ಲಾಭಗಳು:
- ಉನ್ನತ-ಕೆ ಆಯ್ಕೆ ಮತ್ತು ಲಾಕ್ಷಣಿಕ ಮತ್ತು ಕೀವರ್ಡ್ ಹುಡುಕಾಟವನ್ನು ಸಂಯೋಜಿಸುವ ಹೈಬ್ರಿಡ್ ಹುಡುಕಾಟವನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವುದು
- ಮರು-ಶ್ರೇಯಾಂಕದೊಂದಿಗೆ ಮೊದಲ ಹುಡುಕಾಟದ ನಿಖರತೆಯನ್ನು ಹೆಚ್ಚಿಸುವುದು
- ಕ್ವೆರಿ ಟ್ರಾನ್ಸ್ಫಾರ್ಮೇಶನ್ ಮತ್ತು ಹೈಡಿಇಯಂತಹ ತಂತ್ರಗಳೊಂದಿಗೆ ಕಷ್ಟಕರವಾದ ಪ್ರಶ್ನೆಗಳನ್ನು ಹೆಚ್ಚು ಹುಡುಕುವಂತೆ ಮಾಡುವುದು
ನೀವು ಡಾಕ್ಯುಮೆಂಟ್ಗಳನ್ನು ಚೆನ್ನಾಗಿ ಚೂರುಚೂರು ಮಾಡಿದ್ದೀರಿ ಮತ್ತು ಅವುಗಳನ್ನು ವೆಕ್ಟರ್ ಡೇಟಾಬೇಸ್ಗೆ ಹಾಕಿದ್ದೀರಿ. ಈಗ ನಿಜವಾದ ಕೆಲಸ: ಬಳಕೆದಾರರು ಪ್ರಶ್ನೆಯನ್ನು ಕೇಳಿದಾಗ ಸರಿಯಾದ ತುಣುಕುಗಳನ್ನು ತರುವುದು. ಇದನ್ನು ಮರುಪಡೆಯುವಿಕೆ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ ಮತ್ತು ಇದು RAG ಗುಣಮಟ್ಟದ ಬೆನ್ನೆಲುಬಾಗಿದೆ. "ಮರುಪಡೆಯುವಿಕೆ ಗುಣಮಟ್ಟ = RAG ಗುಣಮಟ್ಟ" ಎಂಬ ಪದಗುಚ್ಛವನ್ನು ನೆನಪಿಡಿ; ಈ ಘಟಕವು ನಿಖರವಾಗಿ ಆ ಗುಣಮಟ್ಟವನ್ನು ಸುಧಾರಿಸುವ ಕಲೆಯಾಗಿದೆ. ನಾವು ಉನ್ನತ-ಕೆ ಆಯ್ಕೆಯಿಂದ ಹೈಬ್ರಿಡ್ ಹುಡುಕಾಟದವರೆಗೆ, ಮರು-ಶ್ರೇಯಾಂಕದಿಂದ ಪ್ರಶ್ನೆ ರೂಪಾಂತರದವರೆಗೆ ಪ್ರಾಯೋಗಿಕ ತಂತ್ರಗಳನ್ನು ಒಳಗೊಳ್ಳುತ್ತೇವೆ.
ಟಾಪ್-ಕೆ: ನಾವು ಎಷ್ಟು ತುಂಡುಗಳನ್ನು ತರುತ್ತೇವೆ?
ಅತ್ಯಂತ ಮೂಲಭೂತ ಸೆಟ್ಟಿಂಗ್: ಹುಡುಕಾಟದಿಂದ ಎಷ್ಟು ತುಣುಕುಗಳು (ಕೆ) ಹಿಂತಿರುಗಬೇಕು. ನೀವು ಕಡಿಮೆ ತಂದರೆ (k=1) ಸರಿಯಾದ ತುಣುಕು ಕಾಣೆಯಾಗುವ ಹೆಚ್ಚಿನ ಅಪಾಯವಿದೆ; ನೀವು ಹೆಚ್ಚು ಸೇರಿಸಿದರೆ (k=20), ಇದು ಮಾದರಿಗೆ ಶಬ್ದವನ್ನು ಸೇರಿಸುತ್ತದೆ ಮತ್ತು ಟೋಕನ್ ವೆಚ್ಚವು ಹೆಚ್ಚಾಗುತ್ತದೆ.
