标签： elasticsearch nlp information-retrieval cosine-similarity sentence-similarity
我知道之前曾有人问过这个问题，但到目前为止，没有人给出明确的答案。我真的很好奇，为什么Elasticsearch决定放弃余弦并使用BM25作为默认相似算法。
到目前为止，我了解余弦是基于文档的分布，因此将其用于查询的vs文档不是一个好主意。与tf-idf余弦相比，BM25对短（或长）文档的相关性更好。
基于所说的话，我仍然不清楚这些算法有何不同，因为它们都使用基于查询条件的tf-idf。我知道文档的大小会影响idf，但是为什么BM25更好呢？
这些算法有何不同，它们的优缺点是什么？