ตัวอย่างการสร้างอันดับ BM25 ให้ได้ผลเดิม

ตัวอย่างเหล่านี้ใช้เอกสารและคำค้นสมมติ เพื่อแสดงว่าเอกสารผู้สมัครเดิมอาจได้คะแนนต่างไปเมื่อชุดเอกสารที่ใช้คิดคะแนนเปลี่ยน และผู้สมัครอาจถูกคัดออกตั้งแต่รอบแรกก่อนถึงรอบจัดอันดับใหม่ การคำนวณใช้ rank-bm25 เวอร์ชันที่ระบุ

ดาวน์โหลดสคริปต์ห้าชุดและผลที่บันทึกไว้ (ZIP) ไฟล์ README อธิบายวิธีติดตั้งแพ็กเกจ Python เวอร์ชันที่ระบุและเปรียบเทียบผลเมื่อรันซ้ำ

ความยาวเฉลี่ยของเอกสารเปลี่ยนอย่างไร

แม้เอกสารที่เพิ่มเข้ามาจะไม่มีคำค้นเลย แต่ก็อาจเปลี่ยนความยาวเฉลี่ยที่ใช้คิดคะแนนได้ ในตัวอย่างนี้ A นำเมื่อเฉลี่ยต่ำกว่า 18 โทเค็น เสมอกับ B ที่ 18 และตามหลังเมื่อสูงกว่า 18 ในการทดสอบเปรียบเทียบที่ปิดการปรับคะแนนตามความยาว B นำทุกกรณี

เอกสารใดทำให้ค่าน้ำหนักของคำเปลี่ยน

ในชุดเอกสารสมมติเก้าฉบับ A ตรงกับ red และ B ตรงกับ blue การแก้เอกสารอื่นสองครั้งทำให้จำนวนฉบับที่มี red เพิ่มจากสองเป็นสี่ ส่วนจำนวนฉบับที่มี blue ยังเป็นสาม ตอนแรก A นำ หลังแก้ครั้งแรก A เสมอกับ B และหลังแก้ครั้งที่สอง A ตามหลัง เอกสารผู้สมัครและความยาวเฉลี่ยสี่โทเค็นยังเหมือนเดิม

แต่ละส่วนของดัชนีใช้เอกสารใดคำนวณสถิติ

ในตัวอย่างที่มีเอกสาร 18 ฉบับนี้ การสลับเอกสารประกอบระหว่างส่วนของดัชนีสองครั้งทำให้อันดับของ A กับ B สลับกันเมื่อแต่ละส่วนใช้สถิติของตัวเองคิดคะแนน เมื่อคำนวณคะแนนร่วมกันโดยอิงเอกสารทั้งชุดที่ยังเหมือนเดิม B ได้คะแนนสูงกว่าในทุกแบบที่ทดสอบ API ค้นหาของ Elasticsearch อธิบายว่าดึงสถิติของคำจากขอบเขตใดได้บ้าง คะแนนที่แสดงมาจากตัวอย่าง Python

เอกสารใดได้เข้าสู่รอบจัดอันดับใหม่

อีกตัวอย่างหนึ่งใช้เอกสาร 18 ฉบับ เมื่อคิดคะแนนผู้สมัครที่มีสิทธิ์ทั้งหมด จะได้ลำดับ B, C, A รอบจัดอันดับใหม่ใช้คะแนนชุดเดิมที่คิดจากเอกสารทั้งชุด ส่วนการคัดเลือกรอบแรกกำหนดว่าเอกสารใดจะได้เข้ารอบนั้น

การคัดเลือกรอบแรกและผลจากการจัดอันดับใหม่
การคัดเลือกรอบแรกอันดับสุดท้ายในการแบ่งแบบเดิมอันดับสุดท้ายหลังสลับเอกสารประกอบสองครั้ง
BM25 แยกตามส่วน เลือกส่วนละหนึ่งรายการC, AB, C
BM25 แยกตามส่วน เลือกไม่เกินสองรายการต่อส่วนB, C, AB, C, A
BM25 จากเอกสารทั้งชุด เลือกส่วนละหนึ่งรายการB, CB, C