---
title: "段落排序（Passage Ranking）"
slug: passage-ranking
language: zh-TW
source: https://aiterms.tw/terms/passage-ranking
updated_at: 2026-06-23
tags: [信息檢索, 問答系統, 排序算法, 自然語言處理]
ipas_term: false
---

# 段落排序（Passage Ranking）

段落排序是一種信息檢索技術，不是返回整個文檔，而是返回包含相關信息的最相關段落。它提高了搜索結果的精確性和用戶體驗。

## 完整說明

段落排序（Passage Ranking）是現代信息檢索中的重要技術，特別是在開放域問答系統中。不同於傳統的文檔級排序，段落排序將長文檔分解為較短的段落，並根據段落與查詢的相關性進行排序。這種方法能夠更精確地定位用戶需要的信息，避免用戶需要從冗長的文檔中自己尋找答案。段落排序在搜索引擎的摘要生成、問答系統、以及密集檢索（Dense Retrieval）等領域都有重要應用。

## 常見問題

### 段落排序與文檔排序相比有什麼優勢？

段落排序的主要優勢是：（1）用戶體驗更好，用戶不需要在大量文本中尋找答案；（2）評估更準確，段落級的相關性判定更精確；（3）精確度更高，避免返回包含些許相關內容的冗長文檔；（4）效率更高，在密集檢索系統中，索引和檢索段落通常比索引整個文檔更快。缺點是需要額外的段落切分和排序步驟。

### 如何選擇合適的段落粒度？

段落粒度的選擇應該考慮多個因素：（1）用戶體驗：段落應該足夠長以提供上下文，但足夠短以便快速閱讀；（2）任務類型：問答系統可能需要更短的段落，總結任務可能需要更長的段落；（3）文檔特性：不同領域的文檔結構不同；（4）計算資源：更細粒度意味著更多段落和更高計算成本。實踐中，通常使用 100-200 詞的固定窗口或基於文檔結構的動態分割。

### 如何評估段落排序系統的效果？

段落排序的評估需要段落級的人工標註（相關/不相關）。評估指標包括：（1）MAP（平均精確率）：評估整體排序質量；（2）NDCG：考慮相關程度；（3）MRR（平均倒數排名）：評估第一個相關段落的排名；（4）成功率：是否至少返回一個相關段落。此外，對於問答任務，可以評估返回的段落是否包含答案（Passage-level F1）。

---

來源：https://aiterms.tw/terms/passage-ranking
快查頁：https://aiterms.tw/terms/passage-ranking
最後更新：2026/06/23
深度解說：https://aiterms.tw/learning/what-is-passage-ranking