（是否含精确短语）。<strong>为什么最重要</strong>——因为它们直接衡量'文档是否满足查询'；<strong>但计算成本高</strong>（需对每个候选算）→ 故常在'精排阶段'才计算（召回阶段用廉价的）。(4) <strong>上下文/用户特征（context/user）</strong>——(a) <strong>位置</strong>（但推理时不用，见位置偏置题）；(b) <strong>设备</strong>（移动/桌面）；(c) <strong>时间/地点</strong>；(d) <strong>用户历史</strong>（点击过的、偏好的）；(e) <strong>会话上下文</strong>（前序查询）。<strong>作用</strong>——个性化与场景适配。<strong>特征工程要点</strong>——(a) <strong>归一化</strong>（不同特征的尺度差异大）；(b) <strong>分桶/离散化</strong>（树模型友好）；(c) <strong>交叉特征</strong>（如'查询类型 × 文档类型'）；(d) <strong>时序特征</strong>（近 1 天/7 天/30 天的统计）；(e) <strong>避免特征泄漏</strong>（离线特征不能含'未来信息'——见训练-服务一致性问题）。<strong>特征重要性与选择</strong>——(a) 用 <strong>GBDT 的特征重要性</strong>（split gain）或 <strong>SHAP</strong> 分析；(b) 剔除'低重要性/高成本'的特征（省算力）；(c) 剔除'冗余'特征（高相关）。(d) <strong>注意</strong>——特征重要性 ≠ 因果贡献（相关特征会'分摊'重要性）。<strong>与其他问题的关系</strong>——(a) 与'训练-服务一致性'（特征的计算需一致）；(b) 与'位置偏置'（位置特征的陷阱）；(c) 与'多目标'（不同目标需要不同特征）。<strong>实践建议</strong>——(a) <strong>分阶段用特征</strong>（召回用廉价特征、精排用交互特征）；(b) <strong>特征归一化 + 分桶</strong>；(c) <strong>分析特征重要性</strong>（剔除低效特征）；(d) <strong>防泄漏</strong>（时序特征需注意）；(e) <strong>监控特征分布漂移</strong>。<strong>度量</strong>——(a) 特征重要性（gain/SHAP）；(b) 加入/剔除特征后的 NDCG；(c) 特征的计算成本；(d) 特征覆盖率（缺失率）。

深度剖析与工程权衡：① <strong>'交互特征最重要但最贵'</strong>——这解释了'为什么分阶段'（召回用廉价特征、精排用交互特征）；面试中能指出这一点是深度理解的标志。② <strong>'位置特征的陷阱'</strong>——训练时可作特征，推理时必须不用（或用'位置无关'模型）；否则引入偏置。③ <strong>'特征泄漏'是常见错误</strong>——离线特征含'未来信息'会导致离线虚高、线上崩盘。④ <strong>'特征重要性 ≠ 因果贡献'</strong>——相关特征会分摊重要性；故分析时需注意。⑤ <strong>'特征的成本'需权衡</strong>——高成本特征（如 cross-encoder 分）只在精排用；低效特征应剔除。⑥ <strong>面试要点</strong>——被问'排序有哪些特征'，应给出'<strong>四类（查询/文档/交互/上下文）+ 交互特征是核心 + 分阶段使用 + 防泄漏</strong>'与'<strong>位置特征的陷阱</strong>'；能指出'特征重要性≠因果'是深度理解的标志。