ಎರಡು ಪರಿಕಲ್ಪನೆಗಳ ನಡುವೆ ವ್ಯತ್ಯಾಸವನ್ನು ಗುರುತಿಸಿ. ಮರುಪಡೆಯಿರಿ: ಹಿಂಪಡೆದವರಲ್ಲಿ ಸರಿಯಾದ ತುಣುಕು ಇರುವ ದರ. ನಿಖರತೆ: ಹಿಂಪಡೆಯಲಾದ ದರವು ಪ್ರಸ್ತುತವಾಗಿದೆ. ಕೆ ಹೆಚ್ಚಿಸುವುದರಿಂದ ಮರುಸ್ಥಾಪನೆ ಹೆಚ್ಚಾಗುತ್ತದೆ ಆದರೆ ನಿಖರತೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಎರಡನ್ನೂ ಸಮತೋಲನಗೊಳಿಸುವುದು ಗುರಿಯಾಗಿದೆ.
ಉನ್ನತ-ಕೆ
ಪರಿಣಾಮ
ಸೂಕ್ತ ಪರಿಸ್ಥಿತಿ
1-3
ಹೆಚ್ಚಿನ ನಿಖರತೆ, ತಪ್ಪಿಸಿಕೊಳ್ಳುವ ಅಪಾಯ
ಸರಳ, ಒಂದೇ ಉತ್ತರದ ಪ್ರಶ್ನೆಗಳು
4-8
ಸಮತೋಲನ; ಹೆಚ್ಚಿನ ಸನ್ನಿವೇಶಗಳು
ಸಾಮಾನ್ಯ ಕಾರ್ಪೊರೇಟ್ RAG
10-20
ಹೆಚ್ಚಿನ ಮರುಸ್ಥಾಪನೆ, ಶಬ್ದ ಹೆಚ್ಚಾಗುತ್ತದೆ
ಮರು-ಶ್ರೇಯಾಂಕದೊಂದಿಗೆ (ಕೆಳಗೆ)
ಸಲಹೆ: ಸಾಮಾನ್ಯ ಮತ್ತು ಶಕ್ತಿಯುತ ಮಾದರಿ: ಅಗಲವನ್ನು ಪಡೆದುಕೊಳ್ಳಿ (k=20), ನಂತರ ಮರು-ಶ್ರೇಯಾಂಕದೊಂದಿಗೆ ಕಿರಿದಾದ (ಟಾಪ್ 4). ಈ ರೀತಿಯಲ್ಲಿ ನೀವು ಏನನ್ನೂ ಕಳೆದುಕೊಳ್ಳುವುದಿಲ್ಲ ಮತ್ತು ನೀವು ಮಾದರಿಗೆ ಕ್ಲೀನ್ ಸಂದರ್ಭವನ್ನು ನೀಡುತ್ತೀರಿ.
ಹೈಬ್ರಿಡ್ ಹುಡುಕಾಟ: ಎರಡು ಹುಡುಕಾಟಗಳ ಶಕ್ತಿ
ಲಾಕ್ಷಣಿಕ (ವೆಕ್ಟರ್) ಹುಡುಕಾಟವು ಅರ್ಥವನ್ನು ಸೆರೆಹಿಡಿಯುತ್ತದೆ ಆದರೆ ವಿಷಯಗಳನ್ನು ತಪ್ಪಿಸುತ್ತದೆ: ಪೂರ್ಣ ಉತ್ಪನ್ನ ಕೋಡ್ ("XR-4471"), ಅಪರೂಪದ ಸಂಕ್ಷೇಪಣ, ಸರಿಯಾದ ಹೆಸರು, ಆವೃತ್ತಿ ಸಂಖ್ಯೆ. ಈ ನಿಖರವಾದ-ಹೊಂದಾಣಿಕೆಯ ಕಾರ್ಯಗಳಿಗಾಗಿ, ಹಳೆಯ-ಶಾಲಾ ಕೀವರ್ಡ್ ಹುಡುಕಾಟ-ವಿಶೇಷವಾಗಿ BM25 ಎಂಬ ಕ್ಲಾಸಿಕ್ ಅಲ್ಗಾರಿದಮ್-ತುಂಬಾ ಒಳ್ಳೆಯದು.
