以下哪项不属于相似性检索方法？

本题考查的是相似性检索方法的分类与辨析。\n\n首先明确核心概念：相似性检索（Similarity Search）是指在给定查询对象的前提下，从大规模数据集中检索出与之最相似（或最接近）的若干个对象。其基础是定义合适的相似性（similarity）或距离（distance）度量函数。通常，相似性值越大表示越相似（如余弦相似性），而距离值越小表示越相似（如欧式距离、曼哈顿距离）。二者可通过单调变换相互转化（例如，相似性 \u003d 1 / (1 + 距离)），因此在检索系统中常被统一视为相似性度量的实现方式。\n\n逐项分析选项：\n\nA：余弦相似性（Cosine Similarity） \n用于衡量两个非零向量在高维空间中的夹角余弦值，取值范围为[−1, 1]，常用于文本向量（如TF-IDF、词嵌入）或特征向量的相似性计算。它是典型的相似性度量方法，广泛应用于向量相似性检索（如ANN搜索）。属于相似性检索方法。\n\nB：欧式距离（Euclidean Distance） \n是欧几里得空间中两点间的直线距离，属于经典的度量距离函数，满足非负性、同一性、对称性和三角不等式，是度量空间（metric space）的标准距离。在KNN、聚类及向量检索中直接用于相似性排序（距离越小越相似）。属于相似性检索方法。\n\nD：曼哈顿距离（Manhattan Distance） \n即L1距离，是各维度绝对差值之和。同样满足度量公理，适用于稀疏向量或具有网格结构的数据，在推荐系统、图像处理等领域用作相似性度量。属于相似性检索方法。\n\nC：BM25（Best Matching 25） \n是一种基于概率检索模型的**排序函数（ranking function）**，专用于信息检索（Information Retrieval）中的文档相关性排序。它结合词频（TF）、逆文档频率（IDF）和文档长度归一化，建模查询词与文档的相关概率，输出的是一个**相关性得分（relevance score）**，而非向量空间中的几何相似性或距离。BM25不依赖于向量嵌入或度量空间结构，也不满足距离度量的数学性质（如三角不等式），其本质是语言学与统计驱动的**关键词匹配排序模型**，属于传统IR模型，而非广义的“相似性检索方法”（该术语在现代检索语境中特指向量空间下的相似性计算与近似最近邻搜索）。\n\n因此，BM25虽用于检索排序，但其原理、输入形式（原始文本 vs 向量）、数学基础（概率模型 vs 度量空间）均与余弦相似性、欧式距离、曼哈顿距离有本质区别。题目问的是“不属于相似性检索方法”，C项符合题意。\n\n综上，正确答案为C。