BM25算法 vs 稠密檢索模型
BM25 vs Dense Retrieval
BM25算法 側重 BM25 (Best Matching 25) 是一種用於資訊檢索的排序函數，它基於詞頻和逆文檔頻率，並考慮了文檔長度的影響，以提高檢索的準確性。，而 稠密檢索模型 側重 稠密檢索模型使用神經網路將查詢和文檔嵌入到一個低維向量空間中，通過計算向量相似度來檢索相關文檔，克服了傳統方法的詞彙不匹配問題。。
逐項比較
| 項目 | BM25算法 | 稠密檢索模型 |
|---|---|---|
| 一句定義 | BM25 (Best Matching 25) 是一種用於資訊檢索的排序函數，它基於詞頻和逆文檔頻率，並考慮了文檔長度的影響，以提高檢索的準確性。 | 稠密檢索模型使用神經網路將查詢和文檔嵌入到一個低維向量空間中，通過計算向量相似度來檢索相關文檔，克服了傳統方法的詞彙不匹配問題。 |
| 比喻 | BM25 就像一個圖書館管理員在幫你找書 -- 他會看你關鍵字在書裡出現的頻率（越多越重要），也會看這個字在所有書裡是不是很少見（越少見越特別），而且他知道短書裡出現一次關鍵字比長書裡出現一次更重要，綜合這些因素來推薦最相關的書給你。 | 稠密檢索就像圖書館管理員，把每本書和每個讀者的提問都轉化成一個「主題標籤向量」 -- 只要標籤向量很接近，就表示書和問題相關，能快速找到對應的書。 |
| 常見標籤 | 自然語言處理、推薦系統、資料處理、AI應用、AI基礎、資訊安全 | 機器學習、深度學習、自然語言處理、神經網路、AI應用、大型語言模型 |
| iPAS 關聯度 | 未知 | 未知 |
| 考生最常問 | BM25 和 TF-IDF 差在哪？ | 稠密檢索模型如何處理詞彙不匹配問題？ |