ಹೈಬ್ರಿಡ್ ಹುಡುಕಾಟವು ಎರಡನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ: ಶಬ್ದಾರ್ಥದ ಮತ್ತು ಕೀವರ್ಡ್ ಹುಡುಕಾಟಗಳು ಎರಡೂ ಕೆಲಸ ಮಾಡುತ್ತವೆ, ಫಲಿತಾಂಶಗಳನ್ನು ಸಂಯೋಜಿಸುತ್ತವೆ. ಹೀಗಾಗಿ, "ಖಾತೆ ಅವಧಿಯಂತಹ ಪ್ರಶ್ನೆಯಲ್ಲಿ
ವಿಲೀನವನ್ನು ಸಾಮಾನ್ಯವಾಗಿ RRF (ರೆಸಿಪ್ರೊಕಲ್ ರಾಂಕ್ ಫ್ಯೂಷನ್) ನೊಂದಿಗೆ ಮಾಡಲಾಗುತ್ತದೆ: ಎರಡೂ ಪಟ್ಟಿಗಳಲ್ಲಿ ಹೆಚ್ಚಿನ ಟ್ರ್ಯಾಕ್ ಮುಂದೆ ಬರುತ್ತದೆ.
# ಹೈಬ್ರಿಡ್ ಮರುಪಡೆಯುವಿಕೆ (ಪರಿಕಲ್ಪನಾ) sem = ವೆಕ್ಟರ್_ಹುಡುಕಾಟ(ಪ್ರಶ್ನೆ, k=20) # ಅರ್ಥ ಕೀ = bm25_search(ಪ್ರಶ್ನೆ, k=20) # fullwordresult = rrf_merge(sem, key)[:8] # ಎರಡನ್ನು ಬೆಸೆಯಿರಿ, ಅಗ್ರ 8
ಮರು-ಶ್ರೇಯಾಂಕ: ಎರಡನೇ ಮತ್ತು ಸ್ಮಾರ್ಟರ್ ಪಾಸ್
ಮೊದಲ ಕರೆ ತ್ವರಿತ ಆದರೆ ಅಸಭ್ಯವಾಗಿರಬಹುದು. ಮೊದಲ ಹುಡುಕಾಟದ ಮೂಲಕ ಅಭ್ಯರ್ಥಿಗಳನ್ನು ಮರು-ಶ್ರೇಯಾಂಕವು ಹೆಚ್ಚು ಶಕ್ತಿಯುತ ಮಾದರಿಯೊಂದಿಗೆ ಒಂದೊಂದಾಗಿ ಹಿಂತಿರುಗಿಸುತ್ತದೆ (ಸಾಮಾನ್ಯವಾಗಿ ಕ್ರಾಸ್-ಎನ್ಕೋಡರ್ - ಪ್ರಶ್ನೆ ಮತ್ತು ಪ್ಯಾಸೇಜ್ ಅನ್ನು ಒಟ್ಟಿಗೆ ಓದುವ ಮತ್ತು ಪ್ರಸ್ತುತತೆಯನ್ನು ಸ್ಕೋರ್ ಮಾಡುವ ಮಾದರಿ) ಮತ್ತು ಹೆಚ್ಚು ಸಂಬಂಧಿತವಾದವುಗಳನ್ನು ಮೇಲಕ್ಕೆ ಸರಿಸುತ್ತದೆ.
ತರ್ಕವು ಹೀಗಿದೆ: ಮೊದಲ ಹುಡುಕಾಟವು ಮರುಸ್ಥಾಪನೆಗಾಗಿ ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಅಭ್ಯರ್ಥಿಗಳನ್ನು ನಿಯೋಜಿಸುತ್ತದೆ (20 ಅಭ್ಯರ್ಥಿಗಳು), ಮರು-ಶ್ರೇಯಾಂಕವು ನಿಖರತೆಗಾಗಿ ಉತ್ತಮವಾದ 4 ಅನ್ನು ಆಯ್ಕೆ ಮಾಡುತ್ತದೆ. ಈ ಎರಡು-ಹಂತದ ವಿಧಾನವು ಏಕ-ಹಂತದ ಹುಡುಕಾಟಕ್ಕಿಂತ ಹೆಚ್ಚು ನಿಖರವಾಗಿದೆ. ಇದು ಸ್ವಲ್ಪ ವಿಳಂಬ ಮತ್ತು ಹೆಚ್ಚುವರಿ ಪ್ರಕ್ರಿಯೆಗೆ ವೆಚ್ಚವಾಗುತ್ತದೆ; ಲಾಭವು ಗುಣಮಟ್ಟದಲ್ಲಿ ಗಮನಾರ್ಹ ಹೆಚ್ಚಳವಾಗಿದೆ.
