https://blog.tanteng.space/tags/bm25/Recent content in BM25 on Tony老师的博客HugozhMon, 14 Sep 2026 00:00:00 +0000https://blog.tanteng.space/posts/tag-recommendation-hybrid-retrieval/Sat, 14 Dec 2024 00:00:00 +0000https://blog.tanteng.space/posts/tag-recommendation-hybrid-retrieval/<p>一句话先放在前面：<strong>BM25 负责字面命中，向量检索负责意思相近，而标签推荐需要两者同时在场。</strong></p> <p>用户画像里写着「MySQL」，内容标签里写着「关系型数据库」，倒排索引里找不到一个共同的词，字面匹配的召回是零。反过来，一个新用户只选了一个「MySQL」，纯向量检索会围绕这一个点向四周扩散，把「跟 MySQL 沾边的所有东西」都推给他——因为它不知道他不感兴趣什么。</p> <p>这两个缺口方向相反，而且不是把 embedding 模型换大就能补上的。标签推荐看起来像推荐问题，拆开之后其实是一个标准的检索问题：用户画像是 query，内容是 document，剩下的全是信息检索的老问题。</p> <p>下面按这个视角从头推一遍：先说清标签推荐真正在算什么，再把稀疏路和稠密路各自的失效模式拆开，然后讲融合——为什么默认不用加权求和、RRF 的参数该怎么取，最后落到重排、数据链路、评测和容量估算。</p>