Розуміння BM25
Перш ніж інтегрувати розріджений ретривер BM25 у свою архітектуру RAG, краще перевірити його на коротких рядках, щоб відчути, як ретривер добирає документи.
Вам надано три рядки, які ви використаєте як основу для свого ретривера BM25. Усе необхідне для цієї вправи вже підключено за вас.
Ця вправа є частиною курсу
Retrieval Augmented Generation (RAG) з LangChain
Інструкції до вправи
- Ініціалізуйте ретривер BM25 з документів, налаштувавши його на отримання трьох документів за раз.
- Викличте ретривер на поданому запиті.
- Виведіть вміст сторінки першого результату.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
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(____)