BM25 और लेक्सिकल रिट्रीवल क्विज़

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. दस्तावेज़ों को रैंक करने के लिए BM25 मुख्य रूप से क्या उपयोग करता है?
   • सघन अर्थ संबंधी एम्बेडिंग
   • शब्द आवृत्ति, व्युत्क्रम दस्तावेज़ आवृत्ति, और दस्तावेज़ की लंबाई
   • प्रत्येक दस्तावेज़ की प्रकाशन तिथि
   • केवल उपयोगकर्ता का क्लिक-थ्रू इतिहास
2. बीएम25 में व्युत्क्रम दस्तावेज़ आवृत्ति (आईडीएफ) क्या भूमिका निभाती है?
   • यह 'द' जैसे बहुत सामान्य शब्दों को बढ़ावा देता है
   • यह मापता है कि प्रत्येक दस्तावेज़ कितना लंबा है
   • यह दुर्लभ, अधिक विशिष्ट शब्दों को अधिक महत्व देता है
   • यह केवल दस्तावेज़ों की कुल संख्या की गणना करता है
3. बीएम25 दस्तावेज़-लंबाई सामान्यीकरण (बी पैरामीटर) क्यों लागू करता है?
   • ताकि केवल अधिक शब्दों को शामिल करने के कारण लंबे दस्तावेज़ों को अनुचित रूप से पसंद न किया जाए
   • प्रत्येक दस्तावेज़ को समान लंबाई का बनाना
   • छोटे दस्तावेज़ों को हटाने के लिए
   • दस्तावेज़ों का मानक भाषा में अनुवाद करना
4. BM25 की टर्म-फ़्रीक्वेंसी हैंडलिंग की एक प्रमुख विशेषता यह है कि:
   • प्रत्येक दोहराव के साथ हमेशा के लिए रैखिक रूप से बढ़ता है
   • शब्द आवृत्ति को पूरी तरह से नजरअंदाज कर देता है
   • प्रत्येक दोहराए गए शब्द के लिए स्कोर दोगुना हो जाता है
   • संतृप्त करता है, इसलिए अधिक दोहराव से प्रासंगिकता कम हो जाती है
5. कौन सी डेटा संरचना BM25 को बड़े पैमाने पर तेज़ बनाती है?
   • शब्दों को समाहित करने वाले दस्तावेज़ों के लिए एक उलटा सूचकांक मैपिंग
   • एक तंत्रिका नेटवर्क
   • सभी पाठों की एक एकल क्रमबद्ध सारणी
   • उद्धरणों का एक ग्राफ़ डेटाबेस
6. आधुनिक खोज प्रणालियों में, BM25 का उपयोग अक्सर इसके लिए किया जाता है:
   • सभी तंत्रिका मॉडलों को पूरी तरह से बदलें
   • तंत्रिका पुनर्रैंकर से पहले एक तेज़ प्रथम-चरण रिट्रीवर के रूप में कार्य करें, या घने स्कोर के साथ जुड़े रहें
   • बिल्कुल नए दस्तावेज़ बनाएं
   • खोज सूचकांक एन्क्रिप्ट करें
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