ここまで、テキストを密なベクトルとしてエンベディングし、クエリベクトルとの「意味的な類似性」に基づいて取得する方法を学んできました。用途によっては、疎検索(スパースリトリーバル)が代わりの選択肢になる場合があります。この演習では、疎検索と密検索の違いについての理解度を確認していきます。
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
LangChainを使ってチャットモデルに外部データソースを統合する方法を学びます。LLMアプリで使用するデータの読み込み、分割、エンベディング、保存、検索の方法を身につけましょう。
ドキュメントの読み込み、分割、検索に関する最新の手法を学びます。Pythonファイルの読み込み、セマンティックチャンキング、MRRやセルフクエリ検索などの手法を扱います。さらに、正確性の高い指標や枠組みを使ってRAGアーキテクチャの評価を行う方法も学びます。
現在の演習
グラフデータベースと検索の仕組みが、従来のベクトルベースの保存や検索が抱える課題をどのように克服できるかを学びます。