BM25
Función clásica de ranking por palabras clave que puntúa documentos según la frecuencia y la rareza de los términos buscados.
También: Okapi BM25 · Best Matching 25 · búsqueda léxica
GlosarioBM25 es una función de ranking de búsqueda por palabras: puntúa cada documento según cuántas veces aparecen en él los términos de la consulta, cuánto de raros son esos términos en toda la colección y la longitud del documento. Es la base de los buscadores de texto completo y está descrita en Robertson y Zaragoza (2009).
En la práctica
Dos parámetros controlan su comportamiento: k1 satura el efecto de repetir un término (la décima aparición suma mucho menos que la primera) y b ajusta cuánto se penaliza a los documentos largos. Los valores por defecto de las librerías suelen funcionar. Brilla donde fallan los Embeddings: códigos de producto, nombres propios, mensajes de error exactos, siglas. Por eso se combina con búsqueda vectorial en la Búsqueda híbrida.
No confundir con
- Búsqueda semántica: compara significados mediante vectores. BM25 solo ve coincidencias de términos, sin sinónimos.