基于 Python 的自然语言处理系列(61):RAG Fusion介绍

RAG Fusion 是一种检索方法,旨在弥合传统搜索范式与人类查询的多维特性之间的差距。本项目受 Retrieval Augmented Generation (RAG) 的启发,进一步采用 多查询生成互惠排序融合 (Reciprocal Rank Fusion, RRF) 来重新排名搜索结果,以提升检索效果。

本实现基于 该 GitHub 仓库 进行重构,所有贡献归原作者所有。

环境设置

本示例使用 Pinecone 作为向量数据库,并构造一组示例数据。

复制代码
import pinecone
from langchain.embeddings import OpenAIEmbeddings
from langchain.vectorstores import Pinecone

pinecone.init(api_key="...", environment="...")

all_documents = {
    "doc1": "Climate change and economic impact.",
    "doc2": "Public health concerns due to climate change.",
    "doc3": "Climate change: A social perspective.",
    "doc4": "Technological solutions to climate change.",
    "doc5": "Policy changes needed to combat climate change.",
    "doc6": "Climate change and its impact on biodiversity.",
    "doc7": "Climate change: The science and models.",
    "doc8": "Global warming: A subset of climate change.",
    "doc9": "How climate change affects daily weather.",
    "doc10": "The history of climate change activism."
}

vectorstore = Pinecone.from_texts(
    list(all_documents.values()), OpenAIEmbeddings(), index_name="rag-fusion"")

查询生成器

我们将定义一个 LangChain 查询生成链,该链可以基于单个查询生成多个相关查询。

复制代码
from langchain.chat_models import ChatOpenAI
from langchain.schema.output_parser import StrOutputParser
from langchain import hub

prompt = hub.pull("langchain-ai/rag-fusion-query-generation")

generate_queries = (
    prompt | ChatOpenAI(temperature=0) | StrOutputParser() | (lambda x: x.split("\n"))
)

定义完整检索链

该检索链的执行流程如下:

  1. 生成多个查询。

  2. 使用检索器查询每个子查询。

  3. 使用 互惠排序融合 (RRF) 对结果重新排名。

注意:此过程不会执行最终的生成步骤,仅进行检索和融合。

复制代码
original_query = "impact of climate change"
vectorstore = Pinecone.from_existing_index("rag-fusion", OpenAIEmbeddings())
retriever = vectorstore.as_retriever()

from langchain.load import dumps, loads

def reciprocal_rank_fusion(results: list[list], k=60):
    fused_scores = {}
    for docs in results:
        # 假设检索结果已按相关性排序
        for rank, doc in enumerate(docs):
            doc_str = dumps(doc)
            if doc_str not in fused_scores:
                fused_scores[doc_str] = 0
            fused_scores[doc_str] += 1 / (rank + k)

    reranked_results = [
        (loads(doc), score)
        for doc, score in sorted(fused_scores.items(), key=lambda x: x[1], reverse=True)
    ]
    return reranked_results

chain = generate_queries | retriever.map() | reciprocal_rank_fusion

# 执行查询
results = chain.invoke({"original_query": original_query})

结论

RAG Fusion 通过 多查询生成 + 互惠排序融合 ,提升了传统 RAG 框架的检索效果,适用于需要高精度检索的应用,如 科研论文、法律文档、技术资料 等。如果你有任何问题或改进建议,欢迎交流!

如果你觉得这篇博文对你有帮助,请点赞、收藏、关注我,并且可以打赏支持我!

欢迎关注我的后续博文,我将分享更多关于人工智能、自然语言处理和计算机视觉的精彩内容。

谢谢大家的支持!

相关推荐
爱编程的鱼2 分钟前
C# 继承详解
开发语言·c#
MyhEhud5 分钟前
kotlin flatMap 变换函数的特点和使用场景
开发语言·windows·kotlin
IT北辰5 分钟前
Python数据处理:文件的自动化重命名与整合
数据库·python·自动化
杰仔正在努力7 分钟前
Java + Seleium4.X + TestNG自动化技术
java·开发语言·自动化
神仙别闹12 分钟前
基于C#窗体+GDI+绘图实现分形树
开发语言·c#
爱凤的小光26 分钟前
图漾官网Sample_V1版本C++语言完整参考例子---单相机版本
开发语言·c++·数码相机
weixin_3077791329 分钟前
Azure Synapse Dedicated SQL pool企业权限管理
开发语言·数据仓库·sql·azure·etl
三思而后行,慎承诺32 分钟前
Kotlin 常见问题
开发语言·面试·kotlin
青瓦梦滋32 分钟前
【语法】C++的继承
开发语言·c++
一颗知足的心1 小时前
Go语言之路————接口、泛型
开发语言·golang