停止翻阅500页的PDF文档
在配置SEW驱动器、西门子变频器或集成第三方设备时，您经常需要在数百页文档中找到一个特定参数。传统方法——打开PDF、Ctrl+F、滚动——既慢又不可靠。
T-IA Connect提供一个专用文件夹，您可以将技术文档放入其中。软件使用BM25（Best Matching 25）自动对其进行索引，这是Google等搜索引擎和Elasticsearch等工具使用的同款全文排名算法。然后您可以在所有文档中搜索，并在几毫秒内获得排名结果。
前提条件
- 已启用自定义文档的T-IA Connect PRO许可证
- PDF、DOCX、TXT、HTML或Markdown格式的技术文档
- TIA Portal中的开放项目（可选，用于AI辅助查询）
步骤1：索引的工作原理
将文档放入自定义文档文件夹后，T-IA Connect通过完整的索引管道处理它：
// Pipeline
1. 文档解析——从PDF/DOCX/TXT/HTML/MD提取文本
2. 分块——拆分为重叠片段（每块约500个令牌）
3. 分词——词语拆分、停用词删除、词干提取
4. BM25索引——每个块被评分并存储，以便即时检索
// Supported: PDF, DOCX, TXT, HTML, Markdown
步骤2：BM25——搜索引擎如何对结果进行排名
BM25（Best Matching 25）是自1990年代以来搜索引擎使用的排名函数。与简单的「包含」搜索不同，它根据统计分析计算每个文本块的相关性分数。
该算法考虑三个关键因素：
TF — Term Frequency
一个词在某块中出现越频繁，该块就越相关——但收益递减。10次出现并不比1次好10倍。
IDF — Inverse Doc Frequency
在整个语料库中罕见的词得分更高。"HAS"比"the"或"and"更有价值。
文档长度
短块中的匹配得分高于长块中的相同匹配。这可以防止长文档主导结果。
k1 = 1.2 // 词频饱和度（越高=频率权重越大）
b = 0.75 // 长度归一化权重（0=忽略长度，1=完全归一化）
步骤3：超越BM25——额外智能
在BM25核心之上，T-IA Connect添加了几项增强功能以提高搜索质量：
停用词过滤
英语、法语和德语中约150个常用词（"the"、"le"、"de"、"und"...）会自动被忽略，使搜索专注于有意义的术语。
基础词干提取
词语变体被匹配在一起。搜索"alimentation"也会匹配"alimenté"和"alimenter"，在不损失精度的情况下提高召回率。
邻近度提升
当搜索词在文本中紧密出现时，相关性分数翻倍（×2）。这奖励精确的短语匹配和相邻概念。
步骤4：真实示例
假设您已对SEW MOVITRAC LTP-B变频器的文档（350页）进行了索引。您搜索：
// User query:
"MOVITRAC LTP-B最大输出频率参数"
// BM25 result:
✓ 第8.3章——参数P100：最大输出频率 [得分：12.4]
✓ 第5.1章——频率范围和电机设置 [得分：8.7]
✓ 第12章——参数参考表 [得分：6.2]
AI驱动：用自然语言提问
与AI副驾驶结合使用时，BM25搜索变得更加强大。您无需搜索关键词，而是可以提问如"MOVITRAC LTP-B的最大电缆长度是多少？"——AI通过BM25检索最相关的块，读取它们，并给您提供带源参考的精确答案。这被称为RAG（检索增强生成）。