什么是「段落相关性评分」？

段落相关性评分（Paragraph Relevance Score）是RAG系统在检索阶段对每个候选段落进行的量化评估，以确定该段落是否进入比较终上下文窗口。

段落相关性评分的作用位置：

RAG检索流程：
用户查询
    ↓
向量检索（初步召回100-1000个候选段落）
    ↓
段落相关性评分（对每个候选段落打分）
    ↓
阈值筛选（保留高分段落，通常5-20个）
    ↓
重排序（对保留段落进行精细排序）
    ↓
选择Top-K段落注入上下文
    ↓
LLM基于选中段落生成回答

段落相关性评分的技术构成

评分维度1：语义相似度（权重比较高，约50-60%）

使用Embedding向量计算余弦相似度：

计算方式：
段落Embedding向量 · 查询Embedding向量
─────────────────────────────────────
|段落向量| × |查询向量|

= 余弦相似度（范围：-1到1，越接近1越相似）

语义相似度在段落相关性评分中所占的权重比较大，直接决定了该段是否能够进入初步召回阶段。

评分维度2：关键词覆盖度（权重约15-20%）

尽管AI引擎主要依靠语义检索，关键词覆盖仍然有一定作用：
- 查询中关键词（核心实体、专业术语）在段落里出现的次数
- BM25等传统的关键词相关性算法评分
- 混合检索系统（Hybrid Retrieval）把语义相似度和关键词覆盖度加权融合

GEO含义： 内容中出现的关键词（目标话题的专业术语）应该在段落里自然地体现出来，不能依靠语义匹配来完成。

评分维度3：段落质量信号（权重约15-20%）

独立于查询的段落质量评估：
- 段落的信息密度（有效语义信息量）
- 段落语言质量（流畅度、语法正确性）
- 段落结构化程度（是否有明确的主题句）
- 来源的权威性（所属文档/网站的评分）

评分维度4：上下文一致性（权重约10-15%）

重排序阶段需要考虑的其他维度：
- 段落之间是否可以与其他选中的段落形成信息互补（而不是重复）
- 段落中的信息是否可以用来形成一个连贯完整的答案
- 段落的立场或者观点是否和其他来源的一致（不能引用明显矛盾的内容）

段落相关性评分的「重排序」阶段

在初步召回之后，高级RAG系统会用到专门的重排序模型（Reranker）来对候选段落进行精细评分：

重排序模型的特点：
- 不依靠向量相似度，而是把「查询+段落」作为输入，输出相关性分数
- 计算成本高，但是精度远远高于向量检索
- 只对初步召回的Top-N（一般为20-100个）候选段落进行

典型重排序模型：
- Cohere Rerank
- BGE Reranker
- 各个AI引擎内部的重排序模型

重排序阶段对内容的评估更加细致，可以发现向量检索遗漏掉的语言细节，在比较终引用来源的选择上起着关键作用。

提升段落相关性评分的优化策略

策略1：段落主题句的「查询语言」对齐

段落首句（主题句）的表达方式要接近目标查询自然语言：

目标查询：「段落相关性评分是如何计算的」

低对齐（与查询语言差异大）：
「在现代检索增强生成系统的技术架构中，对检索单元进行评估的机制……」

高对齐（与查询语言接近）：
「段落相关性评分的计算基于四个维度：语义相似度、关键词覆盖、
段落质量信号和上下文一致性。」

策略2：核心关键词的自然密度维持

在段落中自然地保持核心关键词的出现：
- 每个段落中至少要出现1-2个核心话题的关键实体词
- 防止关键词堆砌（影响语言质量评分）
- 用同义词、近义词替换关键词变体

策略3：段落信息密度的优化

提高段落质量信号中信息密度维度：
- 每个段落100-250字，包含两个到四个独立的语义信息点
- 段落首句为高密度的核心信息
- 少用低密度的铺垫、过渡表达

策略4：来源权威性的系统建设

段落相关性评分中，“来源权威性”的权重，要求从整体上建立来源的权威：
- 在目标话题上建立高质量的内容体系
- 创建一个完整的作者实体信息
- 权威外部引用的积累

段落相关性评分的可观测验证

用下面的方法来观察段落相关性评分的改进情况：

方法一：直接在Perplexity中搜索目标查询，看看
- 自己的内容是否出现在引用来源里
- 被引用的是哪一段（那一段的内容）
- 竞争来源的段落特征（对比分析）

方法二：引用段落追踪
一直关注被AI所用到的详细段落，找出高引用片段中相同之处，并对低引用部分进行加强。

总结

段落相关性评分包含四个维度：
1. 语义相似度（50%-60%）：Embedding向量的余弦距离
2. 关键词覆盖度（15-20%）：核心术语在段落中出现的次数
3. 段落质量信号（15-20%）：信息密度、语言水平、结构化程度、来源权威性
4. 上下文一致性（10-15%）：与其他选中段落的信息互补性

提高段落相关性评分的四个方法：主题句和查询语言一致、核心关键词自然密度保持、段落信息量优化调整以及来源权威性的系统建设。理解段落相关的评分机制，使GEO优化从文章层面精细到段落层面，显著提升内容在AI检索中的竞争力。