BM25, TF-IDF, Faiss-based methods-编程实验室

在深度学习（Deep Learning）和 BERT 大行其道之前，它们统治了信息检索（Information Retrieval, IR）领域几十年。

全称：Term Frequency - Inverse Document Frequency（词频-逆文档频率）。

假如你在查“TCU2 通信故障”。

TF (词频)：如果一个文档里“TCU2”出现了 10 次，另一个只出现了 1 次，前者肯定更相关。——越多越好。
IDF (逆文档频率)：如果“故障”这个词在每一篇日志里都出现，那它就是废话，对区分文档没有任何帮助。反之，“TCU2”如果只在 5% 的文档里出现，那它就是核心特征。——越稀有越重要。

系统会算出每个词的 $TF \times IDF$ 分数，生成一个稀疏向量。

优点：极快，完全不需要训练，直接统计就有结果。
本文中的致命伤（语义鸿沟）：
- 它只认字，不认意。
- 如果用户查：“转换器异常”。
- 文档里写的是：“变流器工作停止”。
- 虽然在列车语境下这是同一个东西，但 TF-IDF 认为这是两个完全不同的词，分数可能为 0。这就是论文中提到的“Shallow bag-of-words similarity”（浅层词袋相似度）1。

全称：Best Matching 25（最佳匹配算法 25 版）。

它是目前如果不使用深度学习，效果最好的检索算法，也是 Elasticsearch、Lucene 等搜索引擎的默认算法。它主要改进了 TF-IDF 的两个缺陷：

词频饱和（Term Frequency Saturation）：
- TF-IDF 的问题：“故障”出现 100 次的分数是出现 1 次的 100 倍。这不合理。
- BM25 的改进：引入了饱和机制。出现 3 次和出现 100 次，得分差不多。它认为“有了就行，多了没用”。
文档长度归一化（Document Length Normalization）：
- 问题：长文档天然包含更多词，更容易被搜出来。
- BM25 的改进：对长文档进行惩罚，对短文档进行补偿，保证公平性。

BM25 是传统方法的**“天花板”**。如果一个深度学习模型（比如 Naive RAG）跑出来比 BM25 还差，那这个深度学习模型就是失败的（通常意味着过拟合或者没训练好）。

全称：Facebook AI Similarity Search。

这里需要特别注意，Faiss 本身不是一个“模型”，而是一个“工具库”。它是由 Facebook (Meta) 开发的，专门用来在海量向量中快速找最近邻居（Nearest Neighbor Search）的工程神器。

在论文的语境下，Faiss 代表的是**“非学习型的向量检索”**。

通常搭配：当作者把 Faiss 和 TF-IDF/BM25 放在一起时，通常意味着这里的 Faiss 使用的是未经微调的简单向量（例如使用词向量的平均值，或者传统的 LSI/SVD 降维向量）。
对比点：
- TG-RL-RAG (本文方法)：向量的分布是学出来的（通过 RL 调整 Agent 的策略）。
- Faiss-based (基线)：向量的分布是固定的（基于词频统计或静态 Embedding），Faiss 只是用来快速计算欧几里得距离或内积。

请看论文中的实验结果（图 4 和图 5 的底部水平线，以及表 3）：

Hit Rate 极低：BM25, TF-IDF, Faiss 的命中率都在0.4 ~ 0.5左右，远低于 TG-RL-RAG 的0.8 ~ 0.9。
无增长：它们的曲线是水平的，因为它们不需要训练数据（Training Set），给再多数据它们也学不到新东西 2。

作为研究生汇报，你可以这样总结这部分基线的失败原因：

缺乏语义理解（The Semantic Gap）：
- 故障描述通常非常灵活。比如“显示屏黑了”和“HMI无显示”，TF-IDF 和 BM25 无法建立联系，但深度学习模型（如 Naive RAG）可以通过训练学会它们是同义词。
无法处理复杂句法：
- 故障查询通常包含因果逻辑（“A 导致 B”）。传统方法只看词是否出现，不看词的顺序。Faiss（基于简单向量时）也往往由词向量平均而来，丢失了语序信息。
零样本的局限性：
- 这三种方法都是非参数化（Non-parametric）或非学习型的。它们无法像本文提出的 RL Agent 那样，通过与环境（Graph）的交互，根据反馈（Reward）来调整自己的检索策略。