安装与工作原理

Mon, 01 Jan 0001 00:00:00 +0000

`pg_bestmatch` 工作原理

给定文档 $D$ 与分词为词元序列 $q_1, q_2, \dots, q_n$ 的查询 $Q$ ，标准的 Okapi BM25 相关性得分公式为：

使用指南

Mon, 01 Jan 0001 00:00:00 +0000

本指南演示如何将 pg_bestmatch 与 pgvector（sparsevec）搭配完成端到端的 BM25 文本检索流程，并附带基于 pgvecto.rs（svector）的等效用法。

1. 启用扩展并设置 `search_path`

CREATE EXTENSION IF NOT EXISTS pg_bestmatch;
CREATE EXTENSION IF NOT EXISTS vector;

SET search_path TO "$user", public, bm25_catalog;

2. 创建文档表并写入测试数据

CREATE TABLE documents (
    id bigint PRIMARY KEY,
    passage text
);

INSERT INTO documents (id, passage) VALUES
  (1, 'PostgreSQL is an advanced open-source relational database system.'),
  (2, 'VectorChord brings disk-friendly RaBitQ vector search to PostgreSQL.'),
  (3, 'BM25 is a bag-of-words ranking function used in information retrieval.');

3. 创建 BM25 语料库统计集

调用 bm25_create(table_name, column_name, statistic_name, b, k) 为目标表与文本列创建 BM25 统计信息（b = 0.75、k = 1.2 为默认推荐参数）：

SQL 参考与方案对比

Mon, 01 Jan 0001 00:00:00 +0000

SQL 函数参考（`bm25_catalog`）

pg_bestmatch 的所有 SQL 函数均位于 bm25_catalog 模式下。

`bm25_create`

为指定的表与文本列创建 BM25 语料库统计信息。

pg_bestmatch 文档 on Vchord

安装与工作原理

pg_bestmatch 工作原理

使用指南

1. 启用扩展并设置 search_path

2. 创建文档表并写入测试数据

3. 创建 BM25 语料库统计集

SQL 参考与方案对比

SQL 函数参考（bm25_catalog）

bm25_create

`pg_bestmatch` 工作原理

1. 启用扩展并设置 `search_path`

SQL 函数参考（`bm25_catalog`）

`bm25_create`