Entendendo o BM25

Antes de começar a integrar um retriever esparso BM25 na sua arquitetura de RAG, é melhor testá-lo em algumas strings curtas para ganhar intuição sobre como o retriever seleciona os documentos.

Foram fornecidas três strings que você usará como base para o seu retriever BM25. A funcionalidade necessária para este exercício já está carregada para você.

Este exercício faz parte do curso

Retrieval Augmented Generation (RAG) com LangChain

Ver curso

Instruções do exercício

Inicialize o retriever BM25 a partir dos documentos, configurando-o para recuperar três documentos por vez.
Invoque o retriever na consulta fornecida.
Imprima o conteúdo da página do primeiro resultado.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

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(____)

Editar e executar o código