RAG 與知識庫
BM25 是什麼？老派但精準的關鍵字比對演算法
BM25（Best Matching 25）是一種傳統的資訊檢索演算法，透過精準的關鍵字比對與加權計算，找出與查詢最相關的文件。它綜合三件事來評分：關鍵字在文件中出現的次數、這個關鍵字在整體文件集中的稀有程度，以及文件長度的調整。分數越高代表越相關，計算快、可解釋，是搜尋引擎的經典技術。
BM25 是什麼？老派但精準的關鍵字比對演算法
在向量搜尋流行之前，搜尋引擎靠的就是這一類演算法。到了 RAG 時代它也沒有退場，因為有些查詢，就是要靠字面精準命中。
你將學到什麼
定義
用關鍵字出現次數、稀有程度與文件長度算相關分數的檢索演算法。
白話比喻
像用書末索引找頁碼：字要對得上才算，對上越多次越前面。
跟誰容易搞混
向量搜尋比的是語意，BM25 比的是字面，兩者常常合併使用。
定義
BM25（Best Matching 25）是一種排名演算法，根據關鍵字在文件中的出現頻率、文件長度，以及關鍵字在整體文件集中的稀有程度，計算文件與查詢的相關分數。
它的核心精神有三個：精準，完全依賴關鍵字是否出現與出現次數；高效，計算快速可擴展；可解釋，評分依據清晰透明。
白話比喻
它像你翻書末的索引。你查一個詞，索引告訴你哪幾頁有，出現越多次的那頁通常越相關。
而且大家都會用的詞不值錢。「的」出現一萬次沒有意義，某個專有名詞只出現在三頁裡，那三頁才是重點，這就是稀有程度的作用。
BM25 跟向量搜尋差在哪？
| 比較項目 | BM25 關鍵字比對 | Vector Search 向量搜尋 |
|---|---|---|
| 比對依據 | 字面是否命中 | 語意是否接近 |
| 同義詞 | 不會匹配 | 可以匹配 |
| 可解釋性 | 高，分數來源清楚 | 較低，靠向量距離 |
| 最擅長的查詢 | 型號、人名、專有名詞、錯誤代碼 | 概念性、口語化的提問 |
實際用例
BM25 的計分邏輯拆開來看有三塊：詞頻代表關鍵字在這份文件中出現幾次，次數越多越相關；反向文件頻率代表這個詞越稀有、區辨能力越強。
第三塊是長度正規化，用來避免偏好過長的文件，否則一份什麼都寫一點的長文會不公平地贏過精準的短文。
常見的應用場景包括搜尋引擎、學術資料庫、企業內部文件檢索，以及 FAQ 與客服系統的常見問題比對。
常見誤解很多人以為做了 RAG 就該全部改用向量搜尋，把 BM25 當成過時的東西。實際上兩者互補：向量搜尋懂語意但不夠精準，BM25 精準但不懂語意。把兩者結合起來的做法叫 Hybrid Search 混合搜尋，在企業知識庫裡幾乎是標配。整條檢索的流程，可以再看 Retrieval 檢索。
本文源起本文內容出自酒Ann 的「AI 實戰陪跑班」課程教材，由酒Ann 編寫成彙編條目。想系統性搞懂 AI 名詞，歡迎追蹤 酒Ann 的 Facebook。
延伸學習
常見問答
BM25 為什麼在 AI 時代還有用？
因為它精準、快速且可解釋。產品型號、專有名詞、人名、錯誤代碼這類查詢，就是要字面對得上，語意相近反而會撈到錯的東西。
BM25 的限制是什麼？
它無法理解語義，同義詞不會匹配，對關鍵字的拼寫變化也很敏感，可能遺漏語意相近但用詞不同的內容。
BM25 跟向量搜尋要選哪一個？
實務上多半兩個都用，也就是混合搜尋。用 BM25 抓字面精準命中，用向量搜尋補語意相近的內容，再把兩邊的結果合併排序。