Mga halimbawa ng pag-ulit sa ranggo ng BM25
Kathang-isip ang mga dokumento at query sa mga halimbawang ito. Ipinapakita kung paano maaaring magbago ang mga score ng parehong kandidato kapag nagbago ang koleksiyong batayan ng pagkalkula. Makikita rin kung paano maaaring matanggal ang isang kandidato sa unang pagpili, bago ang muling pagraranggo. Ginamit sa mga kalkulasyon ang itinakdang bersiyon ng rank-bm25.
I-download ang limang script at ang mga na-save na resulta (ZIP). Ipinapaliwanag sa README kung paano i-install ang mga itinakdang bersiyon ng mga package ng Python at ihambing ang mga resulta.
Paano nagbago ang karaniwang haba ng dokumento?
Kahit ang pagdagdag ng dokumentong walang anumang salitang tumutugma sa query ay puwedeng magbago sa karaniwang haba na ginagamit sa pagkalkula ng score. Sa halimbawang ito, nangunguna ang A kapag mas mababa sa 18 token ang karaniwang haba, tabla sa B sa 18, at nahuhuli kapag higit sa 18. Sa kontrol na pagsubok na naka-off ang pag-aayos batay sa haba, laging nangunguna ang B.
Aling mga dokumento ang nagpabago sa bigat ng mga salita?
Sa koleksiyon ng siyam na kathang-isip na dokumento, tumutugma ang A sa red at ang B sa blue. Sa dalawang pagbabago sa ibang dokumento, dumami mula dalawa hanggang apat ang mga dokumentong may red. Tatlo pa rin ang dokumentong may blue. Una, nangunguna ang A. Pagkatapos ng unang pagbabago, tabla ito sa B, at pagkatapos ng pangalawa, nahuhuli na ito. Pareho pa rin ang mga kandidato at ang karaniwang haba na apat na token.
Aling mga dokumento ang kasama sa bilang sa bawat bahagi ng index?
Sa halimbawang ito na may 18 dokumento, nagkabaligtad ang ayos ng A at B matapos ang dalawang pagpapalitan ng ibang dokumento sa pagitan ng mga bahagi, kapag sariling estadistika ang batayan ng score sa bawat bahagi. Sa iisang kalkulasyon gamit ang buong koleksiyong walang binago, mas mataas ang score ng B sa bawat paraang sinubukan. Inilalarawan ng API sa paghahanap ng Elasticsearch kung saan maaaring kunin ang estadistika para sa mga salita. Nakuha ang mga score dito sa halimbawang Python.
Aling mga dokumento ang umabot sa muling pagraranggo?
Sa hiwalay na halimbawang may 18 dokumento, B, C, A ang pagkakasunod-sunod kapag kinalkula ang score ng lahat ng puwedeng isamang kandidato. Ginagamit sa muling pagraranggo ang mga score na iyon batay sa buong koleksiyon. Ang unang pagpili ang nagtatakda kung sinong mga kandidato ang aabot doon.
Unang pagpili at mga resulta ng muling pagraranggo
| Unang pagpili | Orihinal na huling pagkakasunod-sunod | Huling pagkakasunod-sunod matapos ang dalawang pagpapalitan ng ibang dokumento |
| Lokal na BM25, isa bawat bahagi | C, A | B, C |
| Lokal na BM25, hanggang dalawa bawat bahagi | B, C, A | B, C, A |
| BM25 sa buong koleksiyon, isa bawat bahagi | B, C | B, C |