LanceDB混合搜索中分数组合逻辑的Bug分析与修复

问题背景

在LanceDB数据库系统(v0.17.1b4版本)的混合搜索功能实现中，发现了一个关于分数组合逻辑的重要问题。混合搜索结合了向量搜索和全文搜索(Full-Text Search, FTS)两种技术，通过线性组合两种搜索结果的分数来提供更精准的搜索结果。

问题现象

在linear_combination.py文件的merge_result函数中，当合并向量搜索和全文搜索结果时，发现分数组合权重分配不正确。具体表现为：

1. 当只有全文搜索结果而没有对应的向量搜索结果时，系统错误地将全文搜索的倒置分数(inverted_fts_score)作为第一个参数(score1)传递给组合函数
2. 而实际上，第一个参数应该始终代表向量搜索的分数(无论是实际距离还是默认填充值1)
3. 这导致用户指定的向量搜索权重被错误地应用到了全文搜索分数上

技术细节分析

混合搜索的核心逻辑是将两种搜索技术的分数进行线性组合。在LanceDB的实现中：

1. 向量搜索返回的距离分数(越小表示越相关)
2. 全文搜索返回的相关性分数(越大表示越相关)
3. 系统需要先将全文搜索分数倒置(1-score)使其与向量搜索距离分数方向一致
4. 然后使用用户指定的权重进行线性组合

正确的组合公式应为：

最终分数 = 1 - (权重 * 向量分数 + (1-权重) * 全文分数)

但实际实现中，当处理只有全文搜索结果的条目时，错误地将倒置后的全文分数作为第一个参数传递，导致权重分配错误。

影响范围

这个bug会导致：

1. 用户指定的权重无法正确应用
2. 混合搜索结果的排序可能不符合预期
3. 特别是当用户希望给向量搜索更高权重时(如权重设为0.7)，实际效果会相反

解决方案

该问题已在后续版本中修复(#2035)，主要修正了分数组合时的参数传递逻辑，确保：

1. 向量搜索分数始终作为第一个参数
2. 全文搜索分数始终作为第二个参数
3. 用户指定的权重正确应用于向量搜索分数

最佳实践建议

对于使用LanceDB混合搜索功能的开发者，建议：

1. 升级到包含此修复的版本
2. 测试不同权重设置下的搜索结果是否符合预期
3. 对于关键应用，建议验证混合搜索结果的排序质量

这个修复确保了混合搜索中权重分配的正确性，使开发者能够更精确地控制向量搜索和全文搜索在最终结果中的影响比例。