RAG 與知識庫

BM25 是什麼？老派但精準的關鍵字比對演算法

2026/2/6酒Ann1,042 字約 4 分鐘

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

Build My RAG｜RAG 知識庫實戰（三天）

三天完整錄影，從一份文件做到可以問答的知識庫，再自己把它打爛、修好、養得起來。附兩天的操作講義、Demo 程式碼與測試文件組。

NT$ 6,980

ChatGPT 很強，但真正讓你下班的是 Google

六小時完整實錄。從「AI 很厲害，為什麼你還是每天加班」這個問題出發，把 Google Workspace 當成真正的工作平台重新設計一次流程 ── Sheets 的資料結構、Drive 與 Docs 的文件流、Gmail 與 Calendar 的通知系統，再用 Apps Script 讓它自己跑起來，最後收斂成一張屬於你自己的 AI 工作能力地圖。

NT$ 4,599

把這篇文章分享給需要的人Facebook LINE Threads X

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。