OKapi BM25 算法介绍

最新推荐文章于 2024-06-04 17:33:37 发布

weixin_30590285

最新推荐文章于 2024-06-04 17:33:37 发布

阅读量174

点赞数

原文链接：http://www.cnblogs.com/jilichuan/archive/2012/08/22/2650721.html

版权

From wikipedia.org英文版，我主要将其改变成中文。

　　BM25（Best Match25）是在信息检索系统中根据提出的query对document进行评分的算法。It is based on the probabilistic retrieval framework developed in the 1970s and 1980s by Stephen E. Robertson, Karen Spärck Jones, and others.BM25算法首先由OKapi系统实现，所以又称为OKapi BM25。

BM25属于bag-of-words模型，bag-of-words模型只考虑document中词频，不考虑句子结构或者语法关系之类，把document当做装words的袋子，具体袋子里面可以是杂乱无章的。It is not a single function, but actually a whole family of scoring functions, with slightly different components and parameters. One of the most prominent instantiations of the function is as follows.

　　对于一个query $Q$ , 包括关键字 $q_1, ..., q_n$ , 一个文档的BM25得分:

$\text{score}(D,Q) = \sum_{i=1}^{n} \text{IDF}(q_i) \cdot \frac{f(q_i, D) \cdot (k_1 + 1)}{f(q_i, D) + k_1 \cdot (1 - b + b \cdot \frac{|D|}{\text{avgdl}})},$

其中IDF是上篇文章《 TD-IDF》中的IDF，f是《 TD-IDF》中的TF，|D|是文档D的长度，avgdl是语料库全部文档的平均长度。k ₁和b是参数。 usually chosen, in absence of an advanced optimization, as $k_1 \in [1.2,2.0]$ and $b = 0.75$ 。