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
jndingxin30 分钟前
OpenCV 图像哈希类cv::img_hash::AverageHash
人工智能·opencv·哈希算法
ydl112832 分钟前
机器学习基础知识【 激活函数、损失函数、优化器、 正则化、调度器、指标函数】
python·机器学习
Jamence43 分钟前
多模态大语言模型arxiv论文略读(153)
论文阅读·人工智能·语言模型·自然语言处理·论文笔记
晨曦5432101 小时前
量子计算突破:8比特扩散模型实现指数级加速
人工智能
Albert_Lsk1 小时前
【2025/07/11】GitHub 今日热门项目
人工智能·开源·github·开源协议
莫彩1 小时前
【大模型推理论文阅读】Enhancing Latent Computation in Transformerswith Latent Tokens
论文阅读·人工智能·语言模型
康斯坦丁师傅1 小时前
全球最强模型Grok4,国内已可免费使用!(附教程)
人工智能·grok
崔高杰1 小时前
微调性能赶不上提示工程怎么办?Can Gradient Descent Simulate Prompting?——论文阅读笔记
论文阅读·人工智能·笔记·语言模型
元气小嘉1 小时前
前端技术小结
开发语言·前端·javascript·vue.js·人工智能
2401_878624791 小时前
期望和方差的计算
人工智能·机器学习