Zrozumieć BM25
Zanim zaczniesz integrować rzadki retriever BM25 z architekturą RAG, warto przetestować go na krótkich ciągach znaków – to pomoże ci zrozumieć, jak retriever dobiera dokumenty.
Do dyspozycji masz trzy ciągi znaków, które posłużą jako podstawa dla twojego retrievera BM25. Wszystkie niezbędne funkcjonalności są już załadowane.
To ćwiczenie jest częścią kursu
Retrieval Augmented Generation (RAG) z LangChain
Instrukcje do ćwiczenia
- Zainicjalizuj retriever BM25 na podstawie dokumentów, konfigurując go tak, aby pobierał trzy dokumenty jednocześnie.
- Wywołaj retriever na podanym zapytaniu.
- Wydrukuj zawartość strony pierwszego wynika.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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(____)