---
title: "BM25 क्या है? Okapi BM25 कीवर्ड रैंकिंग समझें | BroadRouter"
description: "BM25 Lucene और Elasticsearch का मानक कीवर्ड रैंकिंग फ़ंक्शन है। इसकी k1 और b सेटिंग कैसे काम करती हैं, और अरबी टेक्स्ट को पहले नॉर्मलाइज़ेशन क्यों चाहिए।"
url: https://broadrouter.com/hi/glossary/bm25/
lang: hi
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

यह पेज अंग्रेज़ी से AI की मदद से अनुवाद किया गया है। [अंग्रेज़ी मूल पढ़ें](https://broadrouter.com/glossary/bm25/) (2026-11-16 को अपडेट किया गया).

# BM25

अपडेट किया गया 2026-11-16

BM25 (Okapi BM25) कीवर्ड सर्च का एक रैंकिंग फ़ंक्शन है जो दस्तावेज़ को तीन बातों से स्कोर करता है: क्वेरी के शब्द उसमें कितनी बार आते हैं, वे पूरे कलेक्शन में कितने दुर्लभ हैं, और दस्तावेज़ कितना लंबा है। यह Lucene और Elasticsearch की डिफ़ॉल्ट similarity है।

अन्य नाम: bm25 kya hai, bm25 algorithm, कीवर्ड सर्च रैंकिंग, Okapi BM25, lexical search

BM25 ज़्यादातर सर्च सिस्टम का कीवर्ड वाला हिस्सा है: तेज़, सस्ता और exact शब्दों में अच्छा।

## यह कैसे काम करता है

BM25 probabilistic relevance framework से आता है, जिसका सार Robertson और Zaragoza ने “The Probabilistic Relevance Framework: BM25 and Beyond” (2009) में दिया। Lucene की क्लास बताती है कि इसे Robertson, Walker, Jones और दूसरों ने TREC-3 में पेश किया था।

क्वेरी के हर शब्द के लिए BM25 तीन संकेत जोड़ता है:

-   **Term frequency**: दस्तावेज़ में ज़्यादा बार आने से स्कोर बढ़ता है, लेकिन घटते फ़ायदे के साथ।
-   **Inverse document frequency (IDF)**: दुर्लभ शब्द ज़्यादा गिने जाते हैं। Lucene इसे `log(1 + (docCount - docFreq + 0.5)/(docFreq + 0.5))` के रूप में लागू करता है।
-   **लंबाई नॉर्मलाइज़ेशन**: छोटे दस्तावेज़ में मैच, लंबे दस्तावेज़ में उसी मैच से ज़्यादा गिना जाता है।

दो पैरामीटर इसे ट्यून करते हैं। Elasticsearch के डॉक्स:

| पैरामीटर | डिफ़ॉल्ट | क्या नियंत्रित करता है |
| --- | --- | --- |
| `k1` | 1.2 | “non-linear term frequency normalization (saturation)” (अनुवाद: term frequency का non-linear नॉर्मलाइज़ेशन, यानी saturation) |
| `b` | 0.75 | “to what degree document length normalizes tf values” (अनुवाद: दस्तावेज़ की लंबाई tf मानों को किस हद तक नॉर्मलाइज़ करे) |

BM25 Elasticsearch की डिफ़ॉल्ट similarity है।

## यह क्यों मायने रखता है

-   **Exact मैच।** प्रोडक्ट कोड, नाम और एरर मैसेज वहाँ हैं जहाँ [embeddings](https://broadrouter.com/hi/glossary/embeddings/) सबसे कमज़ोर और BM25 मज़बूत है।
-   **लागत।** इसे किसी मॉडल कॉल या GPU की ज़रूरत नहीं, सिर्फ़ एक inverted index चाहिए।
-   **Hybrid search।** ज़्यादातर प्रोडक्शन RAG सिस्टम इसे vector search के साथ जोड़ते हैं; [hybrid search](https://broadrouter.com/hi/glossary/hybrid-search/) देखें।

## अरबी टेक्स्ट और BM25

BM25 टोकन exact मिलाता है, इसलिए यह इस पर निर्भर है कि टेक्स्ट कैसे analyze हुआ। अरबी में एक ही शब्द alef के अलग रूपों में, डायक्रिटिक्स के साथ या बिना, या teh marbuta (ة) को heh (ه) लिखकर लिखा जा सकता है, और articles और conjunctions शब्द से जुड़ जाते हैं। [अरबी टेक्स्ट नॉर्मलाइज़ेशन](https://broadrouter.com/hi/glossary/arabic-text-normalization/) और stemming के बिना ये रूप मेल नहीं खाते।