# ಎರಡು-ಹಂತದ ಮರುಪಡೆಯುವಿಕೆ (ಪರಿಕಲ್ಪನಾ) ಅಭ್ಯರ್ಥಿಗಳು = ಹೈಬ್ರಿಡ್_ಹುಡುಕಾಟ(ಪ್ರಶ್ನೆ, ಕೆ=20) # ವಿಶಾಲ, ಕ್ವಿಕ್ಸ್ಕೋರ್ = ಮರುರ್ಯಾಂಕರ್.ಸ್ಕೋರ್ (ಪ್ರಶ್ನೆ, ಅಭ್ಯರ್ಥಿಗಳು) # ಪ್ರತಿ ಅಭ್ಯರ್ಥಿ ಸಂದರ್ಭಕ್ಕೆ ಪ್ರಸ್ತುತತೆ ಸ್ಕೋರ್ = ರೇಟ್. ಶ್ರೇಣಿ()[:4] # ಟಾಪ್ 4
ಪ್ರಶ್ನೆಯನ್ನು ಪರಿವರ್ತಿಸುವುದು
ಕೆಲವೊಮ್ಮೆ ಸಮಸ್ಯೆ ಹುಡುಕಾಟದಲ್ಲಿಲ್ಲ, ಆದರೆ ಪ್ರಶ್ನೆಯಲ್ಲಿಯೇ ಇರುತ್ತದೆ. ಬಳಕೆದಾರರು "ದೂರಸ್ಥ ಕೆಲಸಗಾರರ ಬಗ್ಗೆ ಏನು?" ಎಂದು ಕೇಳಿದರೆ ', ಇದನ್ನು ಮಾತ್ರ ಹುಡುಕಲಾಗುವುದಿಲ್ಲ (ದೂರಸ್ಥ ಕೆಲಸಗಾರರಿಗೆ ಏನೆಂದು ಸ್ಪಷ್ಟವಾಗಿಲ್ಲ). ಪ್ರಶ್ನೆ ರೂಪಾಂತರ ತಂತ್ರಗಳು ಇಲ್ಲಿವೆ:
- ಪುನಃ ಬರೆಯಿರಿ: ಪ್ರಶ್ನೆಯನ್ನು ಸ್ವತಂತ್ರವಾಗಿ ಮಾಡಲು ಸಂಭಾಷಣೆಯ ಇತಿಹಾಸವನ್ನು ಬಳಸಿ: "ವಾರ್ಷಿಕ ರಜೆಗೆ ಯಾವ ದೂರಸ್ಥ ಕೆಲಸಗಾರರು ಅರ್ಹರಾಗಿದ್ದಾರೆ?"
- ಬಹು-ಪ್ರಶ್ನೆ: ಒಂದೇ ಪ್ರಶ್ನೆಯ 3 ವಿಭಿನ್ನ ಅಭಿವ್ಯಕ್ತಿಗಳನ್ನು ರಚಿಸಿ, ಎಲ್ಲವನ್ನೂ ಹುಡುಕಿ, ಫಲಿತಾಂಶಗಳನ್ನು ಸಂಯೋಜಿಸಿ. ವಿಭಿನ್ನ ಪದಗಳು ವಿಭಿನ್ನ ತುಣುಕುಗಳನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತವೆ.
- HyDE (ಹೈಪೋಥೆಟಿಕಲ್ ಡಾಕ್ಯುಮೆಂಟ್ ಎಂಬೆಡಿಂಗ್ಸ್): ಮೊದಲು ಮಾದರಿಗೆ "ಸಂಭವನೀಯ ಉತ್ತರ" ಮುದ್ರಿಸಿ, ನಂತರ ಎಂಬೆಡ್ ಮಾಡಿ ಮತ್ತು ಆ ಕಾಲ್ಪನಿಕ ಉತ್ತರವನ್ನು ಹುಡುಕಿ. ಕಾಲ್ಪನಿಕ ಉತ್ತರವು ಕೆಲವೊಮ್ಮೆ ಉತ್ತಮವಾಗಿ ಕಂಡುಬರುತ್ತದೆ ಏಕೆಂದರೆ ಅದು ನಿಜವಾದ ದಾಖಲೆಗೆ ಪದಗಳಲ್ಲಿ ಹತ್ತಿರದಲ್ಲಿದೆ.
