排名

在结果出现在 UrlbarView 中之前，它们是从提供程序中获取的。

每个 UrlbarProvider 实现其自己的内部排名并返回排序后的结果。

在外部，所有结果都由 UrlbarMuxer 根据硬编码的组和子组列表进行排名。

注意

偏好设置可以影响组的顺序，例如，将 Firefox Suggest 放在搜索建议之前。

负责返回历史记录和书签结果的 Places 提供程序使用名为 Frecency 的内部排名算法。

Frecency 实现

Frecency 是从 frequency 和 recency 派生出来的一个术语，其作用是提供一个排名算法，该算法既考虑页面访问的频率，也考虑页面上次访问的时间。此外，它还通过奖励系统考虑每次访问的类型。

为了考虑 recency，实现了分桶系统。如果页面的访问时间晚于桶的截止时间，则它会获得与该桶关联的权重。

  • 4 天以内 - 权重 100 - places.frecency.firstBucketCutoff/Weight

  • 14 天以内 - 权重 70 - places.frecency.secondBucketCutoff/Weight

  • 31 天以内 - 权重 50 - places.frecency.thirdBucketCutoff/Weight

  • 90 天以内 - 权重 30 - places.frecency.fourthBucketCutoff/Weight

  • 其他 - 权重 10 - places.frecency.defaultBucketWeight

为了考虑 frequency，使用页面访问的总次数来计算最终分数。

每次访问的类型使用特定的奖励来考虑。

默认奖励

任何未知类型都会获得默认奖励。预计这将不会被使用。首选项 places.frecency.defaultVisitBonus 当前值：0。

嵌入

用于非用户操作导致的嵌入/框架访问。目前，这些访问存储在内存中，并且永远不会参与 frecency 计算。因此，这目前未使用。首选项 places.frecency.embedVisitBonus 当前值：0。

框架链接

用于由于用户操作导致的跨框架访问。首选项 places.frecency.framedLinkVisitBonus 当前值：0。

下载

用于下载访问。支持这些访问的链接着色很重要，但它们不一定是地址栏结果的有用结果（下载视图可以更好地处理这些结果），因此它们的 frecency 可以很低。首选项 places.frecency.downloadVisitBonus 当前值：0。

重新加载

用于重新加载访问（刷新同一页面）。较低，因为不应该可以通过多次重新加载来影响 frecency。首选项 places.frecency.reloadVisitBonus 当前值：0。

重定向源

当页面重定向到另一个页面时使用。这是一个较低的值，因为我们更重视最终目标，即用户实际访问的目标，尤其是在永久重定向的情况下。首选项 places.frecency.redirectSourceVisitBonus 当前值：25。

临时重定向

用于由临时重定向 (HTTP 307) 导致的访问。首选项 places.frecency.tempRedirectVisitBonus 当前值：40。

永久重定向

用于由永久重定向 (HTTP 301) 导致的访问。这是 url 的新的假定目标，因此奖励高于临时奖励。在这种情况下，建议仅选择源访问的奖励。首选项 places.frecency.permRedirectVisitBonus 当前值：50。

书签

用于从书签视图生成的访问。首选项 places.frecency.bookmarkVisitBonus 当前值：75。

链接

用于普通访问，例如单击链接时。首选项 places.frecency.linkVisitBonus 当前值：100。

键入

旨在用于用户键入的页面，实际上，当用户从 UI（历史记录视图或地址栏）中选择 url 时使用。首选项 places.frecency.typedVisitBonus 当前值：2000。

