metarank/metarank

它解決的問題

Metarank 是一個開源的排序服務，旨在讓搜尋與推薦系統變得更聰明且更個人化。它解決了靜態排序的問題，讓開發者能夠整合即時的使用者訊號（例如點擊和購買）與語意理解，以針對點閱率（CTR）等指標進行最佳化。

運作方式

Metarank 作為一個重新排序層，運作於現有的搜尋引擎（例如 Elasticsearch 或 OpenSearch）之上。它處理來自各種串流資料來源的訪客訊號，並使用機器學習模型——包含用於個人化的 LambdaMART 和用於推薦的 MF ALS——來即時重新排序結果集。它也支援在雙編碼器與交叉編碼器模式下使用 LLM，以提升對搜尋查詢的語意理解能力。

適用對象

它專為想要實作學習排序（LTR）、語意搜尋或個人化推薦小工具（例如「您可能也喜歡」），而不願為常見排序訊號撰寫大量自訂程式碼的開發者與工程師所打造。

亮點

• 即時個人化：根據目前的使用者行為與訪客輪廓來調整搜尋結果。
• 高效能：針對低延遲進行最佳化，能在 10-20ms 內處理大型結果集。
• AutoML 能力：具備自動特徵生成與模型重新訓練的功能。
• 雲端原生：使用 Redis 進行狀態管理的無狀態架構，能夠水平擴展。
• 內建訊號：開箱即用地計算 CTR、User-Agent 與 referer 等常見排序因素。