# ಬಹು-ಪ್ರಶ್ನೆ (ಪರಿಕಲ್ಪನಾ) ರೂಪಾಂತರಗಳು = model.uret ("ಈ ಪ್ರಶ್ನೆಯನ್ನು 3 ವಿಭಿನ್ನ ರೀತಿಯಲ್ಲಿ ವ್ಯಕ್ತಪಡಿಸಿ: " + ಪ್ರಶ್ನೆ) tum_sonuc = []ರೂಪಗಳಲ್ಲಿ v ಗಾಗಿ: all_sonuc += vector_intermediate(v, k=6)ಸಂದರ್ಭ = ಏಕವಚನ_ಮತ್ತು_ಕ್ರಮ(tum_result)[:6]
ದುರ್ಬಲ ಮರುಪಡೆಯುವಿಕೆ / ಬಲವಾದ ಮರುಪಡೆಯುವಿಕೆ
ದುರ್ಬಲ (ಏಕ ಹಂತ, ಶಬ್ದಾರ್ಥ ಮಾತ್ರ, ಸ್ಥಿರ k=3):
ಫಲಿತಾಂಶ = vector_search(ಪ್ರಶ್ನೆ, k=3)# ಸಮಸ್ಯೆ: ಉತ್ಪನ್ನ ಕೋಡ್ ತಪ್ಪಿಹೋಗಿದೆ, ಕಷ್ಟಕರವಾದ ಪ್ರಶ್ನೆಗಳಲ್ಲಿ ಸರಿಯಾದ ಭಾಗ 3 ಅನ್ನು ನಮೂದಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ.
ಶಕ್ತಿಯುತ (ಹೈಬ್ರಿಡ್ + ವೈಡೆಕ್ + ಮರು-ಶ್ರೇಯಾಂಕ + ಅಗತ್ಯವಿದ್ದರೆ ಬಹು-ಪ್ರಶ್ನೆ):
ಅಭ್ಯರ್ಥಿಗಳು = hybrid_search(rewrite(question, past), k=20)context = reranker.score(question, candidates).first(4)# ನಿಖರವಾದ ಹೊಂದಾಣಿಕೆ ಮತ್ತು ಅರ್ಥ ಎರಡೂ ಸೆರೆಹಿಡಿಯಲಾಗಿದೆ; ಇದು ಅತ್ಯುತ್ತಮ 4 ಮಾದರಿಗಳಿಗೆ ಹೋಗುತ್ತದೆ.
ಮೂರು ಮಿನಿ ಪ್ರಕರಣಗಳು
ಪ್ರಕರಣ 1 - ಉತ್ಪನ್ನ ಕೋಡ್ ತಪ್ಪಿಸಿಕೊಂಡಿದೆ. ಬೆಂಬಲ ತಂಡದಲ್ಲಿನ ಶುದ್ಧ ಶಬ್ದಾರ್ಥದ ಹುಡುಕಾಟವು "RTX-9080 ಡ್ರೈವರ್ ದೋಷ" ಎಂಬ ಪ್ರಶ್ನೆಯಲ್ಲಿ "RTX-9080" ಅನ್ನು ಅಕ್ಷರಶಃ ಕಂಡುಹಿಡಿಯಲಾಗಲಿಲ್ಲ; ಇದೇ ಹೆಸರಿನ ಇತರ ಉತ್ಪನ್ನಗಳನ್ನು ತರುತ್ತಿದ್ದರು. ಹೈಬ್ರಿಡ್ ಹುಡುಕಾಟವನ್ನು ಸೇರಿಸಿದಾಗ, ನಿಖರವಾದ ಕೋಡ್ ಹೊಂದಾಣಿಕೆಯು ಸಂಭವಿಸಿದೆ ಮತ್ತು ಸರಿಯಾದ ಲೇಖನಗಳನ್ನು ಹಿಂದಿರುಗಿಸುವ ದರವು 58% ರಿಂದ 92% ಕ್ಕೆ ಏರಿತು.
