🚀 BM25搜索项目

本项目包含使用 FastEmbed 执行BM25搜索所需的文件。BM25 (Best Matching 25) 是一种由搜索引擎使用的排名函数，用于评估文档与给定搜索查询的相关性。

🚀 快速开始

本项目旨在结合 FastEmbed 实现BM25搜索功能。

💻 使用示例

基础用法

# Here's an example of BM25 with [FastEmbed](https://github.com/qdrant/fastembed).
from fastembed import SparseTextEmbedding

documents = [
    "You should stay, study and sprint.",
    "History can only prepare us to be surprised yet again.",
]

model = SparseTextEmbedding(model_name="Qdrant/bm25")
embeddings = list(model.embed(documents))

# [
#     SparseEmbedding(
#         values=array([1.67419738, 1.67419738, 1.67419738, 1.67419738]),
#         indices=array([171321964, 1881538586, 150760872, 1932363795])),
#     SparseEmbedding(values=array(
#         [1.66973021, 1.66973021, 1.66973021, 1.66973021, 1.66973021]),
#                     indices=array([
#                         578407224, 1849833631, 1008800696, 2090661150,
#                         1117393019
#                     ]))
# ]

注意事项

⚠️ 重要提示

此模型应与 Qdrant 一起使用。向量必须使用 Modifier.IDF 进行配置。

📄 许可证

本项目采用 Apache-2.0 许可证。