Förstå BM25
Innan du integrerar en BM25 sparse retriever i din RAG-arkitektur är det bra att testa den på några korta strängar för att få en känsla för hur hämtaren väljer dokument.
Du har fått tre strängar som du ska använda som grund för din BM25-hämtare. Den funktionalitet som krävs för övningen är redan inläst åt dig.
Den här övningen är en del av kursen
Retrieval Augmented Generation (RAG) med LangChain
Övningsinstruktioner
- Initiera BM25-hämtaren från dokumenten och konfigurera den att hämta tre dokument åt gången.
- Anropa hämtaren med den angivna frågan.
- Skriv ut sidinnehållet för det första resultatet.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
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(____)