BM25 相关性评分

本章定位：搜索结果为什么按这个顺序排列？这是 BM25（Best Match 25）算法的决定。理解评分因子让你能调优搜索排序。

定义与作用

BM25 是 Elasticsearch 5.0+ 的默认相关性评分算法，由三个因子决定：

1. TF（词频）：词在文档中出现次数——出现越多得分越高（但饱和增长，第 10 次几乎不加分）
2. IDF（逆文档频率）：词在整个索引中的稀有程度——越稀有权重越高
3. 字段长度归一化：相同词频下，短字段比长字段评分更高

核心原理：评分公式

Score(D, Q) = ∑ IDF(qi) × (f(qi,D) × (k1+1)) / (f(qi,D) + k1 × (1-b+b×|D|/avgdl))

• k1（默认 1.2）：TF 饱和速度
• b（默认 0.75）：长度归一化强度

完整示例：小崔查看评分详情

POST /courses/_search
{
  "explain": true,
  "query": {
    "match": { "title": "Python 数据分析" }
  }
}

小结

BM25 三因子：词频（TF）+ 逆文档频率（IDF）+ 长度归一化。调优参数 k1 和 b 一般不改，特殊场景（如电商标题搜索）可调 b 降低长度惩罚。