你有沒有在你在搜尋引擎裡輸入關鍵字，想快速找出包含那些詞的文件，發現只看表面常常不夠？
你可以把它想成用稀疏向量做比對，重點在詞彙是否出現、出現得多不多。
它速度快、可解釋，也很適合大規模文本搜尋。
你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。
容易混淆
稠密檢索 稀疏檢索像用關鍵字搜尋，只找詞彙匹配。 稠密檢索則像用語意搜尋，理解查詢和文件的「意思」是否相關，即使詞彙不完全一樣也能找到。稀疏檢索比較直接，但可能錯過語意相關但詞彙不同的結果。
最關鍵的區別：先看它是在比意思、比結構，還是在做任務輸出。
記住這句就好
看詞彙匹配和權重，不看深層語意，就是稀疏檢索。
實際案例
法規搜尋常用 BM25 找出包含精確條文用語的結果。 工程文件搜尋時，關鍵字和專有名詞通常比語意相似更重要。
算法與應用
典型方法包括倒排索引、TF-IDF 和 BM25。 它強在效率和可控性，但對同義改寫的理解通常不如稠密檢索。
情境判斷
Q1（直覺題）： 你要找文件裡明確出現過的詞，這種方法適合嗎？
→ 適合。它就是為詞彙匹配而生。
Q2（判斷題）： 如果使用者問法很多變、常常改寫同一件事，還只靠它嗎？
→ 看情況。這時候常會搭配語意搜尋或混合搜尋。
常見問題
稀疏檢索和密集檢索有什麼區別？
稀疏檢索使用稀疏向量表示文本，主要基於詞彙匹配，計算效率高但語義理解能力較弱。密集檢索使用密集向量（如詞嵌入）表示文本，能捕捉語義信息，但計算成本較高。選擇取決於應用場景和數據規模。
如何提高稀疏檢索的準確性？
可以通過以下方法提高稀疏檢索的準確性：優化文本預處理（如詞幹提取、停用詞去除）、使用更有效的權重計算方法（如BM25）、引入詞彙擴展或同義詞替換、以及結合其他技術（如知識圖譜）。
稀疏檢索適用於哪些應用場景？
稀疏檢索適用於需要處理大規模文本數據、對計算效率有較高要求、且對可解釋性有要求的應用場景，例如搜索引擎、問答系統、推薦系統、信息過濾和專利檢索等。