BM25 verstehen
Bevor du einen sparsamen BM25-Retriever in deine RAG-Architektur integrierst, testest du ihn am besten mit ein paar kurzen Strings, um ein Gefühl dafür zu bekommen, wie der Retriever Dokumente auswählt.
Du bekommst drei Strings, die du als Grundlage für deinen BM25-Retriever verwendest. Die für diese Übung benötigte Funktionalität ist bereits für dich geladen.
Diese Übung ist Teil des Kurses
Retrieval Augmented Generation (RAG) mit LangChain
Anleitung zur Übung
- Initialisiere den BM25-Retriever aus den Dokumenten und konfiguriere ihn so, dass er jeweils drei Dokumente abruft.
- Rufe den Retriever mit der gegebenen Anfrage auf.
- Gib den Seiteninhalt des ersten Ergebnisses aus.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
chunks = [
"RAG stands for Retrieval Augmented Generation.",
"Graph Retrieval Augmented Generation uses graphs to store and utilize relationships between documents in the retrieval process.",
"There are different types of RAG architectures; for example, Graph RAG."
]
# Initialize the BM25 retriever
bm25_retriever = ____.from_texts(____)
# Invoke the retriever
results = bm25_retriever.____("Graph RAG")
# Extract the page content from the first result
print("Most Relevant Document:")
print(____)