[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-bm25::tr":3,"gloss-cluster-bm25::tr":23,"gloss-next-bm25::tr":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"bm25","data-infra","BM25","BM25 (Best Match 25), çoğu tam metin aramanın arkasındaki klasik sözcüksel sıralama fonksiyonudur: bir belgeyi sorguya karşı, her sorgu teriminin belgede ne sıklıkta geçtiğini (azalan getirilerle — yirmi tekrar yirmi kat puan getirmez), terimin tüm derlemde ne kadar nadir olduğunu ve uzun belgelerin salt hacimle kazanmasını engelleyen bir normalleştirmeyi birleştirerek puanlar. Elasticsearch, OpenSearch ve Lucene'in varsayılanlarını çalıştırır. RAG çağında BM25, embedding'lerin tamamlayıcısı olarak şaşırtıcı derecede iyi yaşlandı: vektör araması başka sözcüklerle ifadeyi ve anlamı yakalar ama kesin tanımlayıcıları bulanıklaştırır; BM25 ise embedding'lerin gürültü saydığı harfi harfine dizgileri — hata kodları, SKU'lar, fonksiyon adları, hukuki atıflar — tam isabetle bulur. Üretim retrieval'ının tipik olarak hibrit olmasının nedeni budur: BM25 ve vektör araması paralel çalışır, sonuçlar yeniden sıralamadan önce (çoğu zaman reciprocal rank fusion ile) birleştirilir. Ucuz, hızlı, yorumlanabilirdir ve eğitim gerektirmez.","BM25, klasik tam metin aramanın sözcüksel sıralama fonksiyonudur — terim sıklığı, nadirlik ve uzunluk normalleştirme; vektör aramanın standart ortağı.",null,[11,14,17,20],{"slug":12,"name":13},"hybrid-search","Hibrit Arama (Hybrid Search)",{"slug":15,"name":16},"reranking","Reranking (Yeniden Sıralama)",{"slug":18,"name":19},"retrieval","Retrieval (Bilgi Erişimi)",{"slug":21,"name":22},"semantic-search","Semantik Arama (Semantic Search)",[24,28,31,34,37,40,43,46,49,53,56,59],{"slug":25,"category":5,"name":26,"updated_at":27},"acid","ACID","2026-08-24T02:46:37+00:00",{"slug":29,"category":5,"name":30,"updated_at":27},"ann-search","ANN Arama (Yaklaşık En Yakın Komşu)",{"slug":32,"category":5,"name":33,"updated_at":27},"backpressure","Geri Basınç (Backpressure)",{"slug":35,"category":5,"name":36,"updated_at":27},"batch-processing","Toplu İşleme (Batch Processing)",{"slug":38,"category":5,"name":39,"updated_at":27},"cache","Önbellek (Cache)",{"slug":41,"category":5,"name":42,"updated_at":27},"cap-theorem","CAP Teoremi (CAP Theorem)",{"slug":44,"category":5,"name":45,"updated_at":27},"change-data-capture","Değişiklik Veri Yakalama (CDC)",{"slug":47,"category":5,"name":48,"updated_at":27},"chroma","Chroma",{"slug":50,"category":5,"name":51,"updated_at":52},"chunk-overlap","Parça Örtüşmesi","2026-08-24T03:30:02+00:00",{"slug":54,"category":5,"name":55,"updated_at":27},"columnar-storage","Sütun Tabanlı Depolama",{"slug":57,"category":5,"name":58,"updated_at":27},"connection-pooling","Bağlantı Havuzlama (Connection Pooling)",{"slug":60,"category":5,"name":61,"updated_at":27},"cosine-similarity","Kosinüs Benzerliği (Cosine Similarity)"]