---
title: "什么是 BM25？Okapi BM25 关键词排序算法详解 | BroadRouter"
description: "BM25 是 Lucene 和 Elasticsearch 中标准的关键词排序函数。k1 和 b 参数如何起作用，以及为什么阿拉伯语文本要先做规范化。"
url: https://broadrouter.com/zh/glossary/bm25/
lang: zh-Hans
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/glossary/bm25/)（2026-11-16 更新）。

# BM25

更新于 2026-11-16

BM25（Okapi BM25）是关键词搜索的排序函数，它根据查询词在文档中出现的频率、这些词在整个文档集中有多罕见，以及文档有多长来给文档打分。它是 Lucene 和 Elasticsearch 默认的相似度算法。

又称： BM25 算法、Okapi BM25、BM25 排序、关键词检索、词法检索、稀疏检索、lexical search

BM25 是大多数搜索系统里负责关键词的那一半：快、便宜，擅长精确词语。

## 工作原理

BM25 源自概率相关性框架，Robertson 和 Zaragoza 在《The Probabilistic Relevance Framework: BM25 and Beyond》（2009）中做了总结。Lucene 的类说明指出，它由 Robertson、Walker、Jones 等人在 TREC-3 上提出。

对每个查询词，BM25 综合三个信号：

-   **词频**：在文档中出现得越多，分数越高，但收益递减。
-   **逆文档频率（IDF）**：越罕见的词权重越高。Lucene 的实现是 `log(1 + (docCount - docFreq + 0.5)/(docFreq + 0.5))`。
-   **长度归一化**：同样的匹配，出现在短文档里比出现在长文档里更有分量。

有两个参数可以调节。Elasticsearch 文档中的说明：

| 参数 | 默认值 | 控制什么 |
| --- | --- | --- |
| `k1` | 1.2 | “non-linear term frequency normalization (saturation)“（译文：非线性的词频归一化（饱和）） |
| `b` | 0.75 | “to what degree document length normalizes tf values”（译文：文档长度对词频值的归一化程度） |

BM25 是 Elasticsearch 默认的相似度算法。

## 为什么重要

-   **精确匹配。** 产品编号、名称和错误信息正是[嵌入向量](https://broadrouter.com/zh/glossary/embeddings/)最弱、BM25 最强的地方。
-   **成本。** 它不需要调用模型或使用 GPU，只需要一个倒排索引。
-   **混合检索。** 大多数生产环境的 RAG 系统把它和向量检索搭配使用；参见[混合检索](https://broadrouter.com/zh/glossary/hybrid-search/)。

## 阿拉伯语文本与 BM25

BM25 对 token 做精确匹配，所以效果取决于文本如何分析。在阿拉伯语中，同一个词可以用不同的 alef 形式书写，可以带或不带变音符号，teh marbuta（ة）也可能写成 heh（ه），冠词和连词还会粘在词上。不做[阿拉伯语文本规范化](https://broadrouter.com/zh/glossary/arabic-text-normalization/)和词干提取，这些变体就无法匹配。

Elasticsearch 内置的 `arabic` 分析器依次串联这些过滤器：`lowercase`、`decimal_digit`、`arabic_stop`、`arabic_normalization`、一个关键词标记器，以及 `arabic_stemmer`。查询和文档要用同样的方式规范化。[面向搜索的阿拉伯语文本规范化](https://broadrouter.com/zh/blog/arabic-text-normalization-search/)测试了哪些规则有帮助、哪些有害，[阿拉伯语文本规范化工具](https://broadrouter.com/tools/arabic-text-normalizer/)可以让你在自己的文本上试一试。

## 在 BroadNet Inference 上

BM25 运行在你的搜索引擎里，而不是大模型里。BroadNet 不提供嵌入或重排序端点；它提供的是读取你检索结果的对话模型。把 BM25 或混合检索排名靠前的结果，通过 Chat Completions API 发给 [Qwen3.8 27B](https://broadrouter.com/zh/models/qwen3.8-27b/) 这样的模型即可。[阿拉伯语 RAG 搜索](https://broadrouter.com/zh/blog/arabic-rag-search/)展示了完整的流水线。

## 常见问题

### 有了嵌入向量，BM25 还有用吗？

有用。名称、编号和错误信息这类精确词语，嵌入向量容易模糊，而 BM25 很擅长。许多 RAG 系统两者都跑，再用混合检索合并结果。

### k1 和 b 是做什么的？

k1 控制重复出现的词多快不再增加分数（词频饱和）。b 控制对文档长度做多大程度的归一化。Lucene 和 Elasticsearch 的默认值是 k1 1.2、b 0.75。

### BM25 适用于阿拉伯语吗？

适用，前提是先按阿拉伯语对文本做分析。不做规范化和词干提取，拼写变体和粘着的前缀会让词无法匹配。

## 另请参阅

-   [混合检索（hybrid search）](https://broadrouter.com/zh/glossary/hybrid-search/)（术语）
-   [嵌入向量（embeddings）](https://broadrouter.com/zh/glossary/embeddings/)（术语）
-   [重排序（reranking）](https://broadrouter.com/zh/glossary/reranking/)（术语）
-   [RAG（检索增强生成）](https://broadrouter.com/zh/glossary/rag/)（术语）
-   [阿拉伯语文本规范化（Arabic text normalization）](https://broadrouter.com/zh/glossary/arabic-text-normalization/)（术语）
-   [向量数据库（vector database）](https://broadrouter.com/zh/glossary/vector-database/)（术语）
-   [面向搜索和 RAG 的阿拉伯语文本规范化：该改什么，不该改什么](https://broadrouter.com/zh/blog/arabic-text-normalization-search/)（文章）
-   [阿拉伯语 RAG：真正有效的规范化、分块与检索](https://broadrouter.com/zh/blog/arabic-rag-search/)（文章）

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-glossary-bm25&utm_content=page-cta) ·

**来源**

-   [Elasticsearch 文档，相似度模块（默认 BM25、k1 和 b）（2026-11-15 查阅）](https://www.elastic.co/docs/reference/elasticsearch/index-settings/similarity)
-   [Apache Lucene 9.12 API，BM25Similarity（2026-11-15 查阅）](https://lucene.apache.org/core/9_12_0/core/org/apache/lucene/search/similarities/BM25Similarity.html)
-   [Elasticsearch 文档，语言分析器（arabic 分析器）（2026-11-15 查阅）](https://www.elastic.co/docs/reference/text-analysis/analysis-lang-analyzer)
-   [Robertson 和 Zaragoza，The Probabilistic Relevance Framework: BM25 and Beyond，Foundations and Trends in Information Retrieval 3，2009（DOI 记录，2026-11-15 查阅）](https://doi.org/10.1561/1500000019)
