知识卡片
BM25语义贡献
BM25 综合四个因素估计文档与查询的相关性:词在文档中出现越多、在其他文档中越少,贡献越大;用户查询中重复强调的词权重更高;文档越长,未命中词越多,相关性被适当压低。搜索排序因此不是“有没有这个词”,而是每条证据对用户意图正负贡献的累积。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
原书出处
参考来源
- 位置:《人工智能产品经理:人机对话系统设计逻辑探究》第4章《智能交互技术》(源文件:_epub-src/OEBPS/text00008.html)
- 结论依据:原文说明BM25融合文档词频、逆文档频率、查询词频和文档长度因子,核心思想是计算每个精确命中查询词对语义相关性的正向贡献并求和,文档中的未命中词带来负向贡献,综合得到语义相关性。
- 原始内容:BM25是精确命中场景下最成功的内容排序模型,其计算逻辑融合了4种不同的考虑因素:文档词频(TF)、逆文档频率(IDF)、查询词频和文档长度因子。……BM25算法的核心思想是计算每个精确命中查询词对语义相关性的正向贡献并求和。……文档包含查询词会为语义相关性带来正向贡献,而文档中的其他未命中词会为语义相关性带来负向贡献