Знакомство с BM25
Прежде чем интегрировать разреженный ретривер BM25 в архитектуру RAG, полезно протестировать его на коротких строках — чтобы понять, как именно он выбирает документы.
Вам предоставлены три строки, на основе которых вы создадите ретривер BM25. Всё необходимое для этого упражнения уже загружено.
Это упражнение является частью курса
Retrieval Augmented Generation (RAG) с LangChain
Инструкции к упражнению
- Инициализируйте ретривер BM25 на основе предоставленных документов, настроив его на извлечение трёх документов за раз.
- Выполните запрос к ретриверу, используя заданный запрос.
- Выведите содержимое страницы первого результата.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
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(____)