ಪ್ರಕರಣ 2 - ಮರು-ಶ್ರೇಣಿಯ ವ್ಯತ್ಯಾಸ. ಒಂದು ಪ್ಯಾರಾಲೀಗಲ್ k=5 ನೊಂದಿಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆ ಆದರೆ ಸರಿಯಾದ ಐಟಂ ಹೆಚ್ಚಿನ ಸಮಯ 7-10 ಆಗಿದೆ. ಅವರು ಶ್ರೇಣಿಯಲ್ಲಿಯೇ ಇದ್ದರು. k=20 + ಮರು-ಶ್ರೇಯಾಂಕವನ್ನು ಪರಿಚಯಿಸಿದಾಗ, ಟಾಪ್ 3 ರಲ್ಲಿ ಸರಿಯಾದ ಲೇಖನದ ದರವು 61% ರಿಂದ 94% ಕ್ಕೆ ಏರಿತು; ಸುಪ್ತತೆಯು ಕೇವಲ 300ms ಹೆಚ್ಚಾಗಿದೆ - ಸ್ವೀಕಾರಾರ್ಹ ರಾಜಿ.
ಪ್ರಕರಣ 3 - ಸಂದರ್ಭವಿಲ್ಲದೆ ಅನುಸರಣಾ ಪ್ರಶ್ನೆ. HR ಅಸಿಸ್ಟೆಂಟ್ನಲ್ಲಿ, ಬಳಕೆದಾರರು "ಪಾರ್ಟ್ಟೈಮರ್ಗಳ ಬಗ್ಗೆ ಏನು?" ನಾನು ಕೇಳಿದಾಗ, ಸಿಸ್ಟಮ್ ಅಪ್ರಸ್ತುತ ಭಾಗಗಳನ್ನು ತಂದಿತು. ಪ್ರಶ್ನೆಯನ್ನು ಪುನಃ ಬರೆಯುವ ಮೂಲಕ (ಹಿಂದಿನ "ವಾರ್ಷಿಕ ರಜೆ" ಸಂದರ್ಭವನ್ನು ಎಳೆಯುವ ಮೂಲಕ ಮತ್ತು "ಅರೆಕಾಲಿಕ ಉದ್ಯೋಗಿಗಳು ವಾರ್ಷಿಕ ರಜೆಗೆ ಅರ್ಹರಾಗಿದ್ದಾರೆ" ಎಂದು ಸೇರಿಸುವ ಮೂಲಕ), ಸರಿಯಾದ ಉತ್ತರ ದರವು 40% ರಿಂದ 86% ಕ್ಕೆ ಏರಿತು.
ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು
- ಕೇವಲ ಲಾಕ್ಷಣಿಕ ಹುಡುಕಾಟದ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ: ಉತ್ಪನ್ನ ಕೋಡ್, ಸಂಕ್ಷೇಪಣ, ಸರಿಯಾದ ಹೆಸರು ತಪ್ಪಿಹೋಗಿವೆ; ಹೈಬ್ರಿಡ್ ಸೇರಿಸಿ.
- ಕೆ ತುಂಬಾ ಚಿಕ್ಕದಾಗಿದೆ: ಸರಿಯಾದ ತುಣುಕು ಪಟ್ಟಿಯನ್ನು ನಮೂದಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ; ಅದನ್ನು ಅಗಲಗೊಳಿಸಿ ಮತ್ತು ಮರು-ಶ್ರೇಣಿಯೊಂದಿಗೆ ಕಿರಿದಾಗಿಸಿ.
- ಮರು-ಶ್ರೇಯಾಂಕದ ಬಗ್ಗೆ ಎಂದಿಗೂ ಯೋಚಿಸುವುದಿಲ್ಲ: ಮೊದಲ ಹುಡುಕಾಟವು ಅಸಭ್ಯವಾಗಿದೆ; ಎರಡನೇ ಸ್ಮಾರ್ಟ್ ಪಾಸ್ ಗುಣಮಟ್ಟವನ್ನು ಗಮನಾರ್ಹವಾಗಿ ಸುಧಾರಿಸುತ್ತದೆ.
- ಅನುಸರಣಾ ಪ್ರಶ್ನೆಗಳನ್ನು ಈ ರೀತಿಯಾಗಿ ಹುಡುಕಲಾಗುತ್ತಿದೆ: ಸಂದರ್ಭವಿಲ್ಲದ ಪ್ರಶ್ನೆಯು ಅರ್ಥಹೀನವನ್ನು ಹುಡುಕುತ್ತದೆ; ಪುನಃ ಬರೆಯಿರಿ.
