知识卡片
词项检索需要处理分词与长度偏差
词项频率可能偏爱更长的文档,BM25等评分会考虑文档长度。分词还要避免拆散具有整体含义的短语,并处理大小写和常见停用词。具体处理应按语言和任务验证,不能假定字面重叠等同于用户意图。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · RAG与智能体
原书出处 · 1 处
- · 查看原书依据
BM25通过文档长度对词频分数进行了归一化处理。较长的文档更可能包含某个词项,并具有更高的词频值,BM25对此进行了修正。
参考来源
- 位置:《AI工程:大模型应用开发实战》第6章《RAG与智能体》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section014.xhtml)
- 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。
- 原始内容:BM25通过文档长度对词频分数进行了归一化处理。较长的文档更可能包含某个词项,并具有更高的词频值,BM25对此进行了修正。