概念
别名：bm25 algorithm
基于逆文档频率的文本搜索排名算法
已跟踪 10 条高相关材料
最近变化
2026-08-10 · Qdrant 1.19支持按租户独立计算IDF统计，避免跨租户数据混合
为什么值得关注
BM25 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Article: Why Vector Search Alone Isn't Enough: Hybrid Retrieval for RAG
InfoQ · 9 分
仅靠向量搜索无法满足生产级RAG需求，必须结合BM25与RRF实现混合检索以提升精确度。
BM25 scoring relies on IDF (Inverse Document Frequency). In simple terms, the rarer a word is in you...
Qdrant(@qdrant_engine) · 8.5 分
Qdrant 1.19版本改进BM25评分，通过按租户独立计算IDF提升多租户环境下的搜索准确性。
How do you combine structured filters and keyword signals with semantic similarity in ecommerce sear...
Milvus(@milvusio) · 8.5 分
电商搜索需结合语义相似性、结构化过滤和关键词信号，Milvus的Lumen演示展示了多技术整合方法。
已收录 10 条与 BM25 相关的内容，按评分排序。
Only vector search isn't enough for production RAG; hybrid retrieval using BM25 and RRF improves precision.
入选理由：向量搜索擅长语义相似但无法精确匹配版本号、错误码等实体。
Qdrant 1.19版本改进BM25评分，通过按租户独立计算IDF提升多租户环境下的搜索准确性。
入选理由：Qdrant 1.19支持按租户独立计算IDF统计，避免跨租户数据混合
电商搜索需结合语义相似性、结构化过滤和关键词信号，Milvus的Lumen演示展示了多技术整合方法。
入选理由：使用BM25实现精确关键词匹配，结合密集向量搜索处理语义意图
Weaviate推出查询性能分析功能，可精准定位慢查询的瓶颈。通过per-query profiling直接返回各阶段耗时，无需重启或等待查询变慢。
入选理由：启用query_profile标志可获取每个查询的详细性能分析
Milvus通过时间感知排序函数结合语义相似性提升搜索结果时效性，使用衰减模型动态调整文档相关性评分。
入选理由：时间衰减函数将语义相似性与时间戳结合，使近期内容排名更高
Weaviate通过交互式演示对比关键字、向量和混合搜索算法，帮助工程师直观理解不同搜索机制的差异。
入选理由：BM25关键字搜索依赖TF-IDF评分，擅长精确匹配但忽略同义词
Weaviate v1.37.1 introduces an MCP server integrated into the database, enabling efficient codebase ingestion and hybrid search for coding assistants like Claude Code, Cursor, or VS Code. This feature addresses context window limitations and improves code query handling.
入选理由：Weaviate v1.37.1 includes an MCP server for seamless integration with coding assistants.
Weaviate v1.37 introduces several improvements to address issues with search results due to spelling variations and language-specific stop words.
入选理由：Weaviate v1.37 支持 per-property accent folding，使 'caffé' 和 'caffe' 被视为相同。
The article discusses hybrid search and re-ranking techniques in production RAG systems, addressing the limitations of dense vector retrieval in specific technical queries.
入选理由：密集向量检索在概念性查询中表现良好，但在特定技术查询中存在不足。
Hybrid search combines vector search and BM25 techniques to handle both semantic matching and exact term queries, improving retrieval accuracy; Milvus supports hybrid search setup in three steps without manual sparse vector insertion.
入选理由：向量搜索擅长语义匹配，但对精确术语如产品型号“XR-2048”召回不准。
