Co je BM25 a jaké jsou parametry (k1, b)?

BM25 (Nejlepší shoda 25) — je populární funkce řazení v informačním vyhledávání, založená na pravděpodobnostním modelu. Hodnotí relevanci dokumentu k dotazu s ohledem na frekvenci termínů a délku dokumentu.

Hlavní parametry:

• k1 — koeficient, který řídí nasycení vlivu frekvence termínu v dokumentu. Čím vyšší k1, tím silněji se zohledňuje zvýšení frekvence termínu, ale s klesající návratností.
• b — parametr normalizace délky dokumentu. Hodnota od 0 do 1, kde 0 znamená absenci normalizace a 1 úplnou normalizaci podle délky dokumentu.

Vzorec BM25 zohledňuje frekvenci termínu v dokumentu, inverzní frekvenci termínu v kolekci a délku dokumentu, aby vyvážil vliv těchto faktorů na konečné skóre.

Příklad použití v vyhledávacím systému: BM25 pomáhá určit, které dokumenty jsou nejrelevantnější pro dotaz uživatele, přičemž bere v úvahu, že časté termíny v dokumentu jsou důležitější, ale příliš dlouhé dokumenty nezískávají neoprávněnou výhodu.