การสร้างการประเมินด้วย Ragas
ในการประเมินด้วย ragas จะต้องเลือก LLM สร้างชุดข้อมูลสำหรับการประเมิน และเลือกชุดเมตริกที่ต้องการวัด อย่างที่ได้เรียนรู้ในวิดีโอก่อนหน้า เมตริกสำคัญสองตัวสำหรับ Graph RAG ได้แก่ context precision และ noise sensitivity
มีการกำหนด llm ไว้ให้แล้ว พร้อมกับผลลัพธ์ตัวอย่าง (cypher_result) ที่แสดงให้เห็นความแตกต่างระหว่างการดึงข้อมูลแบบ vector ล้วน, text-to-cypher และการดึงข้อมูลแบบ hybrid
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Graph RAG ด้วย LangChain และ Neo4j
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Create an evaluation LLM
evaluator_llm = ____(llm)