BM25 算法详解：相关性排序的核心公式

BM25 是经典的检索打分函数，综合考虑词频、文档长度与逆文档频率。词频越高得分越高，但增长会饱和；文档越长越吃亏，需要做长度归一化；越罕见的词权重越大。实际系统还会叠加标题权重、时效性、点击率与站点质量等特征。
中文没有天然空格，必须先分词。难点在于歧义切分、新词识别与粒度选择。工程上常用二元组切分保证召回，再叠加词典词提升精度；查询侧同样切分，并要求词项相邻来近似短语匹配，这样既快又稳。
以上内容整理自公开资料与实操经验，具体参数请以实际环境为准。