/**
 * Reciprocal Rank Fusion (RRF) 기반 하이브리드 검색
 *
 * FTS, Vector, Recency 결과를 통합하여 최적의 검색 결과 제공.
 * C-6: 카테고리/티어 부스트, ACT-R recency decay, 가중치 설정 지원.
 */
import type { Memory, MemorySearchResult } from '../types/index.js';
export interface RankedResult {
    memory: Memory;
    score: number;
    sources: Array<{
        type: 'fts' | 'vector' | 'recency' | 'expand';
        rank: number;
    }>;
    parentId?: string;
}
export interface RankerWeights {
    fts: number;
    vector: number;
    recency: number;
}
export interface RankerOptions {
    k?: number;
    weights?: Partial<RankerWeights>;
    categoryBoost?: boolean;
    tierBoost?: boolean;
    recencyDecay?: boolean;
}
/**
 * RRF (Reciprocal Rank Fusion) 기반 하이브리드 랭커
 *
 * RRF 공식: score = sum(weight_i / (k + rank_i)) for each source
 * - k: RRF 파라미터 (기본: 60) - 낮을수록 상위 순위에 더 높은 가중치
 * - rank: 각 소스에서의 순위 (1부터 시작)
 */
export declare class HybridRanker {
    private k;
    private weights;
    private categoryBoost;
    private tierBoost;
    private recencyDecay;
    constructor(kOrOptions?: number | RankerOptions);
    /**
     * FTS + Vector + Recency 결과를 RRF로 통합
     */
    rank(ftsResults: MemorySearchResult[], vectorResults: MemorySearchResult[], recencyResults?: Memory[]): RankedResult[];
    private addScore;
    private getHoursAgo;
}
/**
 * Compute LSH hash for embedding pre-filtering (C-4)
 * SimHash-like: pseudo-random hyperplane signs -> hex string
 *
 * WARNING: Hash collision 가능성 있음 — 동일 hash라도 실제 유사도 검증 필수.
 * bits=32 기준 collision 확률 ~1/2^32이나, 대규모 corpus(1M+)에서는 false-positive 발생 가능.
 * 따라서 이 함수는 pre-filter 목적으로만 사용하고, 최종 결과는 cosineSimilarity로 재검증.
 */
export declare function computeEmbeddingHash(embedding: number[], bits?: number): string;
//# sourceMappingURL=ranker.d.ts.map