上述奖励适用于访问，此外，如果页面根本没有被访问，也会应用一些奖励，这两个奖励可以同时应用。

未访问的已加书签页面

用于已加书签但未访问的页面。首选项 places.frecency.unvisitedBookmarkBonus 当前值：140。

未访问的已键入页面

用于已键入且现在已加书签的页面（否则它们将是孤立的）。首选项 places.frecency.unvisitedTypedBonus 当前值：200。

还定义了两个特殊 frecency 值。

  • -1 表示数据库中刚刚插入的条目，其分数尚未计算。

  • 0 表示不应该为其计算新值的条目，因为它在搜索结果中的用户价值较低（例如，place：查询）。

最后，因为每次添加新访问时都从所有访问中计算分数将非常昂贵，所以只使用最近 10 次（首选项 places.frecency.numVisits）访问的样本。

如何计算页面的 frecency

流程图 TD start[URL] a0{有访问记录吗？} a1[获取最近 10 次访问记录] a2[奖励 = 未访问奖励 + 已加书签 + 已键入] a3{奖励 > 0？} end0[Frecency = 0] end1["frecency = 年龄桶权重 * (奖励 / 100)"] a4[对所有采样访问记录的点数求和] a5{点数 > 0？} end2[frecency = -1] end3["Frecency = 访问次数 * (点数 / 样本大小)"] subgraph sub [每次访问] sub0[奖励 = 访问类型奖励] sub1{已加书签？} sub2[添加书签奖励] sub3["分数 = 年龄桶权重 * (奖励 / 100)"] sub0 --> sub1 sub1 -- yes --> sub2 sub1 -- no --> sub3 sub2 --> sub3; end start --> a0 a0 -- no --> a2 a2 --> a3 a3 -- no --> end0 a3 -- yes --> end1 a0 -- yes --> a1 a1 --> sub sub --> a4 a4 --> a5 a5 -- no --> end2 a5 -- yes --> end3

Frecency 计算流程

  1. 如果访问了页面，则获取 NUM_VISITS 最近访问记录的样本。

  2. 对于每次访问，根据访问类型获取过渡奖励。

  3. 如果页面已加书签，则向奖励中添加额外的书签奖励。

  4. 如果奖励为正，则根据访问日期获取桶权重。

  5. 将访问的点数计算为 age_bucket_weight * (bonus / 100)。

  6. 对所有采样访问记录的点数求和。

  7. 如果点数总和为零，则返回 -1 frecency，它仍将显示在 UI 中。否则，frecency 为 visitCount * points / NUM_VISITS。

  8. 如果页面未被访问且未加书签，或者它是已加书签的 place 查询，则返回 0 frecency，以将其从 UI 中隐藏。

  9. 如果已加书签，则添加书签奖励。

  10. 如果它也是已键入的页面，则添加已键入奖励。

  11. Frecency 为 age_bucket_weight * (bonus / 100)

何时计算页面的 frecency

可能影响 frecency 分数的操作有

  • 添加访问记录

  • 删除访问记录

  • 添加书签

  • 删除书签

  • 更改书签的 url

重新计算 Frecency

  • 立即，当添加新的访问记录时。用户在此处的期望是，页面在访问后出现在搜索结果中。这也适用于允许添加访问记录的任何历史记录 API。

  • 在空闲时间在后台，在任何其他情况下。在大多数情况下，拥有临时过时的值不是问题，主要问题是在删除页面历史记录时保护隐私，但删除整个历史记录将要么完全删除页面，要么如果已加书签，它仍然会相关。在这种情况下，当发生影响 frecency 的更改时，页面的 recalc_frecency 数据库字段将设置为 1。

重新计算由 PlacesFrecencyRecalculator 模块完成。当 PlacesUtils.history.shouldStartFrecencyRecalculation 值从 false 更改为 true 时，会通知重新计算器，这意味着有一些值需要重新计算。一个 DeferredTask 被激活，它将在接下来的 5 分钟内寻找用户空闲机会，否则它将在该时间过去时运行。一旦所有过时的值都已重新计算，PlacesUtils.history.shouldStartFrecencyRecalculation 将恢复为 false，直到下一个使 frecency 无效的操作。重新计算任务也在 idle-daily 通知时被激活。

当任务执行时，它会重新计算一部分页面的 frecency。如果还有更多页面需要重新计算，则会重新激活该任务。在重新计算页面的 frecency 后，其 recalc_frecency 字段将恢复为 0。

在idle-daily通知期间，Frecency也会每天衰减，方法是将所有分数乘以0.975的衰减率（半衰期为28天）。这保证了未收到新访问或书签的条目会失去相关性。

自适应输入历史

输入历史（也称为自适应历史）是一项功能，允许查找用户之前选择的网址。为此，它将搜索字符串与选定的网址关联起来。

自适应结果通常在Frecency派生的结果之前呈现，使它们看起来具有无限的Frecency。

当用户输入给定的字符串并从地址栏中选择结果时，该关系将被存储并增加给定字符串的use_count字段。use_count字段渐近逼近最大值10（更新方式为use_count * .9 + 1）。

在查询时，匹配所有以输入字符串开头的搜索字符串，并为每个页面计算排名，计算公式为ROUND(MAX(use_count) * (1 + (input = :search_string)), 1)，以便完美匹配搜索字符串的结果显示在顶部。具有相同排名的结果还会按Frecency降序排序。

在每日空闲时，当Frecency衰减时，输入历史也会衰减，特别是use_count字段会乘以0.975的衰减率。衰减后，任何use_count < 0.975^90 (= 0.1)的条目都会被删除，因此如果90天内未使用，条目将被删除。