BM25 اور لغوی بازیافت

Decades old, it remains a remarkably strong and ubiquitous baseline for search.

BM25 (بہترین میچنگ 25) 1990 کی دہائی کے ممکنہ اوکاپی فریم ورک سے الفاظ کی درجہ بندی کا ایک بیگ ہے۔ ہر استفسار کی اصطلاح کے لیے یہ تین اشاروں کو یکجا کرتا ہے: اصطلاحی تعدد (کسی دستاویز میں لفظ کتنی بار ظاہر ہوتا ہے، جس میں پیرامیٹر k1 کے ذریعے کنٹرول کیا جاتا ہے)، الٹا دستاویز کی فریکوئنسی (مجموعہ میں نایاب الفاظ زیادہ شمار ہوتے ہیں)، اور دستاویز کی لمبائی نارملائزیشن (پیرامیٹر b، اتنی لمبی دستاویزات غیر منصفانہ طور پر پسند نہیں کی جاتی ہیں)۔ ان فی ٹرم اسکورز کو جمع کریں اور آپ کو دستاویز کا درجہ مل جائے گا۔ اسے کسی تربیت کی ضرورت نہیں ہے اور الٹی انڈیکس کے ذریعے بہت تیزی سے چلتا ہے، یہی وجہ ہے کہ Elasticsearch اور Lucene جیسے سرچ انجن اسے بطور ڈیفالٹ استعمال کرتے ہیں۔ اعصابی بازیافت میں اضافے کے باوجود، BM25 اب بھی بہت سے معیارات پر جیتتا ہے یا ٹائی کرتا ہے، خاص طور پر نایاب اصطلاحات، درست شناخت کنندگان، اور ڈومین سے باہر کے سوالات کے لیے۔