BM25

BM25 (維基百科)，也稱為 Okapi BM25，是一種用於資訊檢索系統的排名函數，用於估計文件與給定搜尋查詢的相關性。

BM25Retriever 檢索器使用 rank_bm25 套件。

%pip install --upgrade --quiet  rank_bm25

from langchain_community.retrievers import BM25Retriever

API 參考：BM25Retriever

使用文字建立新檢索器

retriever = BM25Retriever.from_texts(["foo", "bar", "world", "hello", "foo bar"])

使用文件建立新檢索器

您現在可以使用您建立的文件來建立新的檢索器。

from langchain_core.documents import Document

retriever = BM25Retriever.from_documents(
    [
        Document(page_content="foo"),
        Document(page_content="bar"),
        Document(page_content="world"),
        Document(page_content="hello"),
        Document(page_content="foo bar"),
    ]
)

API 參考：Document

使用檢索器

我們現在可以使用檢索器了！

result = retriever.invoke("foo")

result

[Document(metadata={}, page_content='foo'),
 Document(metadata={}, page_content='foo bar'),
 Document(metadata={}, page_content='hello'),
 Document(metadata={}, page_content='world')]

預處理函數

將自訂預處理函數傳遞給檢索器，以改善搜尋結果。在詞語層級標記化文字可以增強檢索效果，尤其是在對分塊文件使用向量儲存庫（如 Chroma、Pinecone 或 Faiss）時。

import nltk

nltk.download("punkt_tab")

from nltk.tokenize import word_tokenize

retriever = BM25Retriever.from_documents(
    [
        Document(page_content="foo"),
        Document(page_content="bar"),
        Document(page_content="world"),
        Document(page_content="hello"),
        Document(page_content="foo bar"),
    ],
    k=2,
    preprocess_func=word_tokenize,
)

result = retriever.invoke("bar")
result

[Document(metadata={}, page_content='bar'),
 Document(metadata={}, page_content='foo bar')]

相關內容

• 檢索器 概念指南
• 檢索器 操作指南