BM25 dan Kuiz Pendapatan Leksikal

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. Apakah yang digunakan terutamanya oleh BM25 untuk menentukan kedudukan dokumen?
   • Embeddings semantik padat
   • Kekerapan istilah, kekerapan dokumen songsang, dan panjang dokumen
   • Tarikh penerbitan setiap dokumen
   • Sejarah klik lalu pengguna sahaja
2. Apakah peranan yang dimainkan oleh kekerapan dokumen songsang (IDF) dalam BM25?
   • Ia meningkatkan perkataan yang sangat biasa seperti 'the'
   • Ia mengukur berapa lama setiap dokumen
   • Ia memberikan istilah yang lebih jarang dan lebih tersendiri dengan berat yang lebih tinggi
   • Ia mengira jumlah dokumen sahaja
3. Mengapakah BM25 menggunakan normalisasi panjang dokumen (parameter b)?
   • Supaya dokumen panjang tidak diutamakan secara tidak adil hanya kerana mengandungi lebih banyak perkataan
   • Untuk menjadikan setiap dokumen sama panjang
   • Untuk memadam dokumen pendek
   • Untuk menterjemah dokumen ke dalam bahasa standard
4. Ciri utama pengendalian frekuensi jangka BM25 ialah ia:
   • Meningkat secara linear selama-lamanya dengan setiap ulangan
   • Mengabaikan kekerapan istilah sepenuhnya
   • Menggandakan markah untuk setiap perkataan yang diulang
   • Tepu, jadi ulangan tambahan menambah perkaitan yang semakin berkurangan
5. Apakah struktur data yang menjadikan BM25 pantas pada skala?
   • Istilah pemetaan indeks terbalik kepada dokumen yang mengandunginya
   • Rangkaian saraf
   • Satu tatasusunan yang diisih bagi semua teks
   • Pangkalan data graf petikan
6. Dalam sistem carian moden, BM25 sering digunakan untuk:
   • Gantikan semua model saraf sepenuhnya
   • Berkhidmat sebagai retriever peringkat pertama yang pantas sebelum penaraf semula saraf, atau digabungkan dengan skor yang padat
   • Hasilkan dokumen serba baharu
   • Sulitkan indeks carian
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