- ಕುರುಡಾಗಿ ಹೆಚ್ಚುತ್ತಿರುವ k (ಮರು-ಶ್ರೇಣಿಯಿಲ್ಲದೆ): ಮಾದರಿಯು ಶಬ್ದದಿಂದ ತುಂಬಿರುತ್ತದೆ, ಪ್ರತಿಕ್ರಿಯೆಯು ವಿರೂಪಗೊಳ್ಳುತ್ತದೆ ಮತ್ತು ವೆಚ್ಚವು ಹೆಚ್ಚಾಗುತ್ತದೆ.
ಹುಷಾರಾಗಿರು: ಪ್ರತಿಯೊಂದು ತಂತ್ರವು ವೆಚ್ಚ ಮತ್ತು ವಿಳಂಬವನ್ನು ಸೇರಿಸುತ್ತದೆ. ಬಹು-ಪ್ರಶ್ನೆ ಎಂದರೆ 3-ಪಟ್ಟು ಹುಡುಕಾಟ, ಮರು-ಶ್ರೇಯಾಂಕ ಎಂದರೆ ಹೆಚ್ಚುವರಿ ಮಾದರಿ ಕರೆ. ಮೊದಲು ಸರಳ ಹೈಬ್ರಿಡ್ + ಸಮಂಜಸವಾದ k ನೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿ; ನಿಜವಾಗಿಯೂ ಅಗತ್ಯವಿರುವಲ್ಲಿ ಭಾರೀ ತಂತ್ರಗಳನ್ನು ಅಳೆಯಿರಿ ಮತ್ತು ಸೇರಿಸಿ. ಅಳತೆ ಇಲ್ಲದೆ ಸೇರಿಸುವುದು.
ಸಾರಾಂಶದಲ್ಲಿ
- ಟಾಪ್-ಕೆ ಎಂಬುದು ಮರುಸ್ಥಾಪನೆ ಮತ್ತು ನಿಖರತೆಯ ನಡುವಿನ ಸಮತೋಲನವಾಗಿದೆ; ಸಾಮಾನ್ಯವಾಗಿ 4-8 ಉತ್ತಮ ಆರಂಭವಾಗಿದೆ.
- ಹೈಬ್ರಿಡ್ ಹುಡುಕಾಟವು ಶಬ್ದಾರ್ಥದ ಹುಡುಕಾಟವನ್ನು ಕೀವರ್ಡ್ (BM25) ಹುಡುಕಾಟದೊಂದಿಗೆ ಸಂಯೋಜಿಸುತ್ತದೆ; ನಿಖರವಾದ ಹೊಂದಾಣಿಕೆಗಳನ್ನು ಮರುಪಡೆಯುತ್ತದೆ.
- ಮರು-ಶ್ರೇಯಾಂಕವು ದೃಢವಾದ ಮಾದರಿಯೊಂದಿಗೆ ವಿಶಾಲವಾದ ಆರಂಭಿಕ ಹುಡುಕಾಟದಿಂದ ಅಭ್ಯರ್ಥಿಗಳನ್ನು ಮರು-ಸ್ಕೋರ್ ಮಾಡುತ್ತದೆ ಮತ್ತು ಉತ್ತಮವಾದವುಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡುತ್ತದೆ.
- ಪ್ರಶ್ನೆಯ ರೂಪಾಂತರ (ಮರುಬರಹ, ಬಹು-ಪ್ರಶ್ನೆ, ಹೈಡಿ) ಕಷ್ಟಕರವಾದ ಮತ್ತು ಸಂದರ್ಭ-ಮುಕ್ತ ಪ್ರಶ್ನೆಗಳನ್ನು ಹುಡುಕುವಂತೆ ಮಾಡುತ್ತದೆ.
- ಬಲವಾದ ಮಾದರಿ: ವಿಶಾಲವಾದ ತರುವುದು → ಹೈಬ್ರಿಡ್ನೊಂದಿಗೆ ವಿಲೀನಗೊಳಿಸಿ → ಮರು-ಶ್ರೇಣಿಯೊಂದಿಗೆ ಕಿರಿದಾಗಿದೆ; ಆದರೆ ಪ್ರತಿ ತಂತ್ರವನ್ನು ಅಳೆಯುವ ಮೂಲಕ ಸೇರಿಸಿ.
ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ
ಹಿಂದಿನ ಘಟಕಗಳಿಂದ ಡೇಟಾದೊಂದಿಗೆ 6 ಕಷ್ಟಕರ ಪ್ರಶ್ನೆಗಳನ್ನು ತಯಾರಿಸಿ: ಕನಿಷ್ಠ 2 ನಿಖರ ಹೊಂದಾಣಿಕೆಗಳು (ಉತ್ಪನ್ನ ಕೋಡ್, ಸಂಕ್ಷೇಪಣ, ದಿನಾಂಕ), 2 ಶಬ್ದಾರ್ಥ (ವಿಭಿನ್ನ ಪದಗಳೊಂದಿಗೆ ಒಂದೇ ವಿಷಯ), 2 ಸಂದರ್ಭವಿಲ್ಲದೆ ಅನುಸರಣಾ ಪ್ರಶ್ನೆಗಳು. (1) ಮೊದಲು ಪ್ರತಿ ಪ್ರಶ್ನೆಯನ್ನು ಶುದ್ಧ ಶಬ್ದಾರ್ಥದ ಹುಡುಕಾಟ ಎಂದು ಯೋಚಿಸಿ ಮತ್ತು ಯಾವ ಭಾಗಗಳು ಬರುತ್ತವೆ ಎಂಬುದನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಗುರುತಿಸಿ. (2) ಅದೇ ಪ್ರಶ್ನೆಗಳನ್ನು ಹೈಬ್ರಿಡ್ ಮತ್ತು ಮರು-ಶ್ರೇಯಾಂಕವನ್ನು ಸೇರಿಸಿ ಮರು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ. (3) ಸಂದರ್ಭವಿಲ್ಲದೆಯೇ ಮುಂದಿನ ಪ್ರಶ್ನೆಗಳನ್ನು ಪುನಃ ಬರೆಯಿರಿ. ಯಾವ ತಂತ್ರವು ಯಾವ ಪ್ರಶ್ನೆ ಪ್ರಕಾರದಲ್ಲಿ ವ್ಯತ್ಯಾಸವನ್ನುಂಟು ಮಾಡುತ್ತದೆ ಎಂಬುದನ್ನು ಕೋಷ್ಟಕ ರೂಪದಲ್ಲಿ ಗಮನಿಸಿ.
ಪರಿಶೀಲನಾಪಟ್ಟಿ
- ಟಾಪ್-ಕೆ ಮರುಸ್ಥಾಪನೆ-ನಿಖರ ಸಮತೋಲನ ಮತ್ತು ಸಮಂಜಸವಾದ ಆರಂಭಿಕ ಶ್ರೇಣಿ ಎಂದು ನನಗೆ ತಿಳಿದಿದೆ.
- [ ] ಹೈಬ್ರಿಡ್ ಹುಡುಕಾಟವು ನಿಖರವಾದ ಹೊಂದಾಣಿಕೆಗಳನ್ನು ಏಕೆ ಮರುಪಡೆಯುತ್ತದೆ ಎಂಬುದನ್ನು ನಾನು ವಿವರಿಸಬಲ್ಲೆ.
- [ ] ನಾನು ಮರು-ಶ್ರೇಯಾಂಕದ ಎರಡು-ಹಂತದ ತರ್ಕವನ್ನು ಅನ್ವಯಿಸಬಹುದು (ವಿಶಾಲ → ಸ್ಮಾರ್ಟ್ ನ್ಯಾರೋ).
- [ ] ಸಂದರ್ಭವಿಲ್ಲದೆ ಮುಂದಿನ ಪ್ರಶ್ನೆಗಳನ್ನು ಪುನಃ ಬರೆಯುವ ಅಗತ್ಯವನ್ನು ನಾನು ಗುರುತಿಸುತ್ತೇನೆ.
- [ ] ನಾನು ಭಾರೀ ತಂತ್ರಗಳನ್ನು ಅಳೆಯುವ ಮೂಲಕ ಸೇರಿಸಿದ್ದೇನೆ, ಅಳತೆ ಮಾಡುವ ಮೂಲಕ ಅಲ್ಲ ಎಂದು ನಾನು ಖಚಿತಪಡಿಸುತ್ತೇನೆ.