Elasticsearch का बिल्ट-इन `arabic` analyzer ये फ़िल्टर क्रम से लगाता है: `lowercase`, `decimal_digit`, `arabic_stop`, `arabic_normalization`, एक keyword marker, और `arabic_stemmer`। क्वेरी और दस्तावेज़ों को एक ही तरह नॉर्मलाइज़ करें। [सर्च के लिए अरबी टेक्स्ट नॉर्मलाइज़ेशन](https://broadrouter.com/hi/blog/arabic-text-normalization-search/) टेस्ट करता है कि कौन-से नियम मदद करते हैं और कौन-से नुक़सान, और [अरबी टेक्स्ट नॉर्मलाइज़र](https://broadrouter.com/tools/arabic-text-normalizer/) टूल से आप उन्हें अपने टेक्स्ट पर आज़मा सकते हैं।

## BroadNet Inference पर

BM25 आपके सर्च इंजन में चलता है, LLM में नहीं। BroadNet embeddings या rerank एंडपॉइंट नहीं देता; वह चैट मॉडल सर्व करता है जो आपका निकाला हुआ टेक्स्ट पढ़ते हैं। अपने टॉप BM25 या hybrid नतीजे Chat Completions API से [Qwen3.8 27B](https://broadrouter.com/hi/models/qwen3.8-27b/) जैसे मॉडल को भेजें। [अरबी RAG सर्च](https://broadrouter.com/hi/blog/arabic-rag-search/) पूरी पाइपलाइन दिखाती है।

## अक्सर पूछे जाने वाले सवाल

### embeddings होने पर भी क्या BM25 काम का है?

हाँ। BM25 नाम, कोड और एरर स्ट्रिंग जैसे exact शब्दों पर मज़बूत है, जिन्हें embeddings धुंधला कर सकते हैं। कई RAG सिस्टम दोनों चलाते हैं और hybrid search से नतीजे मिलाते हैं।

### k1 और b क्या करते हैं?

k1 तय करता है कि दोहराए गए शब्द कितनी जल्दी स्कोर बढ़ाना बंद करें (term frequency saturation)। b तय करता है कि दस्तावेज़ की लंबाई कितनी नॉर्मलाइज़ हो। Lucene और Elasticsearch में डिफ़ॉल्ट k1 1.2 और b 0.75 है।

### क्या BM25 अरबी के लिए काम करता है?

हाँ, अगर टेक्स्ट पहले अरबी के लिए analyze किया गया हो। नॉर्मलाइज़ेशन और stemming के बिना वर्तनी के भेद और जुड़े हुए prefix शब्दों को मेल खाने से रोकते हैं।

## यह भी देखें

-   [हाइब्रिड सर्च (hybrid search)](https://broadrouter.com/hi/glossary/hybrid-search/) (शब्द)
-   [एम्बेडिंग (embeddings)](https://broadrouter.com/hi/glossary/embeddings/) (शब्द)
-   [रीरैंकिंग (reranking)](https://broadrouter.com/hi/glossary/reranking/) (शब्द)
-   [RAG (retrieval-augmented generation)](https://broadrouter.com/hi/glossary/rag/) (शब्द)
-   [अरबी टेक्स्ट नॉर्मलाइज़ेशन (Arabic text normalization)](https://broadrouter.com/hi/glossary/arabic-text-normalization/) (शब्द)
-   [वेक्टर डेटाबेस (vector database)](https://broadrouter.com/hi/glossary/vector-database/) (शब्द)
-   [सर्च और RAG के लिए अरबी टेक्स्ट normalization: क्या बदलें, क्या नहीं](https://broadrouter.com/hi/blog/arabic-text-normalization-search/) (लेख)
-   [अरबी RAG: normalisation, chunking और retrieval जो सच में काम करे](https://broadrouter.com/hi/blog/arabic-rag-search/) (लेख)

इसे अपने असली वर्कलोड पर आज़माएँ। नए अकाउंट Gemma और ट्रांसक्रिप्शन के लिए US$5 के क्रेडिट से शुरू होते हैं। DeepSeek, GLM, और Qwen3.8 के लिए टॉप-अप ज़रूरी है।

[शुरू करें](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-glossary-bm25&utm_content=page-cta) ·

**स्रोत**

-   [Elasticsearch डॉक्स, similarity मॉड्यूल (BM25 डिफ़ॉल्ट, k1 और b) (जाँच: 2026-11-15)](https://www.elastic.co/docs/reference/elasticsearch/index-settings/similarity)
-   [Apache Lucene 9.12 API, BM25Similarity (जाँच: 2026-11-15)](https://lucene.apache.org/core/9_12_0/core/org/apache/lucene/search/similarities/BM25Similarity.html)
-   [Elasticsearch डॉक्स, language analyzers (arabic analyzer) (जाँच: 2026-11-15)](https://www.elastic.co/docs/reference/text-analysis/analysis-lang-analyzer)
-   [Robertson और Zaragoza, The Probabilistic Relevance Framework: BM25 and Beyond, Foundations and Trends in Information Retrieval 3, 2009 (DOI रिकॉर्ड, जाँच: 2026-11-15)](https://doi.org/10.1561/1500000019)
