为何Azure Search中含更少目标关键词的文档获得更高评分？

出现这种情况的核心原因是Azure Search默认采用的BM25评分算法，它和传统TF-IDF的评分逻辑存在差异，主要受以下两个关键因素影响：

• 文档长度的反向加权：BM25会对长文档进行权重衰减。如果文档A的总内容长度远短于文档B，哪怕只包含1个"BRIG"，这个关键词在文档中的占比会远高于文档B（40个"BRIG"但文档总长度大），因此能获得更高的基础评分。
• 词频的饱和效应：BM25通过参数k1（默认值1.2）控制词频的贡献上限。当关键词出现次数超过k1对应的阈值后，继续增加词频对评分的提升会快速趋于饱和。文档B的40次"BRIG"已经远超饱和点，额外的词频几乎无法带来评分增长，而文档A的1次词频刚好处于能获得较高权重的区间。

你提到的评分配置（title/summary权重提升、新鲜度函数）已确认不影响结果，所以问题完全源于BM25算法的内置逻辑。如果需要调整这种行为，可以通过修改索引的similarity参数（调整BM25的k1或b值，b控制文档长度的影响程度）来优化评分结果。

内容的提问来源于stack exchange，提问作者Hades