Zum Inhalt springen

    Query-Likelihood-Modell

    Datenintegration & SucheQuery Likelihood ModelSprachmodell für Retrieval
    Lesezeit: 2 Min.Redaktionell geprüft am:
    ← Alle Begriffe

    Definition

    Das Query-Likelihood-Modell ordnet Dokumente nach ihrer Wahrscheinlichkeit für eine Anfrage.

    Ein probabilistisches Retrievalmodell, das Dokumente nach der geschätzten Wahrscheinlichkeit P(Anfrage|Dokumentmodell) ordnet, meist mit geglätteten Termwahrscheinlichkeiten.

    Einfach erklärt

    Es fragt sinngemäß, wie gut die Suchwörter zum gelernten Wortmuster eines Dokuments passen.

    Warum das im Alltag wichtig ist

    Der Begriff verbessert den verlässlichen Zugriff auf Daten und Wissen sowie deren nutzbare Verknüpfung in digitalen Systemen.

    Beispiel aus dem Mittelstand

    Dokumente werden anhand geglätteter Termwahrscheinlichkeiten für eine Anfrage geordnet.

    Grenzen und Fallstricke

    • P(Anfrage|Dokument) mit P(Dokument|Anfrage) verwechseln, ohne Glättung unbekannte Terme auf Wahrscheinlichkeit null setzen oder das Modell mit LLM-Perplexität gleichsetzen.

    Entstehung & Geschichte

    Der Language-Modeling-Ansatz für Information Retrieval wurde Ende der 1990er-Jahre systematisiert.

    Anwendung im Mittelstand

    • Mögliche Anwendung: Dokumente werden anhand geglätteter Termwahrscheinlichkeiten für eine Anfrage geordnet.

    Häufige Fragen

    Was bedeutet Query-Likelihood-Modell?

    Ein probabilistisches Retrievalmodell, das Dokumente nach der geschätzten Wahrscheinlichkeit P(Anfrage|Dokumentmodell) ordnet, meist mit geglätteten Termwahrscheinlichkeiten. Welche Fehler sollte man vermeiden? P(Anfrage|Dokument) mit P(Dokument|Anfrage) verwechseln, ohne Glättung unbekannte Terme auf Wahrscheinlichkeit null setzen oder das Modell mit LLM-Perplexität gleichsetzen.

    Quellen

    Quelle geprüft am 10.10.2026. Redaktionelle Anwendungsbeispiele sind hypothetisch; kein Nachweis realer Kundenergebnisse.

    Redaktionell geprüft am:

    Auf dieser Seite

    Nächster Schritt

    Vom Wissen zur Anwendung