BM25 и тест за лексикално извличане

Отговорите и обясненията се появяват, докато отговаряте на теста.

1. Какво основно използва BM25 за класиране на документи?
   • Плътни семантични вграждания
   • Честота на термина, обратна честота на документа и дължина на документа
   • Датата на публикуване на всеки документ
   • Само потребителска история на кликванията
2. Каква роля играе обратната документна честота (IDF) в BM25?
   • Увеличава много често срещани думи като „the“
   • Той измерва колко е дълъг всеки документ
   • Той дава по-голяма тежест на по-редките, по-отличителни термини
   • Той отчита само общия брой документи
3. Защо BM25 прилага нормализиране на дължината на документа (параметър b)?
   • Така че дългите документи не са несправедливо предпочитани само защото съдържат повече думи
   • За да направите всеки документ еднаква дължина
   • За изтриване на кратки документи
   • За превод на документи на стандартен език
4. Ключова характеристика на обработката на термин-честота на BM25 е, че тя:
   • Увеличава се линейно завинаги с всяко повторение
   • Изцяло игнорира термина честота
   • Удвоява резултата за всяка повтаряща се дума
   • Насища, така че допълнителните повторения добавят намаляваща уместност
5. Каква структура на данните прави BM25 бърз в мащаб?
   • Обърнат индекс, съпоставящ термините към документите, които ги съдържат
   • Невронна мрежа
   • Единичен сортиран масив от целия текст
   • Графична база данни с цитати
6. В съвременните системи за търсене BM25 често се използва за:
   • Заменете изцяло всички невронни модели
   • Служете като бърз ретривър от първи етап преди невронно прекласиране или се слеете с плътни резултати
   • Генерирайте чисто нови документи
   • Шифроване на индекса за търсене
7. In the standard BM25 formula, what effect does setting b to zero have?
   • It removes all inverse-document-frequency weights
   • It makes every matching term contribute zero
   • It changes the index from lexical terms to dense vectors
   • It disables document-length normalization in the term-frequency denominator
8. When BM25 is used to mine DPR training negatives, what makes a retrieved nonanswer passage a hard negative?
   • It has no words in common with any document
   • It is automatically the positive passage because its lexical score is high
   • It looks relevant through term overlap but does not support the question's answer
   • It contains no readable text and is never retrieved