BGE M3-embedding 中Dense retrieval、Lexical Retrieval、Multi-Vec Retrieval解释

在BGE M3-embedding模型中,Dense Retrieval、Lexical Retrieval和Multi-Vec Retrieval是三种不同的检索方法

1. Dense Retrieval(稠密检索)

定义:稠密检索是基于向量相似度的检索方法。它将查询和文档都转换为高维向量,然后通过计算这些向量之间的相似度(通常使用余弦相似度或欧几里得距离)来找到最相关的文档。

示例

  • 假设你有一个查询"我想吃水果",经过BGE M3-embedding模型处理后,得到一个向量 [0.2, 0.3, 0.5]
  • 同时,你的文档库中的每个文档也被转换为向量,比如文档1的向量是 [0.1, 0.3, 0.4],文档2的向量是 [0.2, 0.1, 0.6]
  • 通过计算查询向量与文档向量之间的相似度,你可以找到与查询最相关的文档。

优点:能够捕捉到语义上的相似性,适合处理复杂的查询。

2. Lexical Retrieval(词汇检索)

定义:词汇检索是基于关键词匹配的检索方法。它通过查找查询中的关键词在文档中出现的频率来评估相关性,通常使用倒排索引等技术。

示例

  • 继续使用查询"我想吃水果",词汇检索会检查文档库中哪些文档包含"我"、"想"、"吃"、"水果"等关键词。
  • 如果文档1包含"我想吃苹果",而文档2只包含"我想喝水",那么文档1的相关性会更高。
    注:很像tfidf,也跟RetroMAE-V2的第二部分特征很相似,这部分特征更在意文本中各个token的信息,重要的token就赋予更高的权重。

优点:简单高效,适合处理结构化的查询和文档。

3. Multi-Vec Retrieval(多向量检索)

定义:多向量检索结合了稠密检索和词汇检索的优点。它不仅使用向量表示来计算相似度,还考虑了关键词的匹配。通过这种方式,可以更全面地评估文档的相关性。

示例

  • 对于查询"我想吃水果",多向量检索会同时计算查询的向量表示和关键词匹配。
  • 如果文档1的向量与查询向量相似,并且包含关键词"水果",那么它的相关性会被进一步提升。

优点:综合了语义和词汇匹配的优势,能够提高检索的准确性和鲁棒性。

总结

  • Dense Retrieval:基于向量相似度,适合捕捉语义相似性。
  • Lexical Retrieval:基于关键词匹配,简单高效。
  • Multi-Vec Retrieval:结合了稠密检索和词汇检索的优点,提供更全面的相关性评估。

详细解释:
https://blog.csdn.net/qq_35812205/article/details/136129356

相关推荐
羑悻的小杀马特40 分钟前
OpenCV 引擎:驱动实时应用开发的科技狂飙
人工智能·科技·opencv·计算机视觉
guanshiyishi4 小时前
ABeam 德硕 | 中国汽车市场(2)——新能源车的崛起与中国汽车市场机遇与挑战
人工智能
极客天成ScaleFlash4 小时前
极客天成NVFile:无缓存直击存储性能天花板,重新定义AI时代并行存储新范式
人工智能·缓存
Uzuki4 小时前
AI可解释性 II | Saliency Maps-based 归因方法(Attribution)论文导读(持续更新)
深度学习·机器学习·可解释性
澳鹏Appen5 小时前
AI安全:构建负责任且可靠的系统
人工智能·安全
蹦蹦跳跳真可爱5896 小时前
Python----机器学习(KNN:使用数学方法实现KNN)
人工智能·python·机器学习
视界宝藏库6 小时前
多元 AI 配音软件,打造独特音频体验
人工智能
xinxiyinhe7 小时前
GitHub上英语学习工具的精选分类汇总
人工智能·deepseek·学习英语精选
ZStack开发者社区7 小时前
全球化2.0 | ZStack举办香港Partner Day,推动AIOS智塔+DeepSeek海外实践
人工智能·云计算
Spcarrydoinb8 小时前
基于yolo11的BGA图像目标检测
人工智能·目标检测·计算机视觉