Okapi BM25-Ranking

Die Beziehung \mathrm{BM25}(D,Q)=\sum_{t\in Q}IDF(t)\frac{f(t,D)(k₁+1)}{f(t,D)+k₁(1-b+b|D|/\mathrm{avgdl})} fasst BM25 bewertet Dokumente für eine Suchanfrage mit Termhäufigkeit, Termseltenheit und Dokumentlängennormalisierung. zusammen. Lies sie als Modell für klar definierte Größen, nicht als automatische Aussage über jede reale Situation. Im Beispiel Für f=3, k₁=1,2, b=0,75, |D|=100, avgdl=100 und IDF=2 ist der Termbeitrag 2·3·2,2/(3+1,2)=3,143. werden die Symbole mit konkreten Werten verbunden und das Ergebnis wird fachlich interpretiert. Gültigkeitsgrenze: BM25 summiert über Anfragebegriffe. Die Termfrequenzwirkung sättigt mit k₁; b steuert die Längennormalisierung. Eine übliche IDF-Variante ist ln((N−df+0,5)/(df+0,5)); Details variieren zwischen Implementierungen. Parameter werden meist empirisch abgestimmt. Die Formel ist Quelle: Stanford Introduction to Information Retrieval, Chapter 11: Probabilistic Information Retrieval and BM25.

Schreibe zuerst die gesuchte Größe und alle gegebenen Werte mit ihren Bezeichnungen auf. Setze sie in \mathrm{BM25}(D,Q)=\sum_{t\in Q}IDF(t)\frac{f(t,D)(k₁+1)}{f(t,D)+k₁(1-b+b|D|/\mathrm{avgdl})} ein und prüfe, ob die Einheiten zusammenpassen. Das Beispiel Für f=3, k₁=1,2, b=0,75, |D|=100, avgdl=100 und IDF=2 ist der Termbeitrag 2·3·2,2/(3+1,2)=3,143. liefert eine Rechenprobe: Werte Formel und Ergebnis müssen dieselbe Größenordnung und Bedeutung ergeben; runde erst am Ende. Gültigkeitsgrenze: BM25 summiert über Anfragebegriffe. Die Termfrequenzwirkung sättigt mit k₁; b steuert die Längennormalisierung. Eine übliche IDF-Variante ist ln((N−df+0,5)/(df+0,5)); Details variieren zwischen Implementierungen. Parameter werden meist empirisch abgestimmt. Die Formel ist Quelle: Stanford Introduction to Information Retrieval, Chapter 11: Probabilistic Information Retrieval and BM25.

Die Formel gilt nur, wenn die Größen so definiert sind wie in der Quelle und im Hintergrundtext. Prüfe insbesondere Randfälle, Messbedingungen und ob ein Näherungszeichen statt Gleichheit gemeint ist. Ein formal korrektes Einsetzen kann trotzdem fachlich falsch sein, wenn diese Voraussetzungen verletzt werden oder die betrachtete Population beziehungsweise Systemgrenze wechselt. Gültigkeitsgrenze: BM25 summiert über Anfragebegriffe. Die Termfrequenzwirkung sättigt mit k₁; b steuert die Längennormalisierung. Eine übliche IDF-Variante ist ln((N−df+0,5)/(df+0,5)); Details variieren zwischen Implementierungen. Parameter werden meist empirisch abgestimmt. Die Formel ist Quelle: Stanford Introduction to Information Retrieval, Chapter 11: Probabilistic Information Retrieval and BM25.

Die angegebene Einheit lautet: dimensionsloser Ranking-Score; k₁ und b dimensionslos. Vor dem Einsetzen müssen alle Werte auf ein konsistentes Einheitensystem gebracht werden; Anzahlen, Prozentangaben und dimensionslose Verhältnisse sind dabei nicht austauschbar. Die Variablenliste benennt die Rolle jedes Symbols. Einheitenkontrolle erkennt viele Fehler, ersetzt aber nicht die Prüfung, ob die Formelannahmen erfüllt sind. Gültigkeitsgrenze: BM25 summiert über Anfragebegriffe. Die Termfrequenzwirkung sättigt mit k₁; b steuert die Längennormalisierung. Eine übliche IDF-Variante ist ln((N−df+0,5)/(df+0,5)); Details variieren zwischen Implementierungen. Parameter werden meist empirisch abgestimmt. Die Formel ist Quelle: Stanford Introduction to Information Retrieval, Chapter 11: Probabilistic Information Retrieval and BM25.

Ein Vergleich hilft, wenn beide Größen dieselbe Aufgabe beantworten, aber unterschiedliche Eigenschaften betonen. Berichte Definition, Eingabedaten, Schwelle oder Aggregation zusammen mit dem Zahlenwert. Die Quelle Stanford Introduction to Information Retrieval, Chapter 11: Probabilistic Information Retrieval and BM25. stützt die hier verwendete Definition; bei anderen Konventionen können Ergebnisse abweichen. Verwende die Kennzahl deshalb passend zum konkreten Lern- oder Analyseziel. Gültigkeitsgrenze: BM25 summiert über Anfragebegriffe. Die Termfrequenzwirkung sättigt mit k₁; b steuert die Längennormalisierung. Eine übliche IDF-Variante ist ln((N−df+0,5)/(df+0,5)); Details variieren zwischen Implementierungen. Parameter werden meist empirisch abgestimmt. Die Formel ist Quelle: Stanford Introduction to Information Retrieval, Chapter 11: Probabilistic Information Retrieval and BM25.