BM25

一、BM25 算法核心原理：从公式到 C++ 实现关注点BM25（Best Matching 25）是基于概率检索模型的改进算法，核心是在 TF-IDF 的基础上增加文档长度归一化和参数可调性，解决 “长文档过度匹配” 的问题。理解原理时，需重点关注与 C++ 实现强相关的设计点。 1.1 核心公式与参数意义BM25 的单术语 - 文档相关性评分公式如下： $score(q, d) = IDF(q) \times \frac{TF(q, d) \times (k_1 + 1)}{TF(q, d) + k_1 \times (1 - b + b \times \frac{len(d)}{avg_len})}$ 其中关键参数与 C++ 实现的关联的： $TF(q,d)$在文档$d$中的词频，需存储在倒排索引中，用float类型平衡精度与内存； $len(d)$文档$d$的长度（术语数），需在文档元数据中记录，用uint32_t节省内存； $avg_len$所有文档的平均长度，预处理阶段计算后全局缓存，避免重复计算； $k$词频饱和系数（通常取...