BM25の仕組みを理解する

BM25の疎検索ツールをRAGアーキテクチャに統合する前に、短い文字列でテストして、リトリーバーがどのようにドキュメントを選択するかを把握しておきましょう。

ここにBM25リトリーバーの基盤として使用する3つのテキストがあります。この演習に必要な機能はすでに読み込まれています。

この演習はコースの一部です

LangChainで学ぶ検索拡張生成（RAG）

コースを見る

演習の手順

ドキュメントからBM25 retrieverを初期化し、「3件」のドキュメントを一度に取得するよう設定してください。
提示されたクエリでリトリーバーを実行してください。
最初の結果のページコンテンツを出力してください。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

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(____)

コードを編集して実行