相关性03：文本匹配（TF-IDF、BM25、词距）
这节课的内容是传统的相关性方法。在BERT等深度学习技术成熟之前，这类方法很流行；目前这类方法正在逐渐被淘汰，仅用于召回海选和粗排。这类方法用人工设计的特征，包括TF-IDF、BM25、词距、核心词匹配等文本匹配分数，然后把几十种分数作为特征输入线性模型或GBDT模型，模型输出查询词和文档的相关性。
课件地址：
https://github.com/wangshusen/SearchE...
这节课的内容是传统的相关性方法。在BERT等深度学习技术成熟之前，这类方法很流行；目前这类方法正在逐渐被淘汰，仅用于召回海选和粗排。这类方法用人工设计的特征，包括TF-IDF、BM25、词距、核心词匹配等文本匹配分数，然后把几十种分数作为特征输入线性模型或GBDT模型，模型输出查询词和文档的相关性。
课件地址：
https://github.com/wangshusen/SearchE...