myWiki/concepts/bm25-financial-retrieval.md

title, created, updated, type, tags, sources

title	created	updated	type	tags	sources
BM25 金融检索	2026-06-24	2026-06-24	concept	information-retrieval financial-nlp bm25 vector-search	financial-llm-practice-2026

BM25 在金融精确检索中的应用

BM25 是一种基于词频-逆文档频率（TF-IDF）的经典信息检索算法。在金融场景中，恒生电子团队发现 BM25 在精确匹配场景下表现优于向量检索。

为什么金融场景 BM25 更优

金融查询大量涉及精确匹配需求：

• 股票代码（如 "600519"）
• 专有名词（如 "超额累进税率"）
• 精确数字（如 "净利润超过 10 亿"）
• 法规条款编号（如 "第三十二条"）

向量检索的"语义近邻"在这些场景中反而引入噪声——语义相近但代码/数字不同的结果会被错误召回。

与向量检索的适用边界

场景	BM25	向量检索
精确代码/编号	✅ 强	❌ 弱
专有名词匹配	✅ 强	⚠️ 可能漂移
数字精确匹配	✅ 强	❌ 弱
同义改写查询	❌ 弱	✅ 强
跨语言检索	❌ 弱	✅ 强

行业趋势

恒生电子 2023 年主动去掉向量检索的决策，后被 OpenAI 的无向量化 RAG 技术路径所印证——在特定领域，结构化索引+关键词匹配可能比语义检索更可靠。

参考

• financial-llm-practice-2026
• pageindex
• agentic-rag