Útmutatóhoz kapcsolódó kvíz · Közepes Szint
BM25 és Lexical Retrieval Quiz
Explore BM25 term rarity, frequency saturation, document-length controls, inverted indexes, and its role in mining hard negatives for dense retrievers.
kérdés 1 -ból 8
Mit használ a BM25 elsősorban a dokumentumok rangsorolására?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Mit használ a BM25 elsősorban a dokumentumok rangsorolására?
- Sűrű szemantikai beágyazások
- A kifejezés gyakorisága, a dokumentum inverz gyakorisága és a dokumentum hossza
- Az egyes dokumentumok megjelenési dátuma
- Csak felhasználói átkattintási előzmények
- Milyen szerepet játszik az inverz dokumentumfrekvencia (IDF) a BM25-ben?
- Ez kiemeli az olyan gyakori szavakat, mint a "the"
- Azt méri, hogy az egyes dokumentumok milyen hosszúak
- A ritkább, jellegzetesebb kifejezéseknek nagyobb súlyt ad
- Csak a dokumentumok teljes számát számolja
- Miért alkalmazza a BM25 dokumentumhossz-normálást (a b paramétert)?
- Hogy a hosszú dokumentumokat ne méltánytalanul részesítsék előnyben csak azért, mert több szót tartalmaznak
- Hogy minden dokumentum azonos hosszúságú legyen
- Rövid dokumentumok törléséhez
- Dokumentumok szabványos nyelvre történő lefordítása
- A BM25 terminus-frekvencia kezelésének fő jellemzője, hogy:
- Lineárisan növekszik örökre minden ismétléssel
- Teljesen figyelmen kívül hagyja a kifejezés gyakoriságát
- Megduplázza a pontszámot minden ismételt szóért
- Telít, így az extra ismétlések csökkentik a relevanciát
- Milyen adatstruktúra teszi gyorssá a BM25-öt?
- Invertált index-leképezési feltételek az ezeket tartalmazó dokumentumokhoz
- Neurális hálózat
- Az összes szöveg egyetlen rendezett tömbje
- Hivatkozások grafikonos adatbázisa
- A modern keresőrendszerekben a BM25-öt gyakran használják:
- Cserélje ki teljesen az összes neurális modellt
- Gyors első stádiumú retrieverként szolgálhat az idegi átrendező előtt, vagy sűrű pontszámokkal egyesülhet
- Hozzon létre vadonatúj dokumentumokat
- A keresési index titkosítása
- 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
- 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