什么是加权互反融合策略

什么是加权互反融合策略

在学术论文和搜索系统中，加权互反融合策略（Weighted Reciprocal Fusion）通常是指将不同来源的搜索结果（比如来自BM25 的关键词匹配和来自BGE 的语义向量匹配）进行分值合并的一种高级算法。

在你的论文背景下，它解决的核心问题是：如何把两套量级完全不同的评分标准（一个是 0-100 的 BM25 分，一个是 0-1 的余弦相似度分）科学地合并在一起？

1. 通俗解释

想象你在评选“年度最佳餐厅”：

• 美食家（BM25）：看重招牌菜名（关键词匹配），给出的评分是百分制。
• 普通顾客（BGE）：看重整体氛围感（语义相似度），给出的评分是五星级制。

如果你直接把分数加起来（100分 + 5星 = 105分），显然是不科学的。
加权互反融合策略的做法是：

1. 归一化（Normalization）：把所有人的分数都先缩放到 0 到 1 之间。
2. 权重分配（Weightin