深度学习Dense Retriever和Sparse Retriever的特点，以及典型代表

Sparse Retriever指的是使用稀疏表示来进行文本匹配，典型代表：TF-IDF、BM25等。特点如下：

维度大小一般为语料的词典大小；

当词典较大时，向量表示中会包含大量的0；

基于统计，无法包含更丰富的语义信息。

Dense Retriever指的是使用稠密向量来进行文本匹配，典型代表：Bert，特点如下：

维度一般比较灵活，不受词典大小的影响；

由于向量维度一般较小，向量表示中一般不会包含0；