BM25 的原理与相对 TF-IDF 的改进
哪些公司问过
答案要点
- 基于词频 TF 与逆文档频率 IDF 对查询词逐项打分再累加
- 词频饱和:用参数 k1 控制,词频增加时得分增长趋缓
- 文档长度归一化:用参数 b 控制,相对平均长度惩罚长文档
- 相比 TF-IDF 增加了词频饱和与长度归一化
- 常用 k1 约 1.2 到 2,b 约 0.75;用于搜索排序和 RAG 的关键词召回
易错点
- 把 BM25 说成只是 TF-IDF
- 说不清 k1 和 b 的作用
- 忽略 IDF 对稀有词的加权
- 认为 BM25 能理解语义
面试官常见追问
- BM25 里的 IDF 是怎么算的?
- k1 和 b 分别调大会怎样?
- BM25 有哪些不足?
- BM25 和向量检索怎么结合?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。