Tiếp theoHướng dẫn tiếp theo
ColBERT Truy xuất tương tác muộn
Ngôn ngữ AI
HƯỚNG DẪN AI về ngôn ngữ
BM25 và truy xuất từ vựng
BM25 là chức năng xếp hạng dựa trên từ khóa cổ điển để chấm điểm tài liệu theo tần suất xuất hiện của cụm từ truy vấn, được điều chỉnh theo độ hiếm của cụm từ và độ dài tài liệu.
Nghe hướng dẫn nàyAI thuật lại · ~2 min
Trên trang nàyĐọc trong 2 phút
Tổng quan
Đã nhiều thập kỷ trôi qua, nó vẫn là một cơ sở cơ sở rất mạnh mẽ và phổ biến cho tìm kiếm.
Lặn sâu
BM25 (Kết hợp tốt nhất 25) là một chức năng xếp hạng theo cụm từ từ khung xác suất Okapi của những năm 1990. Đối với mỗi thuật ngữ truy vấn, nó kết hợp ba tín hiệu: tần suất thuật ngữ (tần suất từ xuất hiện trong tài liệu, với kết quả giảm dần được kiểm soát bởi tham số k1), tần suất tài liệu nghịch đảo (các từ hiếm hơn trong bộ sưu tập được đếm nhiều hơn) và chuẩn hóa độ dài tài liệu (tham số b, vì vậy các tài liệu dài không được ưa chuộng một cách không công bằng). Tổng hợp các điểm số mỗi học kỳ này và bạn sẽ có được thứ hạng của tài liệu. Nó không cần đào tạo và chạy cực nhanh thông qua các chỉ mục đảo ngược, đó là lý do tại sao các công cụ tìm kiếm như Elasticsearch và Lucene sử dụng nó theo mặc định. Bất chấp sự gia tăng của khả năng truy xuất thần kinh, BM25 vẫn giành chiến thắng hoặc hòa ở nhiều điểm chuẩn, đặc biệt là đối với các thuật ngữ hiếm, số nhận dạng chính xác và truy vấn ngoài miền.
Triển khai trong thế giới thực
Xếp hạng mức độ liên quan mặc định trong Elaticsearch, OpenSearch và Apache Lucene/Solr
Truy xuất ứng viên ở giai đoạn đầu cung cấp công cụ sắp xếp lại thần kinh chậm hơn trong tìm kiếm hai giai đoạn
Tìm kiếm mã và nhật ký trong đó mã định danh chính xác và mã lỗi phải khớp chính xác
Khai thác các ví dụ tiêu cực khó để huấn luyện những chú chó tha mồi dày đặc như DPR
Tương lai của BM25 và Truy xuất từ vựng
BM25 khó có thể biến mất; thay vào đó, nó ngày càng được kết hợp với các phương pháp thần kinh trong truy xuất kết hợp, trong đó điểm số từ vựng và điểm dày đặc được hợp nhất (thường thông qua phản ứng tổng hợp thứ hạng đối ứng). Các mô hình thưa thớt đã học như SPLADE kết hợp thưa thớt kiểu BM25 với trọng số thuật ngữ thần kinh và BM25 thường đóng vai trò là công cụ truy xuất giai đoạn đầu trước khi sắp xếp lại thần kinh. Tốc độ, khả năng diễn giải và chi phí đào tạo bằng 0 của nó đảm bảo vai trò lâu dài trong tìm kiếm sản xuất.
Đưa nó vào thực tế
Tại sao nó quan trọng
- Tốc độ và tỷ lệ. Quy trình công việc ngôn ngữ có thể di chuyển nhanh hơn mà không làm mất tính nhất quán.
- Truy cập và tiếp cận. Nó mở rộng quyền truy cập vào các ngôn ngữ và phong cách giao tiếp.
- Quyết định rõ ràng hơn. Các nhóm có thể dành nhiều thời gian hơn để đánh giá trong khi quá trình tự động hóa xử lý sự lặp lại.
coi chừng
- Sự thật ảo giác có thể lặng lẽ đi vào báo cáo, luồng hỗ trợ hoặc kết quả nghiên cứu.
- Sự nhạy cảm kịp thời có thể tạo ra kết quả không nhất quán đối với các yêu cầu tương tự.
- Dữ liệu văn bản nhạy cảm có thể bị lộ nếu khả năng kiểm soát quyền truy cập yếu.
Các bước tiếp theo
- Xác định định dạng đầu ra, âm thanh và tiêu chuẩn chất lượng trước khi triển khai.
- Phản hồi mặt đất với các nguồn đáng tin cậy bất cứ khi nào độ chính xác quan trọng.
- Duy trì điểm kiểm tra đánh giá của con người đối với các kết quả đầu ra có mức độ rủi ro cao.
- Theo dõi các kiểu lỗi và đào tạo lại các lời nhắc hoặc quy trình làm việc thường xuyên.
Tiếp tục khám phá
Bản tin miễn phí
Nhận bản tóm tắt AI hàng ngày
Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.
Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.
Tự kiểm tra
Take the BM25 and Lexical Retrieval quiz
Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.
Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp
Câu hỏi thường gặp
BM25 và Truy xuất từ vựng là gì?
BM25 là chức năng xếp hạng dựa trên từ khóa cổ điển để chấm điểm tài liệu theo tần suất xuất hiện của cụm từ truy vấn, được điều chỉnh theo độ hiếm của cụm từ và độ dài tài liệu. Đã nhiều thập kỷ trôi qua, nó vẫn là một cơ sở cơ sở rất mạnh mẽ và phổ biến cho tìm kiếm.
BM25 chủ yếu dùng gì để xếp hạng tài liệu?
BM25 kết hợp tần suất thuật ngữ, tần suất tài liệu nghịch đảo (độ hiếm của thuật ngữ) và chuẩn hóa độ dài tài liệu thành điểm liên quan.
Tần số tài liệu nghịch đảo (IDF) đóng vai trò gì trong BM25?
IDF khen thưởng các thuật ngữ hiếm trong bộ sưu tập và giảm trọng số các từ phổ biến, vì các kết quả hiếm có nhiều thông tin hơn.
Tại sao BM25 áp dụng chuẩn hóa độ dài tài liệu (tham số b)?
Nếu không chuẩn hóa, các tài liệu dài hơn sẽ tích lũy nhiều kết quả khớp thuật ngữ hơn; tham số b điều chỉnh độ dài để so sánh được công bằng.
Cấu trúc dữ liệu nào làm cho BM25 nhanh ở quy mô lớn?
Chỉ mục đảo ngược cho phép BM25 chỉ chấm điểm những tài liệu có chứa thuật ngữ truy vấn, giúp việc truy xuất trở nên rất hiệu quả.
In the standard BM25 formula, what effect does setting b to zero have?
b controls the strength of length normalization; zero removes that adjustment while other scoring components remain.
Tiếp tục học hỏi
Hướng dẫn liên quan
Đã chọn thêm hướng dẫn cho chủ đề này