---
title: "O que é BM25? O ranking por palavra-chave Okapi BM25"
description: "BM25 é a função de ranking por palavra-chave padrão no Lucene e no Elasticsearch. Como funcionam k1 e b, e por que texto árabe precisa ser normalizado antes."
url: https://broadrouter.com/pt/glossary/bm25/
lang: pt-BR
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/glossary/bm25/) (atualizado em 2026-11-16).

# BM25

Atualizado em 2026-11-16

BM25 (Okapi BM25) é uma função de ranking para busca por palavra-chave que pontua um documento conforme a frequência dos termos da consulta nele, a raridade desses termos na coleção e o tamanho do documento. É a similaridade padrão no Lucene e no Elasticsearch.

Também chamado de: busca lexical, ranking BM25, algoritmo BM25, Okapi BM25, lexical search

O BM25 é a metade “palavra-chave” da maioria dos sistemas de busca: rápido, barato e bom com termos exatos.

## Como funciona

O BM25 vem do probabilistic relevance framework, resumido por Robertson e Zaragoza em “The Probabilistic Relevance Framework: BM25 and Beyond” (2009). A classe do Lucene registra que ele foi apresentado por Robertson, Walker, Jones e outros no TREC-3.

Para cada termo da consulta, o BM25 combina três sinais:

-   **Frequência do termo**: mais ocorrências no documento aumentam a pontuação, mas com retornos decrescentes.
-   **Frequência inversa de documentos (IDF)**: termos raros contam mais. O Lucene implementa isso como `log(1 + (docCount - docFreq + 0.5)/(docFreq + 0.5))`.
-   **Normalização por tamanho**: uma correspondência em um documento curto vale mais que a mesma correspondência em um longo.

Dois parâmetros fazem o ajuste. Segundo a documentação do Elasticsearch:

| Parâmetro | Padrão | O que controla |
| --- | --- | --- |
| `k1` | 1.2 | “non-linear term frequency normalization (saturation)” (tradução: normalização não linear da frequência do termo, saturação) |
| `b` | 0.75 | “to what degree document length normalizes tf values” (tradução: em que grau o tamanho do documento normaliza os valores de tf) |

O BM25 é a similaridade padrão no Elasticsearch.

## Por que isso importa

-   **Correspondências exatas.** Códigos de produto, nomes e mensagens de erro são onde os [embeddings](https://broadrouter.com/pt/glossary/embeddings/) são mais fracos e o BM25 é forte.
-   **Custo.** Não precisa de chamadas a modelo nem de GPU, só de um índice invertido.
-   **Busca híbrida.** A maioria dos sistemas de RAG em produção combina o BM25 com busca vetorial; veja [busca híbrida](https://broadrouter.com/pt/glossary/hybrid-search/).

## Texto árabe e BM25

O BM25 compara tokens de forma exata, então depende de como o texto é analisado. Em árabe, a mesma palavra pode ser escrita com formas diferentes de alef, com ou sem diacríticos, ou com a teh marbuta (ة) escrita como heh (ه), e artigos e conjunções se colam à palavra. Sem [normalização de texto árabe](https://broadrouter.com/pt/glossary/arabic-text-normalization/) e stemming, essas variantes não batem.

O analyzer `arabic` embutido no Elasticsearch encadeia estes filtros: `lowercase`, `decimal_digit`, `arabic_stop`, `arabic_normalization`, um keyword marker e `arabic_stemmer`. Normalize consultas e documentos do mesmo jeito. [Normalização de texto árabe para busca](https://broadrouter.com/pt/blog/arabic-text-normalization-search/) testa quais regras ajudam e quais atrapalham, e a ferramenta [normalizador de texto árabe](https://broadrouter.com/tools/arabic-text-normalizer/) deixa você testá-las no seu próprio texto.

## Na BroadNet Inference

O BM25 roda no seu mecanismo de busca, não no LLM. A BroadNet não oferece endpoints de embeddings nem de rerank; ela serve os modelos de chat que leem o que você recupera. Envie os melhores resultados do BM25 ou da busca híbrida para um modelo como o [Qwen3.8 27B](https://broadrouter.com/pt/models/qwen3.8-27b/) pela Chat Completions API. [Busca RAG em árabe](https://broadrouter.com/pt/blog/arabic-rag-search/) mostra um pipeline completo.

## Perguntas frequentes

### O BM25 ainda é útil quando já tenho embeddings?

Sim. O BM25 é forte em termos exatos como nomes, códigos e mensagens de erro, que os embeddings podem deixar borrados. Muitos sistemas de RAG rodam os dois e juntam os resultados com busca híbrida.

### Para que servem k1 e b?

O k1 controla quão rápido os termos repetidos param de somar pontos (saturação da frequência do termo). O b controla quanto o tamanho do documento é normalizado. Lucene e Elasticsearch usam por padrão k1 1.2 e b 0.75.

### O BM25 funciona com árabe?

Sim, se o texto for analisado para árabe antes. Sem normalização e stemming, as variantes de grafia e os prefixos colados impedem que as palavras batam.

## Veja também

-   [Busca híbrida (hybrid search)](https://broadrouter.com/pt/glossary/hybrid-search/) (termo)
-   [Embeddings](https://broadrouter.com/pt/glossary/embeddings/) (termo)
-   [Reranking (reordenação de resultados)](https://broadrouter.com/pt/glossary/reranking/) (termo)
-   [RAG (geração aumentada por recuperação)](https://broadrouter.com/pt/glossary/rag/) (termo)
-   [Normalização de texto árabe (Arabic text normalization)](https://broadrouter.com/pt/glossary/arabic-text-normalization/) (termo)
-   [Banco de dados vetorial (vector database)](https://broadrouter.com/pt/glossary/vector-database/) (termo)
-   [Normalizar texto em árabe para busca e RAG: o que mudar e o que não](https://broadrouter.com/pt/blog/arabic-text-normalization-search/) (artigo)
-   [RAG em árabe: normalização, chunking e retrieval que funcionam](https://broadrouter.com/pt/blog/arabic-rag-search/) (artigo)

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

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

**Fontes**

-   [Documentação do Elasticsearch, módulo similarity (BM25 padrão, k1 e b) (verificado em 2026-11-15)](https://www.elastic.co/docs/reference/elasticsearch/index-settings/similarity)
-   [Apache Lucene 9.12 API, BM25Similarity (verificado em 2026-11-15)](https://lucene.apache.org/core/9_12_0/core/org/apache/lucene/search/similarities/BM25Similarity.html)
-   [Documentação do Elasticsearch, analyzers de idioma (analyzer arabic) (verificado em 2026-11-15)](https://www.elastic.co/docs/reference/text-analysis/analysis-lang-analyzer)
-   [Robertson e Zaragoza, The Probabilistic Relevance Framework: BM25 and Beyond, Foundations and Trends in Information Retrieval 3, 2009 (registro DOI, verificado em 2026-11-15)](https://doi.org/10.1561/1500000019)
