BM25（概率检索排序算法）

BM25（Best Matching 25）是信息检索中广泛使用的排序函数，属于概率检索模型。它基于词袋模型，计算查询词与文档的相关性得分，考虑词频（TF）、逆文档频率（IDF）和文档长度归一化。BM25通过引入饱和函数和长度归一化参数k1和b，解决了TF-IDF的不足，能更准确地反映词的重要性。背景是20世纪70-80年代概率检索模型的发展，BM25由Stephen Robertson和Karen Spärck Jones等人提出。技术说明包括其数学公式和参数调优。典型应用包括Elasticsearch、Lucene等搜索引擎的默认排序算法。