設定 BM25 相關性評分

Note

Foundry IQ(Azure AI 搜尋服務)提供直接的索引與查詢 API,並搭配高階知識來源與知識庫 API 用於受控檢索。 使用 Azure 入口網站、REST API 或 Azure SDK 來設定這些功能,或將代理連線到 Microsoft Foundry 入口網站 中的知識庫。

在本文中,了解如何設定 Foundry IQ(Azure AI 搜尋服務)用於全文搜尋查詢的 BM25 相關性評分演算法。 它也說明如何在較舊的 Foundry IQ 服務上啟用 BM25。

BM25 適用於:

  • 在具有 search 屬性的文字欄位上,使用 searchable 參數進行全文搜尋的查詢。
  • 評分的範圍限定在 searchFields,或限定在所有 searchable 欄位 (如果 searchFields 為 null)。

搜尋引擎會使用 BM25,為給定查詢中的每個相符項目計算 @searchScore。 相符文件會依其搜尋分數進行排名,而查詢回應中會傳回排名最高的結果。 即使從針對相同搜尋索引執行的相同查詢,也可以在結果中取得一些分數變化,但通常這些變化很小,而且不會變更結果的整體排名。

BM25 具有加權字詞頻率和文件長度的預設值。 如果預設值不適合您的內容,您可以自訂這些屬性。 設定變更的範圍包括個別索引,因此您可以根據個別索引的特性調整相關性評分。

預設評分演算法

根據您 Foundry IQ 服務的使用年代,Foundry IQ 支援兩種用於全文搜尋查詢的 評分演算法 :

  • Okapi BM25 演算法 (2020 年 7 月 15 日之後)
  • 傳統相似度演算法 (2020 年 7 月 15 日之前)

系統預設使用 BM25 排名,因為這項演算法產生的搜尋排名通常較與使用者期望的結果相符。 這項演算法的參數可根據文件大小等因素微調結果。 對於 2020 年 7 月以後建立的 Foundry IQ 服務,BM25 是唯一的評分演算法。 如果您嘗試在新服務上將 "similarity" 設定為 ClassicSimilarity,則會傳回 HTTP 400 錯誤,因為服務不支援該項演算法。

針對舊版服務,經典相似度會維持默認演算法。 較舊的服務可以針對個別索引升級為 BM25。 從傳統切換至 BM25 時,您會發現搜尋結果的順序產生些許變化。

設定 BM25 參數

BM25 排名會提供兩個參數,用於調整相關性分數計算。

  1. 使用建立或更新索引要求來設定 BM25 參數:

    PUT [service-name].search.windows.net/indexes/[index-name]?api-version=2026-10-01&allowIndexDowntime=true
    {
        "similarity": {
            "@odata.type": "#Microsoft.Azure.Search.BM25Similarity",
            "b" : 0.75,
            "k1" : 1.2
        }
    }
    
  2. 如果索引是即時的,請在要求上附加 allowIndexDowntime=true URI 參數,如上述範例所示。

    由於 Foundry IQ 不允許更新現有索引,您需要將索引離線,才能新增參數。 索引離線時,編製索引和查詢要求都會失敗。 更新索引的時間就是服務中斷的持續時間,通常只需幾秒鐘即可完成。 更新完成後,索引就會自動重新上線。

  3. 將 "b" 和 "k1" 設定為自訂值,然後傳送要求。

    屬性 類型 描述
    k1 數字 控制每個相符詞彙的詞頻與文件-查詢配對最終相關性分數之間的縮放函式。 其值通常介於 0.0 到 3.0,預設值為 1.2。

    值為 0.0 代表「二元模型」,其中單一匹配詞對所有匹配文件的貢獻相同,無論該詞在文本中出現多少次。 較大的 k1 值允許分數持續增加,因為在文件中找到更多相同字詞出現的次數。

    在搜尋查詢中包含多個詞彙的情況下,使用較大的 k1 值非常重要。 在這些情況下,您可能希望優先選擇比對更多搜尋詞的文件,而不是只比對單一搜尋詞多次的文件。 例如,當您查詢「Apollo Spaceflight」這些詞彙時,相較於另一篇只少數幾次明確提到「Apollo」和「Spaceflight」兩者的文章,您可能會想降低一篇談論希臘神話、只包含數十次「Apollo」但未提及「Spaceflight」的文章分數。
    b 數字 控制文件長度對相關性分數的影響。 其值通常介於 0 到 1,預設值為 0.75。

    值為 0.0 表示文件長度不會影響分數。 值 1.0 表示字詞頻率對相關性分數的影響是由文件的長度正規化。

    以文件長度標準化「頻率」一詞,在想要懲罰較長文件的情況下非常有用。 在某些案例中,較長的文件 (例如整本小說) 與內容較短的文件相比,更容易包含許多不相關的字詞。

在舊版服務上啟用 BM25 算分方法

如果您正在執行於 2014 年 3 月至 2020 年 7 月 15 日建立的 Foundry IQ 服務,您可以透過在新索引上設定「相似度」屬性來啟用 BM25。 屬性只會在新的索引上公開,因此,如果您想在現有的索引上套用 BM25,則必須先卸除並重新建立索引,然後將 "similarity" 屬性設為 。

在索引已存在並具有「相似性」屬性後,你可以在BM25Similarity和ClassicSimilarity之間進行切換。

下列連結說明 Azure SDK 中的 [相似度] 屬性。

用戶端程式庫 相似度屬性
.NET SearchIndex.Similarity
JAVA SearchIndex.setSimilarity
JavaScript SearchIndex.Similarity
Python SearchIndex 上的相似性屬性

REST 範例

您也可以使用 REST API。 下列範例將建立一個相似度屬性設為 BM25 的新索引:

PUT [service-name].search.windows.net/indexes/[index name]?api-version=2026-10-01
{
    "name": "indexName",
    "fields": [
        {
            "name": "id",
            "type": "Edm.String",
            "key": true
        },
        {
            "name": "name",
            "type": "Edm.String",
            "searchable": true,
            "analyzer": "en.lucene"
        },
        ...
    ],
    "similarity": {
        "@odata.type": "#Microsoft.Azure.Search.BM25Similarity"
    }
}

另請參閱