检索式模型介绍（一）
- 这个系列的文章主要是介绍一些可以作为文本匹配工作的一些模型，有些是比较基础的算法，例如bm25。有些模型是基于深度学习的架构，比如说deepMatch模型。个人认为文本匹配的任务有两种实现方式，一个是学习不同domain中text的represation，然后利用represation计算score，这个的score可以是相似度（cosine，欧式距离等）。当然一般的处理是直接用dot pruduct。 第二种方式是利用sentence中不同词的特征直接计算相似度。这类的方法如deepMatch等。
- 当然，大部分的算法模型，都是从相关的论文里面总结，由于个人水品有限，还是会有一些疏漏，请多多指正。
一 bm25算法
1.1 简介
bm25算法是一个基于bag-of-words的检索函数，它的主要功能是假定有一个document的集合，然后将给定的query，根据document与query的关联程度，对document进行排序。
1.2 算法介绍
bm25算法主要内容介绍：
假定有一个query，包含关键字q1,q2,q3,...